Agent Radar

Agent Radar

凭证据选择 AI 工具，而非轻信炒作。

Agent Radar 是一个结构化的评级与推荐知识库，涵盖 AI Agent、技能、MCP 服务、CLI、框架和提示词/规则。它帮助开发者和编码 Agent 回答一个实际问题：哪种工具适合这项任务？在信任它之前，我应该了解什么？

Agent Radar 不再发布另一个链接目录，而是将零散的生态信息转化为工具卡片、可解释的评级、面向任务的推荐、风险信号，以及 Agent 可读的数据。

为什么选择 Agent Radar

AI 工具生态的发展速度，远超任何单个开发者的评估能力。名称和类别相互重叠，文档质量参差不齐，而人气往往无法说明工具是否适合任务、集成成本、维护情况、权限或可信度。

Agent Radar 增添了一层决策能力：

• 关注任务适配度，而非人气。 推荐以待完成的工作为出发点，而非全局排行榜。
• 重视证据，而非营销。 来源、更新时间、出处和置信度始终清晰可见。
• 提供解释，而非不透明的排名。 评级和推荐会展示原因、权衡因素和不适用的情况。
• 执行前先考虑安全。 权限、可信度、数据流和对生产环境的影响等风险，可以收紧或阻止推荐。
• 为人类和 Agent 打造。 同一份经过审核的知识可通过 Web UI、静态数据、HTTP 端点和 MCP 获取。

你将获得什么

结构化工具知识

工具卡片以统一格式描述不同类型工具的功能、适用任务、限制、集成方式、维护情况、权限、已知风险、来源和置信度。

可解释的评级

评级综合考虑任务适配度、维护情况、文档、集成成本、安全风险和证据质量。评分绝不会取代底层证据或风险背景。

面向任务的推荐

描述开发任务、环境、偏好的工具类型、允许的权限和风险容忍度。Agent Radar 会返回候选工具及其适配理由、风险、替代方案和保守的后续操作建议。

操作	含义
use	可在所述边界内将合适的选项纳入计划
compare	多个选项值得进行权衡评估
ask_human	权限、账户、生产环境或不确定性方面的边界需要确认
avoid	该选项或操作超出了可接受的安全或质量边界
no_reliable_match	目录中的信息不足以支持可信的推荐

Agent 可读的决策上下文

JSON、JSONL、HTTP 和 MCP 接口可让编码 Agent 搜索目录、查看工具卡片、请求推荐并解释评级，而无需抓取仅供人类阅读的页面。

工作原理

reviewed public sources
  -> normalized Tool Cards and provenance
  -> explainable ratings and risk signals
  -> task-oriented retrieval and recommendation
  -> deterministic safety enforcement
  -> provider-backed evaluation and release gates
  -> Web, JSON/JSONL, HTTP API, and MCP

采集流程由来源注册表管理。候选项必须通过规范化、验证、审核、收录和晋级关卡，才能进入可靠的推荐数据。动态推荐使用大模型解读任务并筛选候选项；本地确定性逻辑则负责验证已知工具并执行安全边界。

v0.7 数据流还会发现 GitHub 主题 agent-skills 下当前排名前两位的公开仓库，并将符合条件的 skills/**/SKILL.md 清单展开为每个技能一张工具卡片。仓库排名是发现依据，而非质量依据。每次构建只保留成功获取的技能清单；原始技能文本仅保留在采集证据中，绝不会发送给推荐服务商。

适用对象

• AI 优先的开发者：针对具体任务，在 Agent、Skills、MCP 服务、命令行工具和框架中做出选择。
• 编码 Agent 用户：希望工具选择结果包含理由、权限、风险和可追溯的证据。
• AI 平台团队：为开发者构建可信、可复用的目录和决策层。
• 工具维护者：希望准确呈现工具的能力、局限和来源。

信任与安全

Agent Radar 旨在支持更安全的选择，而非授权执行。

• 来源和字段级证据始终可追溯。
• 未知、过时或相互矛盾的证据会降低置信度。
• 权限和数据流会与推荐价值一并展示。
• 即使工具与任务高度匹配，高风险操作仍可要求人工确认。
• 对未知来源代码的执行会采取保守处理，且提供方输出无法提升其评级。
• 关键安全用例未通过、缺失或未执行时，会阻止已审核版本发布。

