📄 工具详情 ⚙️ 安装教程 📚 使用教程

能力标签

🔌 MCP 🤖 Agent 🔄 工作流 💻 CLI 🔗 REST API 🧠 Claude ⌨️ Cursor

🔌

MCP工具

学本MCP模東

Q: capa 如何安装和开始使用？

访问 capa 的 GitHub 仓库或官方网站，按照 README 文档中的步骤安装依赖并运行。通常需要 Python 3.8+ 或 Node.js 16+ 基础环境。

Q: capa 是否免费？许可证是什么？

capa 完全免费，采用 开源协议 许可证开源发布，任何人都可以免费使用、修改和分发。

Q: capa 适合哪些用户使用？

capa 主要面向有一定技术基础的用户，包括开发者、数据分析师、AI 工程师等专业人士。

Q: capa 的社区活跃度和项目维护状况如何？

capa 在 GitHub 上已获得 8 个 Star，处于积极发展阶段，社区在持续扩大。

基于 TypeScript · 让 AI 助手直接操作你的系统与工具

英文名：capa

⭐ 8 Stars 🍴 2 Forks 💻 TypeScript 📄 未公布协议 🏷 AI 7.5分

7.5AI 综合评分

tag1tag2tag3

⚙️ 配置说明 🔍 查看原项目

✦ AI Skill Hub 推荐

AI Skill Hub 推荐使用：学本MCP模東是一款优质的MCP工具。AI 综合评分 7.5 分，在同类工具中表现稳健。如果你正在寻找可靠的MCP工具解决方案，这是一个值得深入了解的选择。

📚 深度解析

学本MCP模東是一款基于 MCP（Model Context Protocol）标准协议的 AI 工具扩展。MCP 协议由 Anthropic 开发并开源，旨在建立 AI 模型与外部工具之间的标准化通信接口，目前已被 Claude Desktop、Claude Code、Cursor 等主流 AI 工具采纳。

通过安装学本MCP模東，你的 AI 助手将获得额外的工具调用能力，可以用自然语言直接操控该工具的功能，无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置，永久增强"——配置完成后，每次与 AI 对话时都可以无缝调用这些工具。

在技术实现上，MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信，工具的功能以"工具列表"的形式暴露给 AI 模型，AI 可以按需调用。学本MCP模東提供了结构化的工具调用接口，使 AI 模型能够精确地理解和使用每个功能点，显著降低 AI 在工具使用上的错误率。

与传统的 API 集成相比，MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON，即可让 AI 获得全新能力。AI Skill Hub 将学本MCP模東评为 AI 评分 7.5 分，属于同类工具中的优质选择。

📋 工具概览

有公司的MCP模東源，存在capabilities.yaml网统认器，认器，系统，单器器，MCP源服务，和常用器器。常用TypeScript类。学本为一个类的模東模東。

学本MCP模東是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。

GitHub Stars

⭐ 8

开发语言

TypeScript

支持平台

Windows / macOS / Linux

维护状态

轻量级项目，按需更新

开源协议

未公布

AI 综合评分

7.5 分

工具类型

MCP工具

Forks

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

有公司的MCP模東源，存在capabilities.yaml网统认器，认器，系统，单器器，MCP源服务，和常用器器。常用TypeScript类。学本为一个类的模東模東。

📌 核心特色

通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
提供结构化工具调用接口，显著降低 AI 集成复杂度
支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
可与其他 MCP 工具组合叠加，构建完整 AI 工作站
轻量无侵入设计，不影响现有系统架构

🎯 主要使用场景

在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
将多个 MCP 工具组合使用，构建个人专属 AI 工作站

以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。

安装命令

# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/infragate/capa

# 方式二：手动配置 claude_desktop_config.json
{
  "mcpServers": {
    "--mcp--": {
      "command": "npx",
      "args": ["-y", "capa"]
    }
  }
}

# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json

📋 安装步骤说明

确认已安装 Node.js（v18 或以上版本）
打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
保存配置文件并重启 Claude 客户端
重启后，在对话中即可使用本工具

以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。

常用命令 / 代码示例

# 安装后在 Claude 对话中直接使用
# 示例：
用户: 请帮我用 学本MCP模東 执行以下任务...
Claude: [自动调用 学本MCP模東 MCP 工具处理请求]

# 查看可用工具列表
# 在 Claude 中输入："列出所有可用的 MCP 工具"

以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。

配置示例

// claude_desktop_config.json 配置示例
{
  "mcpServers": {
    "__mcp__": {
      "command": "npx",
      "args": ["-y", "capa"],
      "env": {
        // "API_KEY": "your-api-key-here"
      }
    }
  }
}

// 保存后重启 Claude Desktop 生效

📑 README 深度解析真实文档完整度 53/100 查看 GitHub 原文 →

以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

CAPA: Agentic Capabilities Manager

CAPA is a capabilities manager for AI coding agents. You declare skills, tools, rules, sub-agents, MCP servers, and plugins once in capabilities.yaml, run capa install, and CAPA writes them into Cursor, Claude Code, Codex, Windsurf, GitHub Copilot, and 30+ other agents.

