Claude Prompts MCP

Claude提示MCP服务器

MCP工作流服务器。

制作具有验证和推理指导的可重用提示。

使用可组合运算符语法编排代理工作流。

作为本土技能出口。

快速开始 · 所得 · 编写工作流 · 随时随地奔跑 · 文档

链+门验证（俳句模型）——即使在最便宜的模型上，门也能捕捉错误并引导自我纠正

您的AI客户端为您提供了什么，以及此服务器添加了什么

______________________________________________________________________

快速开始

克劳德代码（推荐）

# Add marketplace (first time only)
/plugin marketplace add minipuft/minipuft-plugins

# Install
/plugin install claude-prompts@minipuft

# Try it
>>tech_evaluation_chain library:'zod' context:'API validation'

Development setup

从本地源加载插件进行开发：

git clone https://github.com/minipuft/claude-prompts ~/Applications/claude-prompts
cd ~/Applications/claude-prompts/server && npm install && npm run build
claude --plugin-dir ~/Applications/claude-prompts

编辑挂钩/提示→ 重新启动克劳德代码。编辑TypeScript→ 先重建。

自定义提示：使用 --init=~/my-prompts 使用您拥有的初学者模板创建工作区。通过创建提示 resource_manager 保存到您的活动资源目录。看 自定义资源.

______________________________________________________________________

克劳德桌面版

选项A:GitHub发布 （推荐）

1. 下载 claude-prompts-{version}.mcpb 从 发布
2. 拖到Claude桌面设置中→ MCP服务器
3. 完成

这 .mcpb bundle是自包含的（~5MB）——不需要npm。

选项B:NPX （自动更新）

添加到您的配置文件中：

• macOS： ~/Library/Application Support/Claude/claude_desktop_config.json
• 窗户： %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "claude-prompts": {
      "command": "npx",
      "args": ["-y", "claude-prompts@latest", "--client", "claude-code"]
    }
  }
}

重新启动Claude Desktop并测试： >>research_chain topic:'remote team policies'

______________________________________________________________________

VS Code / Copilot

单击上面的徽章进行一键安装，或手动添加到 .vscode/mcp.json:

{
  "servers": {
    "claude-prompts": {
      "command": "npx",
      "args": ["-y", "claude-prompts@latest"]
    }
  }
}

Cursor

单击上面的徽章进行一键安装，或手动添加到 ~/.cursor/mcp.json:

{
  "mcpServers": {
    "claude-prompts": {
      "command": "npx",
      "args": ["-y", "claude-prompts@latest", "--client=cursor"]
    }
  }
}

OpenCode

选项A：插件安装 （推荐-包括挂钩）

npm install -g opencode-prompts
opencode-prompts install

安装程序配置钩子（链跟踪、门强制、状态保存）、插件注册和MCP服务器。看 opencode提示 钩子能提供什么。

选项B：仅限MCP服务器 （手动配置，无挂钩）

增添 ~/.config/opencode/opencode.json:

{
  "mcp": {
    "claude-prompts": {
      "type": "local",
      "command": [
        "npx",
        "-y",
        "claude-prompts@latest",
        "--transport=stdio",
        "--client=opencode"
      ]
    }
  }
}

您将拥有三个MCP工具，但没有跨契约的链跟踪、门强制或状态保存。要加载自己的提示，请添加 environment 密钥--请参见 自定义资源.

Gemini CLI

选项A：扩展安装 （推荐-包括挂钩）

# Enable hooks (first time only — skip if already enabled)
echo '{"hooks": {"enabled": true}}' > ~/.gemini/settings.json

# Install extension
gemini extensions install https://github.com/minipuft/gemini-prompts

该扩展注册MCP服务器并为添加挂钩 >> 语法检测、链跟踪和门提醒。看 双子座提示 钩子能提供什么。

选项B：仅限MCP服务器 （手动配置，无挂钩）

增添 ~/.gemini/settings.json:

{
  "mcpServers": {
    "claude-prompts": {
      "command": "npx",
      "args": ["-y", "claude-prompts@latest", "--client=gemini"]
    }
  }
}

您将拥有三个MCP工具，但没有 >> 语法检测、链跟踪或门提醒。要加载自己的提示，请添加 env 密钥--请参见 自定义资源.

Other Clients (Codex, Windsurf, Zed)

使用以下命令添加到MCP配置文件中 --client 为确定性切换引导预设：

基于JSON的配置（Windsurf/Zed）：

{
  "mcpServers": {
    "claude-prompts": {
      "command": "npx",
      "args": ["-y", "claude-prompts@latest", "--client=cursor"]
    }
  }
}

食品法典委员会(~/.codex/config.toml):

[mcp_servers.claude_prompts]
command = "npx"
args = ["-y", "claude-prompts@latest", "--client=codex"]

支持的预设： claude-code, codex, gemini, opencode, cursor, unknown.