Agent Radar 不会自动安装、授权或运行第三方工具。它不能替代安全扫描器、依赖项审计、组织政策，也不能替代对会影响生产环境的操作进行人工审查。

Agent Radar 的使用方式

Web 界面

通过 Tools 和 Evaluation 工作区浏览并筛选已审核的目录、描述任务、查看推荐、打开详细的 Tool Card，并审查评估证据。

静态数据

已审核的捆绑包以 JSON 或 JSONL 文件的形式提供带版本的 Tool Card、Rating Result、搜索索引、Golden Query、评估摘要、清单、来源信息和质量证据。

HTTP API

Worker 提供以下只读端点：

• /api/search_tools
• /api/get_tool_card
• /api/recommend_tools
• /api/explain_rating
• /api/version

可安装的 Agent Skill

使用开放的 Agent Skills CLI 安装由仓库维护的 agent-radar Skill：

npx skills add zation/agent-radar --skill agent-radar

对于 Codex，你也可以让 $skill-installer 直接从以下位置安装该 Skill：

https://github.com/zation/agent-radar/tree/main/skills/agent-radar

该 Skill 采用本地优先模式。运行其专用的 sync 命令，将最新兼容的已审核 Tool Card、Rating 和搜索索引下载到带版本的缓存中。客户端会在原子切换当前活动的本地版本前，验证 v1 通道、发布清单、文件大小、SHA-256 校验和以及记录架构。之后，搜索、Tool Card 检查、评级说明和推荐上下文构建都可在不使用 MCP、无需提供方密钥且不传输任务的情况下运行。更新失败时，最后一个已验证的版本仍保持活动状态。调用该 Skill 时，它会声明正在使用 Agent Radar；每个成功的客户端结果都带有 source: "agent-radar-skill"，每个由 Agent Radar 支持的回答都以已验证的版本 ID 和数据版本结尾。结构化结果中也会保留提交 SHA，供审计使用。

MCP

/api/mcp 提供基于官方 TypeScript SDK v2 beta 构建的无状态 Streamable HTTP MCP 接口。它公开 search_tools、get_tool_card、recommend_tools 和 explain_rating；这四个工具不会执行工具或进行安装，只提供只读操作。/api/mcp_manifest 公开相同的共享合约，便于使用更简单的 HTTP 集成。

recommend_tools 将常规查询和可选模型作为工具输入。每个请求的提供方凭据仅通过可选的秘密请求头 X-Agent-Radar-LLM-API-Key 发送；它不会出现在工具架构或响应中。如果缺少该请求头，Worker 可以使用已配置的服务端备用凭据。

仅限远程访问的 Agent Radar MCP 服务已发布到官方 Registry，名称为 io.github.zation/agent-radar，由生产环境 Streamable HTTP 端点和基于证据的 GitHub OIDC 发布流程提供支持。你可以通过以下任一页面连接并使用它：

生产环境完成发布前，必须先确保发布身份一致，再进行功能冒烟测试：通过有界轮询，确认 /api/version 返回的不可变标签和提交 SHA 完全一致，然后确认 MCP 的 initialize.serverInfo.version 与该标签派生出的 SemVer 一致。Registry 发布前也会再次运行同一检查，因此先前的边缘版本无法冒充新版本。

• Smithery：zation/agent-radar
• 官方 MCP Registry：io.github.zation/agent-radar

文档

• 产品简介
• 用户工作流
• 系统架构
• 数据模型
• 评分规则
• 推荐引擎
• 评估计划
• 安全与信任
• 部署与运维
• Web UI
• 交付工作

开发与贡献

本地设置、开发命令、数据生成、评估、测试和故障排除，请参阅开发指南。

编码 Agent 和贡献者在修改项目之前，也必须阅读 AGENTS.md。该文档定义了文档的权威性、必需的验证、安全的自动化操作，以及需要人工确认的更改。