Skill Mesh

SkillMesh

  

停止在LLM提示符中填充数百个工具。走正确的路。

SkillMesh是代理工具目录的检索路由器。它不会将每个技能/工具加载到每个提示中，而是为查询选择最好的几张卡片，并仅注入这些卡片。

为什么团队采用SkillMesh

• 随着目录的增长，保持提示较小（前K而不是完全转储）
• 提高多域任务的刀具选择质量
• 通过避免不相关的工具上下文来降低每次调用的令牌成本
• 与Claude（MCP）、Codex（技能包）和本地CLI工作流配合使用
• 用于工具扩展的标准化OpenAI风格函数模式

问题

当您将每个工具加载到提示符中时，LLM代理会中断。令牌数量激增，精度下降，成本随目录大小呈线性增长。拥有50多种技能的团队最终会出现臃肿的系统提示，这会混淆模型并消耗预算。

SkillMesh通过基于检索的路由解决了这个问题：给定一个用户查询，它只选择前K个最相关的专家卡并将其注入提示中——保持上下文小、准确和廉价。

高价值用例

• 配备大型工具/技能目录（50+张卡片）的内部AI助手
• 跨域的多步工作流（数据->机器学习->基础设施->报告）
• 在工具过载影响选择质量的情况下使用MCP的团队
• 基于角色的执行流程(Data-Analyst, Financial-Analyst, AWS-Engineer)

SkillMesh与静态技能文档

之前vs之后

运作原理

User Query
    │
    ▼
┌─────────────────────┐
│  BM25 + Dense Index  │  ← Scores every card in your registry
└─────────┬───────────┘
          │
          ▼
┌─────────────────────┐
│   RRF Fusion Rank    │  ← Merges sparse + dense rankings
└─────────┬───────────┘
          │
          ▼
┌─────────────────────┐
│   Top-K Card Select  │  ← Returns the K best expert cards
└─────────┬───────────┘
          │
          ▼
┌─────────────────────┐
│  Agent acts as expert │  ← Full instructions injected into prompt
└─────────────────────┘

每张卡片都包含：执行行为、决策树、反模式、输出契约和可组合性提示——代理作为领域专家所需的一切。

单行MCP安装（克劳德桌面/Claude代码）

将此添加到您的Claude Desktop配置中(claude_desktop_config.json)或克劳德代码MCP设置：

{
  "mcpServers": {
    "skillmesh": {
      "command": "uvx",
      "args": ["--from", "skillmesh[mcp]", "skillmesh-mcp"]
    }
  }
}

没有环境变量。没有文件路径。没有克隆。捆绑的注册表包含在包中。

需要 紫外线 待安装。

60秒演示

git clone https://github.com/varunreddy/SkillMesh.git
cd SkillMesh
pip install -e .
skillmesh emit \
  --provider claude \
  --registry examples/registry/tools.json \
  --query "clean messy sales data, train a baseline model, and generate charts" \
  --top-k 5

输出（截断）：

  
    # Data Cleaning and Validation Expert
    Specialist in detecting and correcting data quality issues...
  
  
    ...
  
  
    ...
  

只有相关专家被注入——100多张卡片目录的其余部分不在提示范围内。

集成

Claude MCP服务器

运行它最简单的方法是通过 uvx （见上文“单线MCP安装”）。对于当地发展：

pip install -e .[mcp]
skillmesh-mcp

服务器自动发现注册表：env-var SKILLMESH_REGISTRY → 回购根→ 捆绑注册表。

通过MCP显示五个工具：

• route_with_skillmesh(query, top_k) --提供程序格式的上下文块
• retrieve_skillmesh_cards(query, top_k) --结构化JSON有效载荷
• list_skillmesh_roles(catalog?, registry?) --已安装状态的完整角色列表
• list_installed_skillmesh_roles(catalog?, registry?) --仅安装角色
• install_skillmesh_role(role, catalog?, registry?, dry_run?) --按id或友好名称安装（例如 Data-Analyst)

在中复制就绪配置模板 examples/mcp/.

Codex技能包

$skill-installer install https://github.com/varunreddy/SkillMesh/tree/main/skills/skillmesh

SkillMesh中的直接角色命令：

skillmesh roles
skillmesh roles list
skillmesh Data-Analyst install
skillmesh roles install Data-Analyst

或者通过安装的捆绑包包装器：

~/.codex/skills/skillmesh/scripts/roles.sh
~/.codex/skills/skillmesh/scripts/roles.sh list
~/.codex/skills/skillmesh/scripts/roles.sh install --role-id role.data-engineer

快速入门

安装

python -m venv .venv && source .venv/bin/activate
pip install -e .[dev]

可选附加功能：

pip install -e .[dense]   # Dense reranking with sentence-transformers
pip install -e .[mcp]     # Claude MCP server

检索前K张卡

skillmesh retrieve \
  --registry examples/registry/tools.json \
  --query "set up nginx reverse proxy with SSL" \
  --top-k 3

发射提供程序就绪上下文

skillmesh emit \
  --provider claude \
  --registry examples/registry/tools.json \
  --query "deploy container to GCP Cloud Run" \
  --top-k 5

角色快速入门

列出可用角色卡：

skillmesh roles list --catalog examples/registry/tools.json

按友好名称安装角色（添加缺少的依赖项）：

skillmesh roles install Data-Analyst \
  --catalog examples/registry/tools.json \
  --registry ~/.codex/skills/skillmesh/installed.registry.yaml

试运行安装以预览将添加的内容：

skillmesh roles install AWS-Engineer \
  --catalog examples/registry/tools.json \
  --registry ~/.codex/skills/skillmesh/installed.registry.yaml \
  --dry-run

MCP等效（工具调用）：

install_skillmesh_role(role="Data-Analyst", catalog="examples/registry/tools.json", dry_run=false)

管理登记处

使用特定于域的注册表进行更严格的路由：

skillmesh emit \
  --provider claude \
  --registry examples/registry/devops.registry.yaml \
  --query "configure prometheus alerting and grafana dashboards" \
  --top-k 3

基准测试

使用可复制的基准模板：

• 基准模板
• 人工评估工作流程

命令行命令

skillmesh retrieve/MCP有效载荷包括 invocation 每张卡都采用OpenAI功能工具格式。

skillmesh --help

仓库的规划

src/skill_registry_rag/
├── models.py          # Tool/role card models
├── registry.py        # Registry loading + validation
├── retriever.py       # BM25 + optional dense retrieval
├── adapters/          # Provider formatters (codex, claude)
└── cli.py             # skillmesh CLI

examples/registry/
├── tools.json         # Full tool catalog
├── tools.yaml         # YAML version of full catalog
├── instructions/      # Expert instruction files (90+)
├── roles/             # Role orchestrator files
└── *.registry.yaml    # Domain-specific registries

skills/skillmesh/      # Codex-installable skill

贡献

看 贡献.md 了解如何添加专家卡、创建注册表和提交PR。

故障排除

skillmesh: command not found

pip install -e .

缺少注册表路径

CLI和MCP服务器自动发现注册表。如果自动发现失败，请通过 --registry 或设置：

export SKILLMESH_REGISTRY=/path/to/tools.json
# or pass --registry on every command

skillmesh-mcp 无法启动

pip install -e .[mcp]

Codex未检测到新技能

运行后重新启动Codex $skill-installer.

发展

ruff check src tests
pytest

许可证

麻省理工学院——见 许可证.

______________________________________________________________________

如果SkillMesh帮助您的团队，请 明星回购 --它直接提高了可发现性，并帮助其他人找到项目。