DCC-MCP Core

dcc-mcp-core

中文 | English

Website · Marketplace · Showcase · For Agents · Ecosystem

以技能为先、由 Rust 驱动，为不断扩大的创意工具生态系统提供控制平面。

dcc-mcp-core 通过可发现的 MCP 和 REST 功能，将 Agent 连接到桌面 DCC、游戏引擎、2D 工具、制作系统、资产提供方、性能分析器和自定义工作室主机。它提供运行实际会话所需的网关、技能、结构化结果、主线程调度、诊断、IPC、工作流，以及打包的 CLI/服务二进制文件。

一套协议，覆盖所有已注册主机。 该生态系统中的每个主机适配器都实现相同的 MCP 协议和工具契约。注册表是事实来源，且可以通过检出代码库复现条目数量：

rg -c '^    tags: \[.*"adapter".*\]' dcc-mcp-catalog.yml

结果显示，dcc-mcp-catalog.yml 中有 48 个适配器条目。 请参阅完整的生成主机列表，了解所有当前条目及其安装元数据。该数量包括仅用于发现的实验性 PhotoCraft；这并不代表所有条目都获得了正式发布支持或可自动安装。以下是部分示例：

领域	部分主机
桌面 DCC	Maya、Blender、Houdini、3ds Max、Cinema 4D、Nuke、Katana、MotionBuilder、ZBrush、Mari、Substance 3D Designer、Substance 3D Painter、Marmoset
引擎与实时工具	Unreal、Unity、Godot、Tiled、TouchDesigner
设计、图像、视频	Photoshop、Illustrator、GIMP、Krita、After Effects、Premiere、Kdenlive、PowerPoint、OBS、ComfyUI
CAD、程序化工具、互操作	FreeCAD、OpenSCAD、SketchUp、Material Maker、LiquiGen、OpenUSD
制作跟踪与 QA	Flow Production Tracking（ShotGrid）、RenderDoc、Shogun、Wwise

包含安装元数据的完整列表已发布在生态系统目录中。

三项共享契约让它们构成统一矩阵。 主机覆盖只有在适配器保持可互换时才有意义。核心发布的三项契约能避免主机适配器各自变成互不相关的服务：

合约	保证内容	验证位置
核心共享合约	统一的资源导入合约（asset_import）、统一的发现决策架构（dcc-discovery-decision-v1），以及先写入再读回的后置条件，确保工具能够证明自身的结果	python/dcc_mcp_core/asset_import.py、contracts/dcc-discovery-decision-v1.schema.json、python/dcc_mcp_core/runtime/postcondition.py
配方运行时	由声明式 RECIPES.yaml 驱动的 recipes__list / recipes__get / recipes__validate / recipes__apply，让宿主以数据而非定制服务的形式提供功能	skills/mesh-ops/RECIPES.yaml
Marketplace Skill 合约	每个已发布条目都包含 examplePrompts；Skills、Studio 和 Infrastructure 条目还必须声明 recovery 和 undo，确保失败时有后续步骤，编辑时有一步回滚方案	由 dcc-mcp/marketplace 中的 validate_marketplace.py 强制执行——运行 python scripts/validate_marketplace.py prompt-contract（参见 prompt-contract.md）

如何比较我们。 比较宿主覆盖范围和合约完整性——两者都可通过上述命令和文件复现。我们不声称排名，也不按星标数或工具数量进行比较。

功能

• 内置 Agent Skill。 每次检出和每个版本发布都包含 llms.txt（精简索引）和 llms-full.txt（完整 API 参考）。两者均可供机器读取，因此 Agent 可以直接从代码库读取并开始工作，无需安装 Skill、浏览 Marketplace 或抓取渲染后的文档。
• 以 Skills 作为生产单元。 将功能打包为带版本的 SKILL.md 包，包含 tools.yaml、渐进式发现、lint 和架构验证以及热重载 （DccSkillHotReloader）。
• 主线程分发。 操作会排入 DCC 的主线程队列，因此对于在非主线程执行脚本时会崩溃的应用，调用也能安全运行。
• 结构化结果和后置条件。 每次调用都会返回带类型的结果，而共享后置条件合约会先写入再读回，确保工具能够证明自身的效果。
• 多实例路由。 一个网关连接所有正在运行的 DCC 会话，并发布 gateway://instances，因此无论有多少宿主正在运行，Agent 都只需连接一个端点。
• UI Control 作为备用方案。 对于完全没有 API 的工具，有界的截图和点击自动化可将其纳入同一控制平面（DCC UI Control）。

