mcpField
G
Goodeye

Goodeye

远程服务
goodeye.dev开发工具35 周前更新

关于 Goodeye

Goodeye 是用于管理 AI Agent 技能及其输出验证器的注册库,面向需要复用 AI 工作流的开发者。技能可同步到本地 Agent 目录,托管验证器则支持确定性检查或基于大模型的判断。

主要功能

  1. 01存储和管理私有技能版本
  2. 02将技能同步到本地 Agent 目录
  3. 03与用户和团队共享技能
  4. 04运行确定性和大模型验证器
  5. 05浏览和发布公开模板
  6. 06部署图像生成器

适用场景

  1. 01在多台设备间保持 Agent 技能一致
  2. 02与团队共享技能及其验证器
  3. 03按设定标准检查 Agent 输出
  4. 04运行公开工作流模板

MCP 相关

Goodeye 通过 mcp.goodeye.dev/mcp 上的 MCP 服务向 Agent 提供技能和验证器。此外还提供命令行工具和 REST API。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://mcp.goodeye.dev/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

全部服务地址
Streamable HTTPhttps://mcp.goodeye.dev/mcp需要授权

工具

详细介绍

goodeye

PyPI version Python versions License

Goodeye 是一个私有空间,用于存放 AI 遵循的技能,以及其工作必须通过的验证器。

goodeye 是 Goodeye 的命令行接口。相同的功能也可通过 MCP 服务和 REST API 提供给你的 Agent,因此无论 Agent 在哪里运行,都能使用。本 CLI 与公开的 /v1 REST API 通信。

工作原理

技能是 Agent 遵循的 Markdown 操作手册。验证器则是其输出必须通过的检查。Goodeye 将两者保存在由你拥有的同一个账户中,并由此带来以下三项优势。

默认私有。 除非你发布模板,否则任何内容都不会公开;发布模板是你有意采取的独立步骤。若要在不公开的情况下共享,可授予指定用户或团队访问权限,技能引用的验证器也会以相同版本一并共享。撤销权限的方式也相同。

始终同步。 goodeye skills sync 会将托管技能同步到工具已读取的目录中,因此 Claude Code、Codex、Cursor 以及任何从磁盘读取技能文件的工具,都会使用相同的最新版本。只需配置同步目标:之后便会自动同步,因此只需编辑一次技能,每台机器都会自动获取更新。

托管验证器。 验证器可以是确定性的(格式、架构、测试、数值范围),也可以是 LLM 评审器,用于判断测试无法评估的内容,例如语气或图像质量。部署一次语义验证器后,引用它的每项技能都会运行完全相同的版本,无论是在你的笔记本电脑、CI,还是你授予访问权限的用户所用的机器上。

完整介绍请见 https://goodeye.dev/docs/overview。

你的 AI Agent 是主要调用者

CLI 专为由 AI 编码 Agent 代你操作而设计,不过每条命令也都可以由你亲自运行。预期的工作流程是:你让 Agent 运行 Goodeye 技能,它会通过 goodeye skills get <name>(或 goodeye templates get @handle/slug)获取正文,并将这些说明作为操作手册执行,而不是打印或概述它们。get 命令会用面向 Agent 的标记包裹正文,让调用它的 Agent 知道应当执行这些内容。如果需要原始内容,请传入 --output PATH 或 --json。

安装

需要 Python 3.12 或更高版本。

uv tool install goodeye
# or: pipx install goodeye
# or: pip install goodeye

之后,goodeye 命令便会出现在你的 PATH 中。运行 goodeye update 可升级到最新版本,运行 goodeye update --check 可查看是否有可用更新。

快速入门

导入已有技能

磁盘上的技能文件是一个包含 SKILL.md 及可选同级文件的目录,正是 publish 所需的格式。只需一条命令即可导入。

goodeye login                                     # or: goodeye register (same browser sign-in)
goodeye skills publish ~/.claude/skills/my-skill  # also ~/.agents/skills, ~/.cursor/skills, or any path
goodeye skills list

导入后,它会成为私有托管技能。除非你发布模板,否则任何内容都不会公开;发布模板是一个独立步骤。

将技能同步到每台机器和每个 Agent

将 Goodeye 指向工具读取的目录,然后拉取:

goodeye skills sync target add --preset claude    # ~/.claude/skills
goodeye skills sync target add --preset agents    # ~/.agents/skills
goodeye skills sync target add --preset cursor    # ~/.cursor/skills
goodeye skills sync

在其他机器上运行相同的命令,它们便都会读取最新版本。配置同步目标后便会自动同步,因此无需再运行第二条命令,它们也会保持同步:同步只会拉取新增和更新的技能,不会覆盖本地修改;遇到冲突时会报告,而不会强行覆盖。运行 goodeye skills sync auto off 可关闭自动同步,关闭后会一直保持关闭状态。

你刚才发布的技能来自一个现在已设为同步目标的目录,因此其中已经有一份副本。Goodeye 并未创建这份副本,所以首次拉取时会将它报告为已修改并保留原样。托管版本才是你发布的版本,因此请运行一次 goodeye skills sync pull --force <slug> 以采用该版本;此后它就会像其他技能一样受到跟踪。

