mcpField

Skills

收录 96,981 个为 Agent 打包的专项能力与操作指引,复制一行命令即可安装。

数据与数据库

S
scraping-youtube-trending-videos
scraping-youtube-trending-videos
apidojo-io / apidojo-skills

使用 apidojo 在 Apify 上的 YouTube Trending Scraper,按分类和国家提取 YouTube 热门视频。当用户提出以下需求时触发:获取热门 YouTube 视频、抓取今天 YouTube 上的热门内容、获取某个国家的 YouTube 热门视频、获取 YouTube 上热门的游戏或音乐视频、导出 YouTube 热门页面数据、查找当前走红的 YouTube 视频,或按分类收集热门 YouTube 内容。每个视频返回标题、URL、观看次数、点赞数、频道信息、描述和缩略图。适合内容研究员、趋势分析师和 YouTube 营销人员。

数据与数据库755
A
azure-kusto-irql-graph
azure-kusto-irql-graph
microsoft / azure-skills

将 IRQL 图函数应用于 KQL 或 IRQL 查询结果,以便在 Kusto Explorer 中可视化。生成 Lift_To_Graph 映射,并组合 Graph_Render_View、Graph_Fold_By_Property、Extract_Node_*、Enrich_Node_* 和 Enrich_Graph_* 调用。接受提供的查询或有限的基本自然语言源请求;它不是通用的自然语言转 KQL/IRQL 技能。适用场景:Lift_To_Graph、Graph_Render_View、Graph_Fold_By_Property、IRQL 图增强、为现有查询结果做图映射、带图标装饰的图、折叠图节点。若需要原生的 make-graph 分析、graph-match、最短路径、组件或持久化图,请使用 azure-kusto-graph。

数据与数据库754
H
harper-best-practices
harper-best-practices
harperfast / skills

构建 Harper 应用的最佳实践,涵盖 schema 定义、

开发754
F
finding-youtube-channels-by-growth-rate
finding-youtube-channels-by-growth-rate
apidojo-io / apidojo-skills

使用 apidojo 的 YouTube 抓取器,查找某个细分领域中增长率很高的 YouTube 频道。当用户要求:在某细分领域中寻找快速增长的 YouTube 频道、发现增长势头强劲的 YouTube 频道、识别正在快速获取订阅者的 YouTube 创作者、在频道走红之前发现上升期的新秀、发现某行业中 YouTube 频道的增长趋势、在频道仍在成长阶段时寻找适合早期合作的对象,或研究某个主题领域中哪些 YouTube 频道正在获得关注。返回频道名称、订阅数、增长信号、播放量势头、更新频率和增长等级。适合品牌合作经理、人才搜寻人员和早期赞助团队。

营销与增长753
M
measure-experiment-results
measure-experiment-results
product-on-purpose / pm-skills

记录已完成实验或 A/B 测试的结果,包括统计分析、经验教训和建议。在实验结束后使用,用于沟通发现、支持决策并积累组织知识。

数据与数据库753
B
browser-automation
browser-automation
davila7 / claude-code-templates

浏览器自动化为 Web 测试、数据抓取和 AI Agent 交互提供支撑。不稳定的脚本与可靠系统之间的差别,取决于对选择器、等待策略和反检测模式的理解。本技能涵盖 Playwright(推荐)和 Puppeteer,提供用于测试、抓取和 Agent 式浏览器控制的模式。核心要点:Playwright 赢得了框架之争。除非你需要 Puppeteer 的隐身生态或只支持 Chrome,否则 2020 年 Playwright 是更好的选择

测试与质量751
B
bulk-classify

无需阅读即可将大量文本分到你自己的类别,使用无密钥的 HTTP API,并为每个答案返回校准后的置信度。适用于对数量超出可放入上下文的条目进行分诊、筛选、路由或分桶 — 例如阅读前的搜索结果、日志行、工单、文件、差异、历史对话。当用户说「筛选这些」「哪些相关」「分诊」「分桶」「路由」「分类」,或任何本会读取 N 条只保留少数的循环时触发。

数据与数据库751
S
scraping-youtube-channel-data
scraping-youtube-channel-data
apidojo-io / apidojo-skills