3. Edit `capabilities.yaml`

providers:
  - cursor
  - claude-code

skills:
  - id: frontend-design
    type: github
    def:
      repo: anthropics/skills@frontend-design

  - id: web-researcher
    type: inline
    def:
      description: Search the web for fresh information
      requires:
        - "@brave.search"
      content: |
        ---
        name: web-researcher
        description: Use when you need current information from the web.
        ---
        Use `brave.search` and always cite a link.

rules:
  - id: commit-style
    type: inline
    description: Conventional Commits
    alwaysApply: true
    content: |
      Always use Conventional Commits (feat/fix/chore/docs/refactor).
      Subject ≤ 72 chars, imperative mood, no trailing period.

servers:
  - id: brave
    type: mcp
    def:
      cmd: npx -y @modelcontextprotocol/server-brave-search
      env:
        BRAVE_API_KEY: ${BraveApiKey}

tools:
  - id: search
    type: mcp
    description: Search the web with Brave Search
    def:
      server: "@brave"
      tool: brave_web_search

Installation

macOS and Linux:

curl -LsSf https://capa.infragate.ai/install.sh | sh

Windows:

powershell -ExecutionPolicy ByPass -c "irm https://capa.infragate.ai/install.ps1 | iex"

4. Install

capa install

capa install resolves SHAs and downloads anything that isn't already in the cache. It then writes the per-provider files (.cursor/rules/, .claude/agents/, AGENTS.md, and so on) and registers one MCP endpoint with each agent on your list. The resolved SHAs land in capabilities.lock so the next clone gets the same bytes.

Quick start

Screenshots

CAPA is equipped with local web UI. You can visualize your capabilities.yaml, browse registries, manage credentials, and see exactly what each agent will receive.

The project view shows installed plugins, configured providers, and your full capability inventory. The bar across the top tracks token savings from on-demand tool exposure: the agent sees only the tools it's actively using, and pulls any of the rest in by name when it needs them.

Scrolling down the same page brings up sub-agents, rules, project options, and credentials. Every entry carries an INLINE / GITHUB / REMOTE badge so you can see at a glance where each one came from.

The Registries tab pulls skills and plugins from external catalogs. Need a private one? Run capa registry add owner/repo@my-adapter (or use the Manage registries page) — capa fetches the adapter from GitHub, GitLab, or an HTTPS URL, validates it, and it shows up here too.

_{Cursor Marketplace}

_skills.sh

5. Turn any MCP server into a CLI tool

capa sh                                  # list every configured tool
capa sh brave                            # list brave subcommands
capa sh brave search --query "…"         # run a tool directly

Every tool you define is also a CLI command under capa sh. MCP tools live at capa sh <server> <tool>. Shell tools live at the top level (or under whatever group you assigned).

🎯 aiskill88 AI 点评 A 级 2026-05-24

学本MCP模東模東常用TypeScript类。学本为一个类的模東模東，存在capabilities.yaml网统认器，认器，系统，单器器，MCP源服务，和常用器器。

📚 实用指南（长尾问题）

适合谁

使用 Cursor 编辑器、希望提升 AI 编程效率的开发者
需要让 Claude / Cursor 操作本地工具的 AI 工程师
构建多智能体协作系统的 Agent 开发者

最佳实践

配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
Cursor rules 控制在 80 行内，否则模型上下文成本会显著上升

常见错误

API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效

部署方案

CLI：直接 npm install -g / pip install，命令行调用
云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台

⚡ 核心功能

通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
提供结构化工具调用接口，显著降低 AI 集成复杂度
支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
可与其他 MCP 工具组合叠加，构建完整 AI 工作站
轻量无侵入设计，不影响现有系统架构

👥 适合谁

使用 Cursor 编辑器、希望提升 AI 编程效率的开发者
需要让 Claude / Cursor 操作本地工具的 AI 工程师
构建多智能体协作系统的 Agent 开发者