有关完整的每个客户端设置和限制：

• 客户集成指南
• 客户能力参考

From Source (developers only)

git clone https://github.com/minipuft/claude-prompts.git
cd claude-prompts/server
npm install && npm run build && npm test

将MCP配置指向 server/dist/index.js。esbuild包是自包含的。

运输选项: --transport=stdio （默认）， --transport=streamable-http （HTTP客户端）。

自定义资源

使用自己的提示、关卡、方法和样式。 根据您是否需要捆绑资源，有两种方法：

选项A：自己的工作空间 （建议完全控制）

使用初学者模板创建一个工作区，然后将MCP配置指向它：

npx -y claude-prompts@latest --init=~/my-prompts

这创造了 ~/my-prompts/resources/ 使用您自己的启动器提示。集 MCP_WORKSPACE 或 MCP_RESOURCES_PATH 使用它。通过创建提示 resource_manager 保存在这里。您的AI可以通过MCP更新它们，无需手动编辑。

选项B：插件安装 （捆绑资源+挂钩）

插件安装（Claude Code、OpenCode、Gemini）设置 MCP_WORKSPACE 自动发送捆绑的90+个提示、关卡和方法。通过创建提示 resource_manager 保存到插件的资源目录。

\[！重要\] MCP_RESOURCES_PATH 设置基本资源目录（替换包默认目录）。 MCP_WORKSPACE 启用覆盖--加载工作区中的自定义资源 一起 捆绑的。具有与捆绑ID相同的提示、门、方法和样式具有优先权。

Config examples per client

克劳德桌面/VS代码/光标 （JSON格式 env):

{
  "mcpServers": {
    "claude-prompts": {
      "command": "npx",
      "args": ["-y", "claude-prompts@latest"],
      "env": {
        "MCP_RESOURCES_PATH": "/path/to/your/resources"
      }
    }
  }
}

开源代码 （JSON格式 environment):

{
  "mcp": {
    "claude-prompts": {
      "type": "local",
      "command": ["npx", "-y", "claude-prompts@latest", "--transport=stdio"],
      "environment": {
        "MCP_RESOURCES_PATH": "/path/to/your/resources"
      }
    }
  }
}

看 CLI配置 适用于所有环境变量，包括细粒度路径覆盖(MCP_PROMPTS_PATH, MCP_GATES_PATH等等）。

______________________________________________________________________

See the dashboard — system status overview

加载的资源、活动配置和服务器运行状况一目了然

______________________________________________________________________

所得

您编写、版本和组合到工作流中的四种资源类型。

See the catalog — listing all available prompts

11个类别中的90个提示——所有提示都可以热重新加载和版本控制

提示模板

使用热重载对YAML进行版本化。编辑一个模板，立即测试它，或者让你的AI通过MCP更新它。

>>code_review target:'src/auth/' language:'typescript'

验证规则（盖茨）

AI根据标准检查自己的输出。阻止或咨询。

:: 'no false positives' :: 'cite sources with links'

失败的检查可以自动重试或暂停以等待您的决定。

\[！提示\] 定义你自己的支票。 看 盖茨指南 用于阻塞与咨询规则、重试行为和shell验证。

推理指导（方法论）

塑造人工智能如何思考问题的框架，而不仅仅是它输出的内容。6内置，或创建自己的。

@CAGEERF    # Context → Analysis → Goals → Execution → Evaluation → Refinement
@ReACT      # Reason → Act → Observe loops
@5W1H       # Who, What, Where, When, Why, How

\[！提示\] 创建自己的框架。 看 方法指南 用于内置框架和自定义创作。

风格

响应格式和音调。

#analytical    # Structured, evidence-based output
#concise       # Brief, action-focused

所有资源都是可热重新加载的，使用回滚历史记录进行版本控制，并通过 resource_manager 工具。

\[！提示\] 准备好建立自己的？ 从 提示创作教程.

______________________________________________________________________

编写工作流

运算符语法将资源连接在一起——链接步骤、内联添加验证、将步骤移交给代理。

>>review target:'src/auth/' @CAGEERF :: 'no false positives'
  --> security_scan :: verify:"npm test"
  --> recommendations :: 'actionable, with code'
  ==> implementation

See the chain — phases completing back-to-back

跨步骤进行复合推理——每一步都基于前一步的验证输出

See the output — tech evaluation chain with context7 research

Context7获取链中的实时库文档——最终输出是一个结构化的源代码评估

发生了什么：

1. 加载了 review 带参数的模板
2. 注入CAGEERF推理指导
3. 添加了一个验证规则（AI根据它进行自我评估）
4. 将输出链接到下一步
5. 运行shell命令进行地面实况验证
6. 将最后一步交给客户端本地子代理

\[！提示\] 链支持条件分支、上下文线程和代理切换。 链生命周期 · MCP工具参考

验证循环

通过shell命令进行地面真实性验证——人工智能不断迭代，直到测试通过：

>>implement-feature :: verify:"npm test" loop:true

实现、运行测试、读取失败、修复、重试。在多次失败后生成新的上下文，以避免上下文腐烂。

\[！提示\] 自主测试修复周期。 看 拉尔夫循环 用于预设、超时配置和上下文腐烂预防。

判断模式

让AI为任务选择合适的资源：

%judge Help me refactor this authentication module

分析可用的模板、推理框架、验证规则和样式，自动应用最佳组合。

\[！提示\] 法官模式如何选择资源。 看 裁判模式指南 用于评分、覆盖和预览 %judge.

