MCP 设置指南

设置 Skill Seekers MCP 服务器，通过模型上下文协议（Model Context Protocol）在 Claude Code 和其他 AI 编码代理中使用所有功能。

概述

Skill Seekers MCP 服务器通过模型上下文协议提供 18 个工具，支持使用自然语言与所有 Skill Seekers 功能交互。

支持的功能：

✅ 26 个 MCP 工具 - 完整的 Skill Seekers 功能
✅ 5 个 AI 代理 - Claude Code、Cursor、Windsurf、VS Code + Cline、IntelliJ IDEA
✅ 双传输 - stdio（默认）和 HTTP 模式
✅ 自动配置 - 一行设置脚本
✅ 多代理支持 - 一次配置所有代理

快速开始

一键设置（推荐）

# 克隆仓库
git clone https://github.com/yusufkaraaslan/Skill_Seekers.git
cd Skill_Seekers

# 运行设置脚本
./setup_mcp.sh

脚本自动：

检查 Python 版本（需要 3.10+）
安装依赖项
检测已安装的 AI 代理
配置所有检测到的代理
如需要则启动 HTTP 服务器
验证一切正常

时间： 2-3 分钟

支持的代理

代理	传输	自动检测	配置路径
Claude Code	stdio	✅	`~/Library/Application Support/Claude/mcp.json`
Cursor	HTTP	✅	`~/Library/Application Support/Cursor/mcp_settings.json`
Windsurf	HTTP	✅	`~/Library/Application Support/Windsurf/mcp_config.json`
VS Code + Cline	stdio	✅	`~/Library/Application Support/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json`
IntelliJ IDEA	HTTP	✅	`~/Library/Application Support/JetBrains/IntelliJIdea2024.3/mcp.xml`

注意： 显示的路径是 macOS 的路径。Linux 和 Windows 路径会自动检测。

手动安装

如果您更喜欢手动设置或脚本不起作用：

步骤 1：安装依赖项

# 创建虚拟环境（推荐）
python3 -m venv venv
source venv/bin/activate  # Windows：venv\Scripts\activate

# 安装带 MCP 支持的 Skill Seekers
pip install -e ".[mcp]"

# 或单独安装 MCP 依赖项
pip install mcp anthropic-mcp fastmcp

步骤 2：测试服务器

# 测试 stdio 模式（默认）
python -m skill_seekers.mcp.server_fastmcp

# 应显示：
# MCP Server running in stdio mode
# Connected to client...
# (Press Ctrl+C to exit)

# 测试 HTTP 模式
python -m skill_seekers.mcp.server_fastmcp --http --port 3000

# 应显示：
# MCP Server running in HTTP mode on http://localhost:3000
# Health check: http://localhost:3000/health
# SSE endpoint: http://localhost:3000/sse

步骤 3：配置您的代理

Claude Code（stdio）

编辑 ~/Library/Application Support/Claude/mcp.json：

{
  "mcpServers": {
    "skill-seeker": {
      "command": "python",
      "args": ["-m", "skill_seekers.mcp.server_fastmcp"]
    }
  }
}

Cursor（HTTP）

编辑 ~/Library/Application Support/Cursor/mcp_settings.json：

{
  "mcpServers": {
    "skill-seeker": {
      "url": "http://localhost:3000/sse"
    }
  }
}

注意： 对于基于 HTTP 的代理，首先启动服务器：

# 在后台启动
python -m skill_seekers.mcp.server_fastmcp --http --port 3000 &

传输模式

Stdio 传输（默认）

最适合： Claude Code、VS Code + Cline

优点：

无需网络配置
更安全（仅本地）
启动更快（约 100ms）
每个代理都有独立的进程

配置：

{
  "mcpServers": {
    "skill-seeker": {
      "command": "python",
      "args": ["-m", "skill_seekers.mcp.server_fastmcp"]
    }
  }
}

HTTP 传输

最适合： Cursor、Windsurf、IntelliJ IDEA

优点：

多个同时连接
支持基于 Web 的客户端
健康监控端点
远程访问（谨慎使用）

配置：

{
  "mcpServers": {
    "skill-seeker": {
      "url": "http://localhost:3000/sse"
    }
  }
}