使用 apidojo 在 Apify 上的 YouTube 抓取工具,抓取任意频道列表的 YouTube 频道统计数据和视频目录。当用户要求:获取 YouTube 频道数据、查询 YouTube 频道的订阅数和视频数、批量抓取频道元数据、按 URL 或账号名导出 YouTube 频道信息、获取某个 YouTube 频道的全部视频,或检查一组创作者的频道增长数据时触发。返回频道名称、订阅总数、总播放量、视频数和近期视频数据。适合竞品分析、创作者研究和受众基准对比。

数据与数据库751
V
vector-search
vector-search
ruvnet / ruflo

通过 embeddings_*(大规模 HNSW)和 ruvllm_hnsw_*(用于 ≤11 个热点模式的 WASM 路由器)实现向量搜索,并采用 RaBitQ 1 位量化使内存占用减少 32 倍

数据与数据库751
M
market-data
market-data
joellewis / finance_skills

设计和管理市场数据基础设施——实时与延迟行情、Level 1/2/3 深度、合并行情带(consolidated tape)与直连行情、供应商选型、授权许可和分发架构。适用于在实时与延迟数据之间做选择、评估 Bloomberg 或 Refinitiv 等市场数据供应商、设计 ticker plant 或扇出架构、管理交易所数据授权与使用权限、诊断行情陈旧或缺失 tick、在 SIP 与交易所直连行情之间做决策,或评估交易所需的 Level 2/3 盘口深度要求。触发词:市场数据、Level 1/2/3、盘口深度、合并行情带、SIP、直连行情、NBBO、ticker plant、B-PIPE、数据授权、非展示用途、市场数据使用权限、行情合并(conflation)、tick 数据、实时行情。

数据与数据库750
M
memory-search
memory-search
ruvnet / ruflo

SOTA 语义搜索——混合检索(稀疏+稠密)、Graph RAG 多跳、MMR 多样性重排、时效性加权

数据与数据库750
M
mpstats
mpstats
mpstats-io / claude-code-skills

MPSTATS 电商数据分析 API。适用于处理 MPSTATS API、Wildberries 分析、Ozon 分析、Yandex Market 分析、电商平台数据、选品研究、销售分析、竞品分析、利基市场研究、SKU 分析、卖家分析、品牌分析。

数据与数据库750
R
replica-architect
replica-architect
jakeschincariol / replica-skill

根据 replica-recon 编写的侦察地图,为应用克隆版规划技术栈、数据库架构和 API。选择成熟、托管的技术,将推断出的数据模型转化为带索引和访问规则的实际 SQL,按流程列出所有路由,并安排先构建精简的纵向切片。用户说“规划克隆版”“我该用什么技术栈”“设计数据库”“编写架构”“规划 API”“我的 X 版本的架构”,或 /replica-recon 完成后使用。

开发750
N
neural-train
neural-train
ruvnet / ruflo

从成功的任务完成记录中训练 SONA + MicroLoRA 神经模式;运行 4 步管线中的 DISTILL + CONSOLIDATE 阶段

Agent 工作流748
M
mlb-data
mlb-data
machina-sports / sports-skills

通过 ESPN 公共端点和官方 MLB Stats API 获取 MLB 数据——比分、排名、阵容、赛程、比赛摘要、伤病、领先榜和新闻,外加分析后端:投球级别的球速/旋转/击球初速、按统计项目划分的生涯分段数据、联盟领先榜,以及可追溯至 1901 年的赛程。零配置,无需 API 密钥。适用于:用户询问 MLB 比分、排名、球队阵容、赛程、比赛数据、技术统计表、逐回合记录、伤病、球员交易、球队深度图、球队/球员统计、MLB 新闻、投球速度/旋转/击球初速、生涯统计、联盟领先榜或历史 MLB 赛季时。不适用于:用户询问小联盟棒球、大学棒球或国际棒球时。其他运动请使用:nfl-data (NFL)、nba-data (NBA)、wnba-data (WNBA)、nhl-data (NHL)、football-data (soccer)、tennis-data (tennis)、golf-data (golf)、cricket-data (cricket)、cfb-data (college football)、cbb-data (college basketball)、fastf1 (F1)。博彩赔率请使用 polymarket 或 kalshi。新闻请使用 sports-news。