选择入口

你想要……	从这里开始
通过 Agent 或 CI 任务控制正在运行的 DCC	安装 dcc-mcp Agent Skill，然后使用 dcc-mcp-cli
通过 MCP/REST 暴露 DCC 适配器	create_skill_server
从已解析的包（Rez）启动服务	dcc-mcp-core serve
无需 Python 注册代码即可添加工具	SKILL.md + tools.yaml
发现并安装可复用的 Skills	DCC-MCP Marketplace
构建新的 DCC 适配器	new-adapter-onboarding.md
了解路由和多实例行为	gateway.md
从任意 HTTP 客户端进行集成	rest-api-surface.md

当前契约

默认 Agent 路径是 CLI + REST：

dcc-mcp-cli dcc-types (when adapter support is unclear)
  -> list
  -> search
  -> describe
  -> load-skill (only when needed)
  -> call

网关会限制 tools/list 的规模。它公布规范的发现／调度封装（search、describe、load_skill 和 call），而不是将每个后端工具都展开到一个庞大的列表中。通过 search 发现后端能力，通过 describe 检查能力，并通过封装或 REST 对应接口（POST /v1/search、/v1/describe、/v1/call）调用能力。

需要连接具体的 DCC 会话时，请读取 gateway://instances；每个条目都已包含 mcp_url。不要使用已移除的旧版实例工具（list_dcc_instances、get_dcc_instance 或 connect_to_dcc）。封装的输入应放在 arguments 中；不要将后端字段放在 tool_slug 旁边。

对于直接连接各个 DCC 的 MCP，服务器提供这些兼容发现名称时，仍可使用（search_tools、describe_tool 和 call_tool）。新的网关集成应使用上述规范名称。

dcc-mcp-core 的存在意义

最简短的 DCC Agent 演示，就是让模型编写并运行 mayapy、hython 或 Blender Python 脚本。生产流水线不能依赖模型每次都生成正确的脚本。反复生成代码会消耗令牌，结果会随模型和上下文变化，而且每个适配器都得重新实现传输、主线程调度、校验、进程生命周期、路由和诊断功能。

dcc-mcp-core 将这些通用工程能力集中到一个可复用的控制平面中：

层级	可复用能力
集成	MCP 和 REST 端点、Host RPC/IPC、类型化架构、资源、提示词和结构化结果
DCC 运行时	主线程亲和性、就绪状态、多实例路由、异步任务、取消、检查点、工作流、产物和 UI Control
Skill 交付	SKILL.md 包、渐进式发现、Lint／架构校验、热重载、持久化、市场分发以及项目／团队作用域
运维	CLI、网关、管理 UI、策略、审计记录、追踪、日志、指标、运行状况检查和 VRS 回放

本项目提供 Agent 控制 DCC 应用所需的基础设施；它不构建也不指定 Agent 本身。Agent 和模型会不断变化，而工作室接口、权限边界和流水线知识仍需持续维护。该框架将这些投入转化为可复用的工程资产。

现有工具也需要 AI 访问能力

为新工具添加面向 AI 的接口通常很直接。更棘手的问题是：如何让 Agent 使用多年来积累的现有工具，尤其是在这些工具没有 API、无法修改，或只能通过窗口或模态对话框完成部分工作流的情况下。

为弥补这一缺口，dcc-mcp-core 提供了受限的类计算机使用能力 DCC UI Control。它结合精确窗口截图、可用时的语义控件、限定范围的操作、等待、录制、策略检查、审计和结果验证。原生 Skills/API 仍是首选方式；UI Control 让旧版工具和仅提供界面的工作流也能接入同一 Agent 控制平面，而不会假装每个应用都有完善的可编程 API。

MCP 是入口，而非上限

MCP 是我们复用的行业标准 Agent 接口，而非该框架的限制。稳定的 Python、C++、HTTP、命令端口或原生插件接口，都可以集成到同一套发现、执行、安全和运维契约中。

我们也会集成实用的供应商能力，而不是取而代之。Unreal Engine 5.8 引入了 实验性的内置 MCP 服务和 Toolset Registry。 Unreal Official MCP Bridge 可通过 DCC MCP 启用并调用这些官方工具集，且不会重新分发它们。供应商工具、DCC-MCP 工具和工作室工具可以共用一个面向 Agent 的工作流。