启动 HTTP 服务器：

# 前台
python -m skill_seekers.mcp.server_fastmcp --http --port 3000

# 后台（macOS/Linux）
python -m skill_seekers.mcp.server_fastmcp --http --port 3000 &

# 使用自定义端口
python -m skill_seekers.mcp.server_fastmcp --http --port 8080

# 使用调试日志
python -m skill_seekers.mcp.server_fastmcp --http --log-level DEBUG

HTTP 端点

在 HTTP 模式下运行时：

健康检查：

curl http://localhost:3000/health

响应：

{
  "status": "healthy",
  "server": "skill-seeker-mcp",
  "version": "2.7.0",
  "transport": "http",
  "tools": 18
}

SSE 端点：

http://localhost:3000/sse

可用的 MCP 工具

配置工具（3 个）

generate_config - 为任何文档网站生成配置

result = await mcp.call_tool("generate_config", {
    "name": "myframework",
    "url": "https://docs.myframework.com/",
    "description": "My Framework documentation"
})

list_configs - 列出所有可用的预设配置

result = await mcp.call_tool("list_configs", {})

validate_config - 验证配置文件结构

result = await mcp.call_tool("validate_config", {
    "config_path": "configs/myframework.json"
})

抓取工具（4 个）

estimate_pages - 抓取前估计页面数

result = await mcp.call_tool("estimate_pages", {
    "config_path": "configs/react.json"
})

scrape_docs - 抓取文档并构建技能

result = await mcp.call_tool("scrape_docs", {
    "config_path": "configs/react.json"
})

scrape_github - 抓取 GitHub 仓库

result = await mcp.call_tool("scrape_github", {
    "repository": "facebook/react",
    "local_repo_path": "/path/to/react"
})

scrape_pdf - 从 PDF 文件提取内容

result = await mcp.call_tool("scrape_pdf", {
    "pdf_path": "manual.pdf",
    "name": "mymanual"
})

打包工具（4 个）

package_skill - 为平台打包技能

result = await mcp.call_tool("package_skill", {
    "skill_dir": "output/react/",
    "target": "claude"  # 或 "gemini"、"openai"、"markdown"
})

upload_skill - 上传到 LLM 平台

result = await mcp.call_tool("upload_skill", {
    "skill_zip": "output/react.zip",
    "target": "claude"
})

enhance_skill - AI 增强 SKILL.md

result = await mcp.call_tool("enhance_skill", {
    "skill_dir": "output/react/",
    "mode": "local"  # 或 "api"
})

install_skill - 完整安装工作流

result = await mcp.call_tool("install_skill", {
    "config_path": "configs/react.json",
    "target": "claude",
    "enhance": true
})

源工具（5 个）

fetch_config - 从源获取配置

result = await mcp.call_tool("fetch_config", {
    "name": "custom_framework",
    "source": "community"
})

submit_config - 提交新配置

result = await mcp.call_tool("submit_config", {
    "config_path": "configs/myframework.json",
    "description": "My Framework documentation config"
})

add_config_source - 注册私有 git 仓库

result = await mcp.call_tool("add_config_source", {
    "name": "company_configs",
    "url": "https://github.com/company/configs.git",
    "type": "git"
})

list_config_sources - 列出所有注册的源

result = await mcp.call_tool("list_config_sources", {})

remove_config_source - 删除注册的源

result = await mcp.call_tool("remove_config_source", {
    "name": "company_configs"
})

拆分工具（2 个）

split_config - 拆分大型文档配置

result = await mcp.call_tool("split_config", {
    "config_path": "configs/large_docs.json",
    "split_by": "category"
})

generate_router - 生成路由器/中心技能

result = await mcp.call_tool("generate_router", {
    "sub_skills": ["react_basics", "react_hooks", "react_routing"]
})

验证

在 Claude Code 中测试

配置后重启 Claude Code
输入提示词，例如：
```
"为 Vue.js 文档生成技能"
```
Claude 应自动使用 MCP 工具

检查工具可用性

在 Claude Code 中，工具在相关时出现在工具使用面板中。您也可以询问：

"您可以访问哪些 Skill Seekers 工具？"

手动工具测试

# 使用 MCP 检查器测试（如已安装）
npx @modelcontextprotocol/inspector python -m skill_seekers.mcp.server_fastmcp

# 或直接测试
python -m skill_seekers.mcp.server_fastmcp
# （将等待 MCP 客户端连接）

多代理配置

一次配置所有代理

设置脚本检测所有已安装的代理：

./setup_mcp.sh

示例输出：

🔍 Detecting installed AI agents...