数据与数据库746
A
agentdb-query
agentdb-query
ruvnet / ruflo

通过控制器桥接查询 AgentDB——语义路由、分层召回、因果图、上下文合成、模式存储与搜索

Agent 工作流745
M
memory-bridge
memory-bridge
ruvnet / ruflo

将 Claude Code 自动记忆接入 AgentDB,使用 ONNX 嵌入、去重,并实现跨项目的统一搜索

Agent 工作流744
R
replica-backend
replica-backend
jakeschincariol / replica-skill

构建应用克隆的后端:身份验证、数据库迁移和访问规则、Stripe 支付、电子邮件、后台任务,以及仅通过官方 API 实现的第三方集成,并提供安全检查清单。当用户说“添加登录”“设置身份验证”“连接数据库”“添加支付”“连接 Stripe”“添加 Google Calendar”“发送邮件”“为我的克隆应用构建后端”,或 /replica-build 正在使用假数据运行时使用。

开发744
S
scraping-urban-dictionary-definitions
scraping-urban-dictionary-definitions
apidojo-io / apidojo-skills

使用 apidojo 在 Apify 上的 Urban Dictionary Scraper,从 Urban Dictionary 提取释义、例句和社区投票。当用户要求:获取某个词或短语的 Urban Dictionary 释义、在 Urban Dictionary 上查询俚语、爬取网络俚语或网络迷因(meme)的释义、按关键词导出 Urban Dictionary 条目、了解某个词在网络社区中的定义、收集多个词的众包释义,或分析俚语的使用与投票模式时触发。返回词条、释义、例句、作者、赞同票、反对票和时间戳。非常适合语言学家、品牌研究员、内容团队和文化趋势分析师。

数据与数据库744
H
huashu-data-pro
huashu-data-pro
alchaincyf / huashu-skills

数据分析与办公提效全能助手。覆盖数据处理、分析洞察、报告撰写、PPT制作、数据可视化的端到端工作流。 始终从专家视角出发,帮用户多想一步。遇到不确定的问题主动与用户确认。 支持:Excel数据分析、投放数据复盘、ROI测算、数据可视化、报告生成、PPT制作、公式生成。 当用户提到"分析数据"、"做报告"、"做PPT"、"Excel"、"投放分析"、"ROI"、"复盘"、 "周报"、"月报"、"数据处理"、"图表"、"可视化"、"汇报"、"表格"、"公式"时使用此技能。

数据与数据库742
R
rvf-manage
rvf-manage
ruvnet / ruflo

管理 RVF(Ruflo Vector Format)文件,实现可移植的 Agent 记忆和跨平台传输

Agent 工作流740
S
spatial
spatial
duckdb / duckdb-skills

使用 DuckDB 回答关于空间数据的问题。当用户提到位置、坐标、经纬度、距离、地图、地址、"near"(附近)、"within"(范围内)、"closest"(最近)、地理名称,或空间文件格式(GeoJSON、Shapefile、GeoPackage、GPX、GeoParquet)时使用。当用户想查找地点、建筑或道路时也会触发——Overture Maps 在 S3 上提供免费的全球数据,无需任何 API 密钥。支持地理数据的空间连接、距离计算、包含判定、密度分析和格式转换。

数据与数据库739
B
byted-data-search

行业数据查询与分析工具。接入多种合规公开数据源,支持精确匹配、模糊搜索、聚合统计、分组排序等查询方式。当前已覆盖工商企业基本信息、产业链节点区域指标、产业链企业信息、A 股相关信息以及其他等大部分场景。完整的可用数据源清单及其字段结构需通过 describe_datasource 接口动态获取。 当用户提出任何涉及企业、公司、行业或产业链的数据查询意图时,都应触发此 Skill。典型场景包括但不限于: - 查询某家公司的工商注册信息(名称、法人、注册资本、成立日期、经营范围、股东、融资历史等) - 查询 A 股上市公司基本面、证券信息、F10 数据、IPO 信息、分红派息、高管信息 - 查询某条产业链的结构,包括节点企业、区域分布、各类标签企业统计(龙头、高新、专精特新、独角兽、小巨人等) - 查询产业链区域指标(营收、资产、利润率、ROE、知识产权、招投标数据等) - 按地域、行业、企业标签等维度做聚合统计或分组分析 - 用户提到“查一下某某公司”“帮我看看这家企业”“xx 产业有哪些龙头”等任何公开数据查询意图 即使无法确定所需数据是否已覆盖,也应先调用数据源列表接口探查,不可直接拒绝或猜测。数据来自合规公开渠道,结果仅供参考,不构成决策依据。