Skills 是生产单元

Skill 能将经过验证的流水线知识转化为可版本化、类型化、可测试和可分发的操作。成本较低的模型可能难以从头编写场景编辑逻辑，但在选择描述完善的工具并提供经过验证的参数时，仍然能够胜任。工作室可以按项目和制作阶段分发不同的 Skill 集，减少重复生成代码、Token 使用量和模型相关的差异。

这也是工作室 TD 和 TA 实际上可进行定制的边界。Core 和适配器负责管理宿主连接、主线程执行、路由、安全和可观测性。TD 或 TA 可以将实际项目流程——命名和场景检查、资源准备、发布关卡、缓存／导出规则以及审核交接——编码为由 SKILL.md、tools.yaml 和工作室现有脚本组成的 Skill。这些 Skill 可以经过测试、限定到某个项目或团队，并通过公共或私有市场分发，无需分叉控制平面或重建适配器。

一份契约，不断壮大的生态系统

如今，同一套 Skill 和运行时契约已涵盖远超最初 DCC 适配器的领域：

领域	示例
桌面 DCC	Maya、Blender、Houdini、3ds Max、Nuke、Katana、MotionBuilder、ZBrush
设计和内容工具	Photoshop、Substance 3D Designer/Painter、After Effects、Premiere、GIMP、Krita
游戏和 2D 引擎	Unreal Engine、Unity、Godot、Tiled、Material Maker
流水线和质量	OpenUSD、Flow Production Tracking、MaterialX、纹理／发布工作流、RenderDoc、Tracy
可复用 Skills	资源提供方、生成式 2D/3D 服务、UI 自动化、绑定、程序化创作、游戏发布和验收

浏览生态系统目录中的所有集成，或使用官方 Marketplace发现可选 Skills，无需更改适配器。

Admin UI 完成了反馈闭环。调用、跟踪记录、日志、运行状况、统计数据和使用数据会显示 Agent 选择了哪些工具，以及它们在哪些地方失败。团队可以改进描述、架构或实现，然后根据真实调用验证结果，而不是将工具使用视为黑盒。

边界仍然明确。Core 无法安全地抢占已在 DCC 主线程上运行的任意代码，无法保证对不支持事务的宿主 API 进行回滚，也无法为每个应用定义一种无损的网格／绑定／材质模型。宿主语义仍应由适配器和流水线 Skill 负责。

快速入门：操作 DCC

dcc-mcp-cli 是所有支持 Shell 的 Agent 首选的控制方式。

如果你有 Python 工具链，一条命令即可在 Linux、macOS 和 Windows 上安装：

uvx dcc-mcp-cli --version      # run it without installing

# or install it into a managed tool environment
uv tool install dcc-mcp-cli
pipx install dcc-mcp-cli

# or into the current environment
pip install dcc-mcp-cli

通过包管理器安装的版本由包管理器管理：请使用 uv tool upgrade dcc-mcp-cli（或 pip install --upgrade dcc-mcp-cli）进行升级，而不要使用 dcc-mcp-cli update apply，因为这些版本已禁用该命令。

否则，请先征得用户同意，安装下方公开的 dcc-mcp Skill，然后从 Skill 目录运行其中附带且已验证的辅助工具：

python scripts/check_cli.py --ensure-cli --pretty

如果没有 Skill，请将官方安装程序下载到本地文件，检查后再执行该文件：

# Linux/macOS
curl -fL https://raw.githubusercontent.com/dcc-mcp/dcc-mcp-core/main/scripts/install-cli.sh -o install-cli.sh
cat install-cli.sh
# After reviewing the file:
sh ./install-cli.sh

# Windows PowerShell
Invoke-WebRequest https://raw.githubusercontent.com/dcc-mcp/dcc-mcp-core/main/scripts/install-cli.ps1 -OutFile .\install-cli.ps1
Get-Content -Raw .\install-cli.ps1
# After reviewing the file and subject to the current execution policy:
& .\install-cli.ps1

这两种方式都只接受官方 dcc-mcp/dcc-mcp-core 发布版本，会验证平台更新清单和 CLI SHA-256，并在验证或下载失败时保留任何现有二进制文件。这是完整性检查，不是数字签名。切勿将远程安装程序直接通过管道传入 Shell，也不要绕过计算机的脚本执行策略。

安装所需的 Agent Skill

三个公开 Skill 各有不同用途。开始实时 DCC 工作时，先使用 dcc-mcp；只有在任务进入相应环节时，才安装创作者 Skill：

Agent 任务	公共 Skill	来源
操作正在运行的 DCC、发现工具或搜索 Marketplace	@loonghao/dcc-mcp	dcc-mcp
创建或现代化完整的 DCC-MCP 适配器／运行时	@loonghao/dcc-mcp-creator	dcc-mcp-creator
创建、验证或改进 DCC 专用 Skill 包	@loonghao/dcc-mcp-skills-creator	dcc-mcp-skills-creator