⭐ 最佳实践

配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
Cursor rules 控制在 80 行内，否则模型上下文成本会显著上升

⚠️ 常见错误

API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效

👥 适合人群

Claude Desktop / Claude Code 用户AI 工具开发者需要扩展 AI 能力的专业人士自动化工程师

🎯 使用场景

在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
将多个 MCP 工具组合使用，构建个人专属 AI 工作站

⚖️ 优点与不足

✅ 优点

+标准化 MCP 协议，生态互联性强
+与 Claude 官方生态无缝对接
+即插即用，配置简单快捷

⚠️ 不足

−未明确开源协议，商用场景需谨慎评估
−依赖 Claude 客户端，非 Claude 用户无法使用
−MCP 协议仍在持续演进，接口可能变更
−需要一定的配置步骤

⚠️ 使用须知

该工具未明确声明开源协议，商业使用前请联系原作者确认授权范围，避免侵权风险。

AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。

🔗 相关工具推荐

github-mcp-server MCP工具

GitHub官方MCP服务器实现，使AI助手能直接操作GitHub仓库、问题、拉取请求等资源。采用Go语言开发，高性能稳

📰 相关 AI 新闻

AI 前沿资讯：Does your CEO have AI psychosi…

AI 资讯 · 知识关联

AI 前沿资讯：What happens when companies be…

AI 资讯 · 知识关联

AI 前沿资讯：Hiring Senior Founding AI/Back…

AI 资讯 · 知识关联

🍿 AI 圈相关吃瓜

配了5个 MCP 工具，Claude 一个都没用

AI 圈观察

Filesystem MCP 帮 Claude 找文件，找了整个 node_modules

AI 圈观察

Karpathy 的编程陷阱清单，我用来当 Claude 的「紧箍咒」

🗺️ 相关解决方案

ai-workflow-templates

cli

cli-productivity

🧩 你可能还需要

基于当前 Skill 的能力图谱，自动补全的工具组合

LLM安全测试框架，检测prompt注入、越狱等

total-agent-memory MCP工具

为Claude Code和Codex CLI提供持久化记忆功能的开源MCP工具。自动提取知识图谱，支持多轮对话上下文保留，适合需要长期记忆和

cordum MCP工具

MCP · Agent · 工作流

❓ 常见问题 FAQ

capa 是什么工具？−

capa 是一款TypeScript开发的AI辅助工具。开源MCP工具：One capabilities.yaml wires skills, tools, rules, sub-agents, MCP servers, and p。⭐8 · TypeScript 主要应用场景包括：学本模東的为一个类的模東模東，存在capabilities.yaml网统认器，认器，系统，单器器，MCP源服务，和常用器器。。

capa 如何安装和开始使用？+

capa 是否免费？许可证是什么？+

capa 适合哪些用户使用？+

capa 的社区活跃度和项目维护状况如何？+

MCP 是什么？和普通 API 有什么区别？+

我需要编程基础才能使用这个 MCP 工具吗？+

这个工具支持 Claude Code 吗？还是只有 Claude Desktop？+

💡 AI Skill Hub 点评

总体来看，学本MCP模東是一款质量良好的MCP工具，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。

⬇️ 获取与下载

⚠️ 该工具未声明开源协议，不提供直接下载。请访问原项目了解使用条款。

📚 深入学习学本MCP模東

查看分步骤安装教程和完整使用指南，快速上手这款工具

⚙️ 安装教程 📚 使用教程

🌐 原始信息

原始名称	`capa`
原始描述	开源MCP工具：One capabilities.yaml wires skills, tools, rules, sub-agents, MCP servers, and p。⭐8 · TypeScript
Topics	`tag1tag2tag3`
GitHub	https://github.com/infragate/capa
语言	TypeScript

🔗 原始来源

🐙 GitHub 仓库 https://github.com/infragate/capa 🌐 官方网站 https://capa.infragate.ai

收录时间：2026-05-24 · 更新时间：2026-05-30 · License：未公布 · AI Skill Hub 不对第三方内容的准确性作法律背书。

学本MCP模東

📚 深度解析

📋 工具概览

📖 中文文档

CAPA: Agentic Capabilities Manager

3. Edit `capabilities.yaml`

Installation

4. Install

Quick start

Screenshots

5. Turn any MCP server into a CLI tool

⚡ 核心功能

👥 适合人群

🎯 使用场景

⚖️ 优点与不足

🔗 相关工具推荐

❓ 常见问题 FAQ

🤖 交给 Agent 安装 · 学本MCP模東