数据与数据库738
S
sap-hana-cli
sap-hana-cli
secondsky / sap-skills

协助使用 SAP HANA Developer CLI(hana-cli)进行数据库开发与管理。适用于:安装 hana-cli、连接 SAP HANA 数据库、检查数据库对象(表、视图、存储过程、函数)、管理 HDI 容器、执行 SQL 查询、将元数据转换为 CDS/EDMX/OpenAPI 格式、管理 SAP HANA Cloud 实例、使用 BTP CLI 集成,或排查 hana-cli 命令问题。涵盖:91 个命令、17 种以上输出格式、HDI 容器管理、云操作。

数据与数据库738
A
adr-index
adr-index
ruvnet / ruflo

通过运行 scripts/import.mjs 构建或重建 ADR 索引和依赖图(支持 v3 风格和插件风格的 ADR 格式;一次 Bash 调用即可替代数百次 MCP 往返)

开发737
S
sql-database-assistant
sql-database-assistant
alirezarezvani / claude-skills

当用户要求编写 SQL 查询、优化数据库性能、生成迁移、探索数据库模式,或使用 Prisma、Drizzle、TypeORM、SQLAlchemy 等 ORM 时使用。

数据与数据库737
M
market-pattern
market-pattern
ruvnet / ruflo

从已摄取的 OHLCV 数据中检测并分类蜡烛图形态

数据与数据库736
N
neo4j-nvl-skill
neo4j-nvl-skill
neo4j-contrib / neo4j-skills

Neo4j Visualization Library (NVL) —— 不依赖框架的浏览器图渲染库。

开发736
T
trader-train
trader-train
ruvnet / ruflo

使用 npx neural-trader 在市场数据上训练神经网络模型(LSTM、Transformer、N-BEATS),并输出置信区间

数据与数据库736
L
llm
llm
mindrally / skills

大语言模型开发、训练、微调与部署的最佳实践。

开发733
O
observe-metrics
observe-metrics
ruvnet / ruflo

聚合并展示某时间段内的系统指标,并进行异常检测。

Agent 工作流733
H
historical-risk
historical-risk
joellewis / finance_skills

使用波动率估计量、回撤分析和下行风险指标,依据历史数据量化已实现风险。当用户询问历史波动率、最大回撤、回撤持续时间、历史 VaR、下行偏差、半方差或跟踪误差时使用。当用户提到「这到底有多冒险」「最严重的下跌」「Parkinson 估计量」「Yang-Zhang」「峰谷损失」「恢复时间」「年化波动率」,或询问如何衡量过去的投资风险时也应触发。

数据与数据库732
S
sap-sqlscript
sap-sqlscript
secondsky / sap-skills

当用户要求“编写 SQLScript 过程”、“创建 HANA 存储过程”、“实现 AMDP 方法”、“优化 SQLScript 性能”、“处理 SQLScript 异常”、“调试 HANA 过程”、“创建表函数”、“使用 Microsoft Edge CDP 检查基于浏览器的 Datasphere SQL 编辑器”,或提到 SQLScript、SAP HANA 过程、AMDP、EXIT HANDLER、code-to-data 范式时,应使用此技能。为 SAP HANA 数据库编程提供全面的 SQLScript 开发指导,包括语法模式、内置函数、异常处理、性能优化、游标管理以及 ABAP Managed Database Procedure(AMDP)集成。

数据与数据库732
T
trader-regime
trader-regime
ruvnet / ruflo

使用 npx neural-trader 判断当前市场状态——牛/熊/震荡/高波动的分类,并给出建议策略。当用户询问市场环境、想为当前环境挑选策略,或在运行需要考虑市场状态的回测/信号之前使用。

数据与数据库731
T
trader-risk
trader-risk
ruvnet / ruflo

使用 npx neural-trader 评估投资组合风险——VaR、CVaR、夏普比率、仓位规模、熔断状态

数据与数据库731
V
vector-embed
vector-embed
ruvnet / ruflo

通过 npx [email protected] embed text 生成嵌入向量(ONNX all-MiniLM-L6-v2,384 维),归一化后存入 HNSW 索引