OpenClaw 默认安装到当前工作区；只有在所有本地 OpenClaw Agent 都应共用该 Skill 时，才添加 --global：

openclaw skills install @loonghao/dcc-mcp
openclaw skills install @loonghao/dcc-mcp-creator
openclaw skills install @loonghao/dcc-mcp-skills-creator

对于兼容 Codex 的项目，请安装到标准的项目 Skill 根目录：

npx --yes [email protected] install @loonghao/dcc-mcp
npx --yes [email protected] install @loonghao/dcc-mcp-creator
npx --yes [email protected] install @loonghao/dcc-mcp-skills-creator

其他 Agent Skills 宿主应将相同的 ClawHub 包安装到其配置的 Skill 根目录。安装后，请开始新一轮 Agent 对话。自然语言的 DCC 请求应触发 dcc-mcp；支持显式调用 Skill 的宿主可分别使用 $dcc-mcp、$dcc-mcp-creator 或 $dcc-mcp-skills-creator。

这三个包都包含 Codex agents/openai.yaml 元数据，同时保留各自的 DCC-MCP 和 ClawHub 契约。它们的源代码、供应商清单、不可变版本和发布工作流现已位于 dcc-mcp-agent-plugins。本仓库不会随附这些公共包。顶层 skills/ 目录包含由 Core 维护的 Marketplace 和参考 Skill。捆绑的运行时 Skill 仍位于 python/dcc_mcp_core/skills/。

通过发布清单保持官方构建为最新版本：

dcc-mcp-cli update check
dcc-mcp-cli update apply --yes  # after user confirmation

官方发布构建会在后台每 24 小时刷新一次缓存的更新状态，不会阻塞前台命令。可用更新会以结构化的 cli_update 数据呈现；Agent 必须先征求用户同意，才能运行报告中给出的应用命令。update apply --yes 会下载并暂存最新版 CLI，供下次启动时使用。它不会更新或重启正在运行的 dcc-mcp-server；请在其自身环境中更新该服务。

然后先发现一项实时能力，再调用它：

dcc-mcp-cli dcc-types
dcc-mcp-cli --output json dcc-types --dcc-type unreal
dcc-mcp-cli list
dcc-mcp-cli search --query "create sphere" --dcc-type maya --limit 20
dcc-mcp-cli describe <tool-slug>
dcc-mcp-cli call <tool-slug> --json '{"radius": 2.0}' \
  --meta-json '{"agent_context":{"session_id":"task-42"}}'

--query "create sphere" 与已发布的 CLI 构建兼容。包含统一搜索解析器的构建也接受不带引号的位置参数。

dcc-types 是基于目录的离线能力查询。它会报告规范的适配器标识符和安装计划可用性；实时实例的准确信息仍以 list 为准。指定 --dcc-type 的形式会输出带版本的决策结果，并将公共目录支持、包／引导程序状态、注册表注册、就绪状态、能力发现和真实主机验证区分开来。特别是，live_instances: 0 并不表示支持或已安装的应用数量为零；live_instances: null 表示无法获取本地注册表观测结果。

请将占位符替换为搜索返回的 slug。对于远程工作站，请注册网关配置并选择它：

dcc-mcp-cli gateway register https://workstation.example:19293 --name pcA
dcc-mcp-cli gateway set pcA
dcc-mcp-cli list

如果启动或就绪状态不明确，请使用 dcc-mcp-cli doctor。网关可用后，请在本地打开 Admin UI：http://127.0.0.1:9765/admin。

调用失败时，请保留其 request_id，运行 doctor 或按失败筛选的 stats 查询，并使用网关自带的 dcc-mcp-cli feedback。实时适配器的 dcc_feedback__report 只是转发到同一端点的轻量 Core 转发器。经网关路由的失败还会提供公共安全的 /v1/debug/issue-reports/<request_id> 载荷，以便编写经过审核的错误报告；绝不能自动上传原始数据包。 任务被接受后，Agent 可以通过 dcc-mcp-cli stats --range 24h --session-id task-42 查看范围受限的网关证据。调用次数为 0 表示没有遥测证据，直接进行的本地调用可能不会被记录。将结果以及简短的任务摘要和验证摘要提供给 review_skill_improvement prompt。该提示词默认不做更改，优先改进现有技能，且绝不会授予超出任务范围的编辑或发布权限。

