关于 skillproof
skillproof 是用于查找和检查 Claude Code 技能的 MCP 服务,帮助用户在安装前了解测试结果。它将技能在真实任务中的表现与不使用技能的基线比较,也会报告未通过的情况。
主要功能
- 01按测试结论排序搜索技能
- 02按名称或仓库检查技能
- 03真实任务与基线对比
- 04提供设置要求和测试说明
- 05每 15 分钟缓存实时目录
适用场景
- 01查找适用于某项任务的已测技能
- 02安装前评估他人推荐的技能
- 03查看技能测试未通过的原因
MCP 相关
向 MCP 客户端提供 `find_skill` 和 `check_skill` 工具,返回技能匹配结果,或包含评分和测试说明的结论。
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
工具
2收录的工具列表 · 更新于 3 周前
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| limit | number | 否 | 结果数量上限(默认值为 5) |
| query | string | 是 | 要执行的工作,例如“将 markdown 转换为 Confluence”或“spark 调优” |
| category | enum | 否 | 可选筛选条件documents | coding | design | marketing | sales | data | productivity | writing | seo | crypto | testing | efficiency |
| include_failures | boolean | 否 | 包含未通过测试的技能(默认 true——了解哪些技能不该安装正是重点) |
详细介绍
SkillProof MCP
在安装之前,先确认 Claude Code 技能是否真的有效。
GitHub 上有数以万计的 SKILL.md 文件。几乎没有人测试过这些文件,除了它们的作者。
SkillProof 会从代码库安装技能、触发技能,并让它们针对真实任务运行,再与不使用技能的基线进行对比。这个 MCP 服务会将这些评估结果交到你的 Agent 手中。
> is there a tested skill for converting markdown to Confluence?
## Confluence — DIDN'T PASS — scored below the no-skill baseline
What our test found: Ran the bundled convert_markdown_to_wiki.py on a real sample doc: it silently
turns **bold** text into wiki _italic_ (a genuine regex bug), and leaves standard GitHub-style tables
completely unconverted, despite SKILL.md listing "tables" among the elements it handles.
这正是它的意义所在。只列出优胜者的目录毫无用处。
工具
| 工具 | 解答的问题 |
|---|---|
find_skill | “有没有经过测试、适用于 X 的技能?”——按排名列出匹配项,并提供评估结果、分数、测试说明和安装命令 |
check_skill | “有人推荐了 X——它到底好不好?”——按技能名称、slug 或代码库查询某个技能的评估结果 |
每条答案都会给出以下三种评估结果之一:
- pass — 已安装并触发,且在真实任务中胜过了不使用技能的基线。
- setup — 可以运行,但需要先手动执行一个步骤(说明中会指出具体步骤)。
- didn't pass — 得分低于不使用技能的基线:要么无法运行,要么安装后效果还不如不安装。
如果你的工作没有经过测试的技能,服务会如实说明,而不是猜测。“未经测试”也是一个真实答案。
安装
Claude Code:
claude mcp add skillproof -- npx -y skillproof-mcp
或者手动将其添加到 MCP 配置中:
{
"mcpServers": {
"skillproof": {
"command": "npx",
"args": ["-y", "skillproof-mcp"]
}
}
}
适用于任何 MCP 客户端(Claude Code、Claude Desktop、Cursor、Windsurf、Zed)。需要 Node 18+。无需 API 密钥或账户。
数据来源
服务会读取实时目录 skillproof.dev/api/skills.json,并缓存 15 分钟。服务不会内置任何数据,因此评估结果永远不会过时。评分标准——安装 /5、触发 /5、输出与基线对比 /10、文档 /5——已发布于
skillproof.dev/methodology。
目录数据采用 CC BY 4.0 许可:可自由使用,但请注明来源 skillproof.dev。
许可证
MIT
评论
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。