数据与数据库731
I
iot-anomalies
iot-anomalies
ruvnet / ruflo

检测并分类 Cognitum Seed 设备上的遥测异常。适用于调查指标异常的设备、批准固件金丝雀推进之前,或对整个设备群的健康告警进行分诊时。

数据与数据库730
K
kg-extract
kg-extract
ruvnet / ruflo

从源文件中抽取实体和关系,构建知识图谱

开发730
R
revenue-operations
revenue-operations
alirezarezvani / claude-skills

分析销售管道健康度、收入预测准确性和上市效率指标,以优化 SaaS 收入。适用于分析销售管道覆盖率、预测收入、评估上市表现、审查销售指标、评估管道分析、使用 MAPE 跟踪预测准确度、计算 GTM 效率,或衡量 SaaS 团队的销售效率与单位经济性。

营销与增长730
C
cost-report
cost-report
ruvnet / ruflo

生成成本报告,按 Agent 和模型展示 token 用量与美元成本

Agent 工作流729
M
migrate-create
migrate-create
ruvnet / ruflo

创建带顺序编号的新数据库迁移,并包含 up/down SQL 文件

数据与数据库729
A
agent-memory-systems
agent-memory-systems
davila7 / claude-code-templates

记忆是智能 Agent 的基石。没有记忆,每次交互都要从零开始。本技能涵盖 Agent 记忆的架构:短期记忆(上下文窗口)、长期记忆(向量存储),以及组织二者的认知架构。关键洞察:记忆不只是存储——更是检索。存储一百万条事实也毫无意义,如果找不到正确的那一条。分块、嵌入和检索策略决定你的 Agent 是记住还是遗忘。该领域尚处

Agent 工作流728
M
migrate-validate
migrate-validate
ruvnet / ruflo

从外键一致性、回滚安全性和最佳实践角度校验待执行的迁移

测试与质量728
V
vector-cluster
vector-cluster
ruvnet / ruflo

通过 npx [email protected] hooks graph-cluster(spectral / Louvain)利用图社区检测对代码聚类

数据与数据库728
K
kg-traverse
kg-traverse
ruvnet / ruflo

以种子实体为起点对知识图谱进行寻路遍历

数据与数据库727
W
walk-forward-validation
walk-forward-validation
agiprolabs / claude-trading-skills

用于交易策略和 ML 模型的前向滚动验证框架,具备时间序列感知切分、过拟合检测和状态识别验证

数据与数据库726
C
customer-success-manager
customer-success-manager
alirezarezvani / claude-skills

通过加权评分模型监测客户健康度、预测流失风险并识别扩展机会,面向 SaaS 客户成功场景。适用于分析客户账户、审视留存指标、评估高风险客户,或当用户提到流失、客户健康度评分、追加销售机会、扩展收入、留存分析或客户分析时。运行三个 Python 命令行工具,输出确定性的健康度评分、流失风险等级,以及覆盖 Enterprise、Mid-Market 和 SMB 客群的优先级扩展建议。

营销与增长725
M
market-ingest
market-ingest
ruvnet / ruflo

将市场数据摄取并规范化为 OHLCV 向量,并建立 HNSW 索引

数据与数据库725
A
analytics-tracking
analytics-tracking
alirezarezvani / claude-skills

设置、审计和调试分析跟踪实现——GA4、Google Tag Manager、事件分类、转化跟踪和数据质量。适用于从零构建跟踪计划、审计现有分析以查找缺口或错误、调试缺失事件,或设置 GTM。触发关键词:GA4 setup、Google Tag Manager、GTM、event tracking、analytics implementation、conversion tracking、tracking plan、event taxonomy、custom dimensions、UTM tracking、analytics audit、missing events、tracking broken。不适用于分析营销活动数据——请使用 campaign-analytics。不适用于 BI 仪表盘——请使用 product-analytics 进行产品内事件分析。