快速开始：从 Python 暴露技能

pip install dcc-mcp-core

将服务指向技能目录并启动 MCP 端点：

import os

from dcc_mcp_core import McpHttpConfig, create_skill_server

os.environ["DCC_MCP_MAYA_SKILL_PATHS"] = "/path/to/skills"

server = create_skill_server("maya", McpHttpConfig())
handle = server.start()
print(handle.mcp_url())

本地 DCC 实例默认绑定由操作系统分配的端口。解析后的 URL 会自动注册，因此网关和 CLI 无需硬编码每个实例的端口即可发现该实例。仅在明确要求固定监听端口时才传入 port=<number>。

如需手动注册处理程序，请使用 McpHttpServer 和 ToolRegistry。如需管理适配器生命周期、就绪状态、网关注册和热重载，请按照适配器指南中的说明使用 DccServerBase。

不使用适配器代码启动服务

dcc-mcp-core 是一个控制台脚本，因此已解析的包（Rez、venv 或 pip）可以直接启动服务。Rez 的 package.py 会在 tools 中声明此脚本：

dcc-mcp-core info              # print the full launch contract
dcc-mcp-core serve --dcc maya  # Skills-First server on an OS-assigned port

serve 会输出解析后的 MCP URL；添加 --json 可输出单个可解析对象；还接受 --skill-path（可重复使用），用于指定 DCC_MCP_<DCC>_SKILL_PATHS 之外的技能目录。请参阅 Rez 技能包。

不依赖框架胶水代码添加技能

本项目遵循 agentskills.io frontmatter 契约。将 dcc-mcp-core 扩展放在 metadata.dcc-mcp 下，并将工具声明保存在同级文件中：

my-skill/
├── SKILL.md
├── tools.yaml
└── scripts/
    └── do_thing.py

# SKILL.md
---
name: my-skill
description: "Does a useful Maya task. Use when the user asks for it."
metadata:
  dcc-mcp:
    dcc: maya
    tools: tools.yaml
    search-hint: "geometry, scene task"
---

# tools.yaml
tools:
  - name: do_thing
    description: Do the task in the active Maya scene.
    source_file: scripts/do_thing.py
    execution: sync
    affinity: main
    annotations:
      read_only_hint: false
      destructive_hint: true

使用 CI 所用的同一生产环境验证器运行 dcc-mcp-cli lint path/to/skills。有关架构、分组、依赖项、测试和迁移规则，请参阅 技能。

DCC UI 控制

适用于原生 DCC API 无法直接观察或驱动界面状态的桌面应用自动化场景。Agent 使用 ui_control__snapshot、ui_control__find、ui_control__act、ui_control__wait_for、ui_control__recording_start、ui_control__recording_state、ui_control__recording_stop 和 ui_control__stop_computer_use 来观察、查找、操作和录制指定目标应用。

将 UI 控制用作范围受限的备用方案，而不是默认的 DCC 集成方式：

• 场景、资产、渲染和项目相关工作优先使用结构化适配器工具。
• 对于没有 API 的控件、适配器覆盖不完整的部分，以及端到端 GUI 验收测试，请使用 UI 控制。
• 不要将 Agent 任务中的每张图像都视为 UI 控制证据。DCC 原生截图、RenderDoc 导出内容、ImageGen 输出和视频帧的来源各不相同。

截图和点击的工作方式

ui_control__snapshot 仅捕获绑定的窗口。在最长边超过 1600 像素或图像超过 150 万像素之前，都会保留原生分辨率；超过后则会在保持宽高比的同时缩小尺寸。1280×720 的窗口会保持 1280×720；1920×1080 的窗口则会变为 1600×900。因此，当目标窗口较大且未被遮挡时，更容易识别较小的文字和自定义绘制的图标。

Agent 会收到三种互补信号：

1. 用于视觉识别和空间理解的 PNG 像素。
2. CUA 无障碍树，其中包含标签、角色和稳定的元素令牌（如果应用提供这些信息）。
3. 用于标识确切 PID、HWND、DPI、源矩形、桌面代次、会话和快照的观测元数据。

点击操作优先使用语义化的 control_id。对于自定义绘制的 UI，截图相对坐标会通过源矩形和 DPI 映射回原位置。每项操作都必须引用最新的 snapshot_id；主机会在发送输入前重新验证窗口、桌面、几何信息和代次，并拒绝过期的观测结果。