______________________________________________________________________

随时随地奔跑

作者工作流程作为YAML模板。将本地技能输出给您的客户。

# skills-sync.yaml — choose what to export
registrations:
  claude-code:
    user:
      - prompt:development/review
      - prompt:development/validate_work

npm run skills:export

这 review 提示变为 /review 克劳德代码技能。 validate_work 成为 /validate_work相同的源代码，本机体验——运行时不需要MCP调用。

编译到Claude代码技能、游标规则、OpenCode命令等。 npm run skills:diff 当出口偏离来源时，会出现标记。

See the export — dry-run compile + skill preview

模拟运行将YAML模板编译成本地客户端技能——编写前进行审查

\[！提示\] 这 技能同步指南 涵盖了配置、支持的客户端和漂移检测。

______________________________________________________________________

带钩子

精心编排的提示有自己的结构。Hooks使模型和长会话的体验保持一致。

What hooks do

将运算符语法自动路由到正确的工具。 跨步骤和长会话跟踪工作流进度。 强制执行验证规则，并在代理之间进行步骤切换。

→ 钩子/README.md

______________________________________________________________________

Syntax Reference

修改器：

• %clean --无框架/浇口注射
• %lean --仅盖茨，跳过框架
• %guided --力框架注射
• %judge --AI选择最佳资源

→ MCP工具参考 获取完整的命令文档。

The Three Tools

prompt_engine(command:"@CAGEERF >>analysis topic:'AI safety'")
resource_manager(resource_type:"prompt", action:"list")
system_control(action:"status")

______________________________________________________________________

运作原理

%%{init: {'theme': 'neutral', 'themeVariables': {'background':'#0b1224','primaryColor':'#e2e8f0','primaryBorderColor':'#1f2937','primaryTextColor':'#0f172a','lineColor':'#94a3b8','fontFamily':'"DM Sans","Segoe UI",sans-serif','fontSize':'14px','edgeLabelBackground':'#0b1224'}}}%%
flowchart TB
    classDef actor fill:#0f172a,stroke:#cbd5e1,stroke-width:1.5px,color:#f8fafc;
    classDef server fill:#111827,stroke:#fbbf24,stroke-width:1.8px,color:#f8fafc;
    classDef process fill:#e2e8f0,stroke:#1f2937,stroke-width:1.6px,color:#0f172a;
    classDef client fill:#f4d0ff,stroke:#a855f7,stroke-width:1.6px,color:#2e1065;
    classDef clientbg fill:#1a0a24,stroke:#a855f7,stroke-width:1.8px,color:#f8fafc;
    classDef decision fill:#fef3c7,stroke:#f59e0b,stroke-width:1.6px,color:#78350f;

    linkStyle default stroke:#94a3b8,stroke-width:2px

    User["1. User sends command"]:::actor
    Example[">>analyze @CAGEERF :: 'cite sources'"]:::actor
    User --> Example --> Parse

    subgraph Server["MCP Server"]
        direction TB
        Parse["2. Parse operators"]:::process
        Inject["3. Inject framework + gates"]:::process
        Render["4. Render prompt"]:::process
        Decide{"6. Route verdict"}:::decision
        Parse --> Inject --> Render
    end
    Server:::server

    subgraph Client["Claude (Client)"]
        direction TB
        Execute["5. Run prompt + check gates"]:::client
    end
    Client:::clientbg

    Render -->|"Prompt with gate criteria"| Execute
    Execute -->|"Verdict + output"| Decide

    Decide -->|"PASS → render next step"| Render
    Decide -->|"FAIL → render retry prompt"| Render
    Decide -->|"Done"| Result["7. Return to user"]:::actor

操作员指挥→ 服务器解析并注入资源→ 客户端执行并自我评估→ 路由：下一步（通过）、重试（失败）或返回结果（完成）。

______________________________________________________________________

文档

______________________________________________________________________

贡献

cd server
npm install
npm run build        # esbuild bundles to dist/index.js
npm test             # Run test suite
npm run validate:all # Full CI validation

该构建生成了一个自包含的包。 server/dist/ 被忽略了——CI是从源代码中创建的。

看 贡献.md 有关工作流的详细信息。

______________________________________________________________________

许可证

AGPL-3.0