Minimalist MCP-Based AI Agent Skill System

一个极简的 Python 实现，展示如何构建基于 MCP 的 AI 智能体技能系统。

只需两行命令，即可启动一个具备动态技能加载能力的智能体，体验 AI 辅助编程的乐趣。

🚀 快速开始

1. 安装依赖

pip install openai rich mcp python-dotenv

2. 启动智能体

python main.py

就这么简单！第一次启动的时候它会询问你的 Deepseek API 密钥，你可以去platform.deepseek.com注册账号获取。

建议尝试的Prompt

请你阅读当前目录，告诉我技能系统是怎么工作的。

✨ 项目特点

这是一个为教育展示设计的极简设计。模型在启动的时候有一个极简的系统提示词，它会在接受命令后，动态加载所需的技能（MCP 服务器），并使用这些技能完成任务。

整个项目核心为agent.py和main.py，共计 500 行。其他所有技能均为独立的 MCP 服务器，易于理解和扩展。

动态技能系统

智能体启动时仅有基础工具，需要什么技能就加载什么：

• 规划器：基于文件的规划系统（Manus 风格）
• 编码助手：代码调查、读取、搜索、编辑和执行命令
• 系统管理：本地系统信息和 SSH 连接管理
• 操作系统操作：文件系统操作
• Git：版本控制操作
• 网页抓取：使用 Jina AI API 进行网页检索

🏗️ 内部架构（简要）

agent.py              # DeepSeekMCPAgent 实现
main.py               # 入口点：加载技能并启动聊天循环
servers/              # MCP 技能服务器（每个技能独立）
requirements.txt      # 依赖列表

每个技能都是独立的 MCP 服务器，遵循标准的协议格式，易于添加新技能。

📖 深入探索

如果你对内部实现感兴趣：

1. 查看技能实现：浏览 servers/ 目录下的各个技能
2. 阅读核心代码：agent.py 展示了如何集成 MCP 客户端与 DeepSeek API
3. 尝试添加新技能：参照现有模板，创建自己的技能服务器

🙏 致谢

• 基于 MCP（模型上下文协议） 构建
• 使用 DeepSeek API
• 受 Claude 技能系统和 Manus 规划启发