Found the following agents:
✓ Claude Code (stdio)
✓ Cursor (HTTP)
✓ VS Code + Cline (stdio)

Would you like to configure all agents? (Y/n): Y

✅ Configured Claude Code
✅ Configured Cursor
✅ Configured VS Code + Cline
🚀 Starting HTTP server for Cursor...

All agents configured successfully!

代理特定说明

Claude Code：

配置后重启 Claude Code
工具在相关时自动出现
无需 HTTP 服务器

Cursor：

HTTP 服务器必须运行
使用以下命令启动：python -m skill_seekers.mcp.server_fastmcp --http --port 3000
配置后重启 Cursor

Windsurf：

HTTP 服务器必须运行
与 Cursor 使用相同端口（代理可以共享服务器）
配置后重启 Windsurf

VS Code + Cline：

无需 HTTP 服务器（使用 stdio）
配置后重启 VS Code
工具在 Cline 扩展中可用

IntelliJ IDEA：

HTTP 服务器必须运行
XML 配置格式
配置后重启 IntelliJ

故障排除

工具未出现

问题： MCP 工具未在 Claude Code 中显示

解决方案：

# 1. 检查配置文件是否存在
cat ~/Library/Application\ Support/Claude/mcp.json

# 2. 完全重启 Claude Code

# 3. 手动测试服务器
python -m skill_seekers.mcp.server_fastmcp
# 应显示 "MCP Server running in stdio mode"

# 4. 检查 Python 路径
which python3
# 确保它与配置中的路径匹配

HTTP 服务器未启动

问题： HTTP 服务器无法启动

解决方案：

# 检查端口未被使用
lsof -i :3000

# 使用不同端口
python -m skill_seekers.mcp.server_fastmcp --http --port 8080

# 检查防火墙设置
# 确保 localhost:3000 未被阻止

权限错误

问题： 无法写入配置文件

解决方案：

# 检查文件权限
ls -la ~/Library/Application\ Support/Claude/mcp.json

# 如果目录缺失则创建
mkdir -p ~/Library/Application\ Support/Claude/

# 如需要则创建空配置
echo '{"mcpServers":{}}' > ~/Library/Application\ Support/Claude/mcp.json

导入错误

问题： ModuleNotFoundError: No module named 'mcp'

解决方案：

# 安装 MCP 依赖项
pip install -e ".[mcp]"

# 或单独安装
pip install mcp anthropic-mcp fastmcp

# 验证安装
python -c "import mcp; print(mcp.__version__)"

未检测到代理

问题： 设置脚本未检测到您的代理

解决方案：

# 1. 检查代理是否已安装
# 2. 手动查找配置文件
# 3. 手动添加配置（参见手动安装）
# 4. 报告问题并提供代理详情

高级配置

自定义端口

# 在自定义端口启动 HTTP 服务器
python -m skill_seekers.mcp.server_fastmcp --http --port 8080

更新代理配置以使用新端口：

{
  "mcpServers": {
    "skill-seeker": {
      "url": "http://localhost:8080/sse"
    }
  }
}

调试日志

# 启用调试日志
python -m skill_seekers.mcp.server_fastmcp --http --log-level DEBUG

# 日志显示：
# - 工具调用
# - 请求/响应详情
# - 错误堆栈跟踪

多个实例

在不同端口上运行多个服务器：

# 终端 1 - Cursor
python -m skill_seekers.mcp.server_fastmcp --http --port 3000

# 终端 2 - Windsurf
python -m skill_seekers.mcp.server_fastmcp --http --port 3001

环境变量

# 设置默认端口
export MCP_HTTP_PORT=3000

# 设置日志级别
export MCP_LOG_LEVEL=DEBUG

# 然后启动服务器
python -m skill_seekers.mcp.server_fastmcp --http

下一步

教程：

抓取文档 - 使用 MCP 工具抓取文档
创建配置 - 使用 MCP 生成配置

手册：

MCP 工具参考 - 完整的工具文档
多平台支持 - 平台特定功能

CLI 参考：

scrape 命令 - MCP 工具的 CLI 等效项
package 命令 - 打包选项