分享它
goodeye skills grant my-skill @teammate view
goodeye skills grants my-skill

现在,他们的 Agent 会运行你的技能,技能引用的任何语义验证器也会随授权一起传递,并保持相同版本。改进技能后,他们下次拉取时就能获得改进。

从头编写技能
goodeye design                         # prints the designer prompt; pipe it to your agent to draft a skill and its verifiers

# save the draft from your agent's output (stdin keeps a stray file out of the working directory):
goodeye skills publish - \
  --name my-skill \
  --description "One sentence on what this does and when to use it." <<'EOF'
# Body

The skill body your agent will execute.
EOF

goodeye skills get my-skill            # fetch it back for an agent to run
运行公共模板,无需账户

浏览、获取和运行公共模板都无需登录。

goodeye templates list
goodeye templates get @goodeye/high-signal-chart-workflow

templates get 会打印模板正文(即技能),然后由你的 Agent 按照它执行:找到数据集、生成图表,并运行模板固定的验证器,不断修改,直到图表通过验证。运行该验证器是你的 Agent 需要执行的步骤,会消耗一小笔每个网络的信用额度:

# what your agent runs against the finished chart:
goodeye verifiers run 89dcc843-d056-44d9-ae34-ebcff4903885 \
  --version 1 --media-url '<public-https-chart-url>' --anonymous

使用 goodeye templates fork @goodeye/high-signal-chart-workflow,将它分叉为你自己的技能。这里这一步需要账户,因为分叉后的技能会进入你自己的注册表。要发布自己的模板,请先使用 goodeye me claim-handle your-handle 认领一个句柄,然后运行 goodeye templates publish my-skill。

CLI 可以做什么

以下命令类别涵盖了全部功能。运行 goodeye --help 或 goodeye <area> --help 查看准确的命令和标志,并访问 https://goodeye.dev/docs/cli 查看完整参考。

类别功能文档
skills查找、保存、管理版本、运行、分享和改进你的私有技能,包括教学、优化、审计和本地文件同步https://goodeye.dev/docs/skills
templates浏览公共目录、将技能发布为模板,以及分叉模板并进行自定义https://goodeye.dev/docs/templates
verifiers部署并运行技能调用的 LLM 裁判检查,以评估 Agent 输出https://goodeye.dev/docs/verifiers
image-generators部署可复用的图像生成器,并生成技能可以调用的图像https://goodeye.dev/docs/image-generators
images上传和管理具有稳定 URL 的托管图像https://goodeye.dev/docs/images
teams创建团队并管理成员资格,以便与群组分享技能https://goodeye.dev/docs/teams
referrals查看你的推荐码并兑换他人的推荐码https://goodeye.dev/docs/referrals
invitations接受、拒绝或取消团队邀请和所有权转移邀请https://goodeye.dev/docs/cli
billing升级到 Pro 或取消 Pro(plan upgrade / plan cancel)、打开账单门户、购买一次性信用额度补充,或管理自动补充(auto-topup show / set / off)https://goodeye.dev/docs/cli
auth、me、usage管理 API 密钥、认领你的句柄并查看信用额度使用情况https://goodeye.dev/docs/cli
design为你的 Agent 输出技能设计器提示词https://goodeye.dev/docs/cli

会话命令位于顶层:login、register、logout、whoami 和 update。

身份验证和配置

使用 goodeye login 或 goodeye register 交互式登录。两者都会打开浏览器设备码流程,并在成功后保存你的凭据。对于没有浏览器的 Agent 和自动化流程,请使用电子邮件验证码流程:

goodeye register --email [email protected]
goodeye register-verify --email [email protected] --code 123456
# existing account: goodeye login, then goodeye login-verify

goodeye whoami 会显示你的身份,goodeye logout 会移除本地凭据。Agent 和脚本也可以改用 API 密钥进行身份验证:使用 goodeye auth create-key --name my-agent 创建密钥,并将其作为 GOODEYE_API_KEY 环境变量传入。

CLI 会优先从 GOODEYE_API_KEY 读取凭据,其次读取 ~/.config/goodeye/credentials.json(文件权限为 0600)。默认目标为 https://api.goodeye.dev;使用 GOODEYE_SERVER 可覆盖此设置。完整的身份验证详情见 https://goodeye.dev/docs/cli。

CLI、MCP 还是 REST

CLI 是公共 /v1 REST API 的便捷封装。若需稳定的编程接口,请直接调用该 REST API(https://goodeye.dev/docs/rest-api)。若要通过 MCP 客户端驱动 Goodeye,请连接到 mcp.goodeye.dev/mcp(https://goodeye.dev/docs/mcp)。无论通过哪种方式,你的技能及其验证器都会传递给你的 Agent。

文档

参与贡献

有关本地开发环境设置和拉取请求流程,请参阅 CONTRIBUTING.md。欢迎提交问题和拉取请求。

许可证

MIT。请参阅 LICENSE。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。