# Agentic MCP Skill

> 仓库地址：https://github.com/cablate/Agentic-MCP-Skill
> 作者/组织：cablate
> 成熟度：beta
> 分析日期：2026-04-15

## 一句话总结
将 agentskills.io 的 progressive disclosure 模式应用于 MCP server 管理，实现 86% token 节省的概念验证。

## 项目定位与架构
Agentic-MCP 是一个概念验证项目，测试 agentskills.io 的设计模式是否适用于 MCP（Model Context Protocol）server 管理。核心假设是：三层 progressive disclosure 可以显著减少 MCP 工具加载的 token 消耗。

三层 disclosure：Layer 1 加载基础 server metadata（~50-100 tokens）→ Layer 2 获取 tool lists + descriptions（~200-400 tokens）→ Layer 3 按需获取特定 tool 的 input schema（~300-500 tokens/tool）。声称总体实现 86% token 节省。

架构采用 socket-based daemon：CLI 通过 newline-delimited JSON over socket 与后台 daemon 通信，daemon 维持 MCP server 连接，支持 hot-reload 配置。

## 关键技术特性
- **Three-layer Progressive Disclosure**：metadata → tool list → input schema 按需加载
- **86% Token Savings**：相比一次性加载所有工具
- **Socket-based Daemon**：持久后台进程维持 MCP 连接
- **Hot-reload Config**：配置变更无需重启
- **Multi-server Management**：Playwright、filesystem、GitHub 等多 MCP server

## 设计亮点与创新
将 agentskills.io 的设计哲学迁移到 MCP 场景是有价值的探索。86% token 节省（虽为示例数据）展示了 progressive disclosure 在 token-conscious 应用中的潜力。

## 局限性与风险
- 作者明确声明这是"very early, rushed AI-assisted demo version"
- 86% token 节省基于示例性数据，实际效果需验证
- 概念验证阶段，不适合生产使用

## 与生态系统的关联
验证了 agentskills.io 模式的**通用性**——不仅适用于 skill 管理，也适用于 MCP server 管理。为 Hermes 的 MCP 集成提供了 token 优化思路。