成功的快照会包含 capture_provenance，其中包括后端、会话、目标 PID/HWND、输出和源尺寸、缩放信息以及原生捕获后端。将截图用作证据时，请保留此区块。缺少来源信息的旧图像事后无法可靠地归属于 UI Control。

功能

• 限定范围的窗口定位 — 快照和操作绑定到单个进程或窗口句柄，绝不会绑定到整个桌面。
• 多实例会话 — 网关会选择 DCC instance_id，原生主机则会为每个适配器连接创建独立命名空间。因此，不同的 DCC 实例可以重复使用诸如 default 的逻辑 session_id，而不会共享功能或清理状态。
• 语义化无障碍功能 + 原始输入回退 — 优先使用通过 ui_control__find 定位的稳定语义控件（按钮、文本字段、复选框），然后在自定义绘制控件没有语义节点时，回退到截图相对坐标。
• 边界明确的安全模型 — 每项操作都受适配器/操作者绑定的 PID/HWND 限定。默认情况下，在该确切范围内启用原始输入；可通过 DCC_MCP_CUA_ALLOW_RAW_INPUT=false 将其禁用。明确禁止：密码、身份验证控件、LockApp、Windows Security、终端和凭据管理器窗口。
• 可见的控制标记 — 独立 CUA Host 负责目标边框、横幅、Agent 光标和 Esc 停止控件。
• 一个共享的输入安全控制器 — 多个精确应用会话可以保持活动状态。独立 Host 会串行处理原生输入并广播 Esc，而普通停止操作只会释放所选会话。
• 轨迹记录 — 在操作前后启动和停止 CUA 录制，以保留最终确定的 CUA 产物和结构化录制状态。
• 审计记录 — 每个快照、录制、操作、等待、停止和被拒绝的操作，都会将经过脱敏的 ui_control_operation 事件追加到共享日志目录；这些事件可在 Admin Logs 面板中查看，且不会暴露输入的文本或截图坐标。

工具参考

工具	描述
ui_control__snapshot	从限定的应用程序中截取有界 PNG 图像并获取无障碍树
ui_control__find	按查询、角色、标签或对象名称查找语义控件
ui_control__act	执行一次限定范围内的语义操作或基于坐标的操作
ui_control__recording_start	在绝对输出目录中开始录制 CUA 操作轨迹/视频
ui_control__recording_state	读取当前 CUA 录制状态
ui_control__recording_stop	完成 CUA 录制，以便后续渲染
ui_control__wait_for	轮询，直到 UI 条件满足或超时
ui_control__stop_computer_use	释放 capsule、热键和全局输入所有者

详细的技能参考和 Agent 工作流，请参阅 ui-control 技能。

架构

运行时包含四个实用层：

1. DCC 服务 — 拥有技能，并在单个 DCC 进程中执行工具。
2. Sidecar/监督程序 — 当适配器使用打包运行时时，负责连接主机 RPC、就绪状态、进程生命周期和网关注册。
3. 网关守护进程 — 汇总运行中的实例，并负责发现、路由、REST、Admin UI、审计和诊断。
4. 客户端界面 — CLI、MCP 客户端、REST 客户端和市场工具。

Rust 工作区和包成员定义在根目录的 Cargo.toml 中。Python 包是 PyO3 扩展，包含纯 Python 辅助程序，并支持 Python 3.7–3.14。源码构建要求来自 rust-toolchain.toml 和包元数据；本仓库不会在此 README 中重复列出版本或包数量。

文档索引

• 快速入门 — 安装包并启动第一个服务。
• MCP Registry 配置 — 查找版本、启动本地网关并验证标准 MCP 客户端。
• CLI 参考 — 完整的运维命令和标志。
• 网关指南 — 守护进程、注册表、路由、中继和多实例行为。
• REST API 接口 — 请求封装、tool_slug、就绪状态和错误约定。
• 技能指南 — 编写、加载、验证和持久化。
• 适配器接入指南 — 支持的适配器实现和发布流程。
• 文档索引 — 完整的指南/API 索引。
• AI Agent 指南 和 AGENTS.md — Agent 工作流和仓库规则。

开发

尽可能使用仓库指定的工具链：

vx just install
vx just dev
vx just test
vx just test-rust
vx just lint
vx just docs-check

docs-check 会构建 VitePress 站点，并检查文档链接和语法错误。Markdown lint 在文档 CI 工作流中运行。编码、测试和发布规则请参阅 CONTRIBUTING.md。

许可证

MIT — 详见 LICENSE。