营销与增长724
M
masterdata-storage-strategy
masterdata-storage-strategy
vtex / skills

适用于以下场景:判断 VTEX Master Data 是否适合某项工作负载;设计带有 v-indexed、v-cache、v-security 和 v-triggers 的 JSON Schema;规划实体容量与生命周期;或审计现有的 Master Data 用法。涵盖何时使用 MD 而非 Catalog、OMS、VBase 或外部数据库、Schema 设计最佳实践、索引策略、触发器模式以及运维注意事项。创建任何新的 Master Data 实体之前使用。

数据与数据库724
V
vector-hyperbolic
vector-hyperbolic
ruvnet / ruflo

通过 npx [email protected] embed text 嵌入层次化数据,并在用户代码中投影到 Poincare 球(0.2.25 中没有 --model poincare 标志)

数据与数据库724
S
supabase-nextjs
supabase-nextjs
alinaqi / maggy

Next.js 与 Supabase 及 Drizzle ORM

开发723
S
s3-explore
s3-explore
duckdb / duckdb-skills

探索并查询 S3、Cloudflare R2、GCS、MinIO 或任意兼容 S3 的存储上的数据。适用于用户提到 s3://、r2://、gs:// 或 gcs:// URL,询问「这个存储桶里有什么」,想列出远程文件、预览远程 Parquet/CSV/JSON,或在不下载的情况下查询对象存储中的数据。当用户还想了解远程数据集的大小、结构或行数时也会触发。

数据与数据库722
S
scipilot-figure-skill
scipilot-figure-skill
haojae / scipilot-figure-skill

zh

数据与数据库722
V
volatility-modeling
volatility-modeling
joellewis / finance_skills

使用时间序列模型和期权隐含度量来建模、预测并解读波动率。当用户询问 EWMA、GARCH 模型、隐含波动率、波动率曲面、波动率期限结构或 VIX 时使用。当用户提到“波动率微笑”“波动率偏斜”“已实现波动率与隐含波动率”“波动率风险溢价”“波动率聚集”“均值回复型波动率”“期权定价输入”“RiskMetrics”“衰减因子”,或询问如何为风险管理预测未来波动率时,也触发此技能。

数据与数据库722
Y
youtube-data
youtube-data
zeropointrepo / youtube-skills

在需要结构化的 YouTube 数据时使用:粘贴的视频/频道/播放列表链接、用于分析的转录文本、视频元数据、频道上传历史、搜索结果或播放列表内容——无需 Google API 配额或 OAuth。当出现 YouTube 链接、创作者姓名、主题调研或任何需要 YouTube 内容的请求时即触发,即使未明确提及。不适用于上传、账号管理或仅限书面材料的研究。

数据与数据库722
D
data-quality
data-quality
joellewis / finance_skills

为金融数据设计和运营数据质量方案——校验规则、价格校验、数据血缘、异常管理、数据剖析和治理。适用于为价格或客户数据管道构建校验规则、检测过期价格、设计数据质量监控框架、校准校验阈值、为 BCBS 239 或 MiFID II 实施数据血缘、追查可归因于不良数据的对账差异或计费错误、准备数据准确性方面的监管检查、构建数据质量记分卡,或定义数据管理职责。触发词:数据质量、价格校验、过期价格、数据血缘、数据校验、数据剖析、异常管理、数据治理、BCBS 239、数据完整性、数据准确性、校验规则、数据异常、数据管理、数据质量记分卡。

数据与数据库720
S
surrealql
surrealql
surrealdb / agent-skills

生成和修改 SurrealQL 查询以与 SurrealDB 数据库交互。这包括创建和检索记录、设计与管理 schema、建立和查询图关系、执行实时(real-time)查询,以及利用 SurrealQL 的各项独特功能实现高级数据库工作流。每当用户需要编写、调整或排查 SurrealQL 语句时,请使用此技能。

数据与数据库720
V
validate-evaluator
validate-evaluator
hamelsmu / evals-skills

使用数据划分、TPR/TNR 和偏差校正,将 LLM 评判器与人工标注对齐校准。在编写完评判器提示词(write-judge-prompt)后、需要验证一致性以信任其输出时使用。不适用于基于代码的评判器(这类评判器是确定性的,使用标准单元测试即可)。

测试与质量720
V
voice
voice
simota / agent-skills

通过 NPS 问卷、评论分析、情感分析、反馈分类和洞察提取报告来收集用户反馈。在建立反馈闭环时使用。

数据与数据库720
第 1921–1980 条,共 12,302 条

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。