CLIver 是 AI Skill Hub 本期精选MCP工具之一。综合评分 7.5 分,整体质量较高。我们推荐使用将其纳入你的 AI 工具库,帮助提升工作效率。
Personal AI Lab,AI智能助手
CLIver 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。
Personal AI Lab,AI智能助手
CLIver 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。
# 方式一:通过 Claude Code CLI 一键安装
claude skill install https://github.com/cliver-project/CLIver
# 方式二:手动配置 claude_desktop_config.json
{
"mcpServers": {
"cliver": {
"command": "npx",
"args": ["-y", "cliver"]
}
}
}
# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json
# 安装后在 Claude 对话中直接使用 # 示例: 用户: 请帮我用 CLIver 执行以下任务... Claude: [自动调用 CLIver 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"
// claude_desktop_config.json 配置示例
{
"mcpServers": {
"cliver": {
"command": "npx",
"args": ["-y", "cliver"],
"env": {
// "API_KEY": "your-api-key-here"
}
}
}
}
// 保存后重启 Claude Desktop 生效
---
pip install cliver[telegram]
pip install cliver
docker run --rm -it --user $UID:0 -v ~/.cliver:/home/cliver/.cliver \ -e DEEPSEEK_API_KEY ghcr.io/cliver-project/cliver
docker run -e TELEGRAM_BOT_TOKEN -e OPENAI_API_KEY \ ghcr.io/cliver-project/cliver:latest gateway telegram ```
```bash
providers: minimax: type: openai api_url: https://api.minimaxi.com/v1 api_key: '{{ keyring("cliver", "minimax.api_key") }}' rate_limit: requests: 1500 period: 5h margin: 0.1 image_url: https://api.minimaxi.com/v1/image_generation image_model: image-01 models: - MiniMax-M2.7 minimax-anthropic: type: anthropic api_url: https://api.minimaxi.com/anthropic api_key: '{{ keyring("cliver", "minimax.api_key") }}' rate_limit: requests: 1500 period: 5h margin: 0.1 image_url: https://api.minimaxi.com/v1/image_generation image_model: image-01 models: - MiniMax-M2.7 deepseek-anthropic: type: anthropic api_url: https://api.deepseek.com/anthropic api_key: "{{ env.DEEPSEEK_API_KEY }}" models: - deepseek-v4-flash deepseek-openai: type: openai api_url: https://api.deepseek.com api_key: "{{ env.DEEPSEEK_API_KEY }}" models: - deepseek-v4-flash ```
mcpServers: filesystem: transport: stdio command: npx args: ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/workspace"] postgres: command: npx args: ["-y", "@modelcontextprotocol/server-postgres", "postgresql://localhost/mydb"] ```
permission_mode: auto-edit
make init
Use AgentCore to integrate CLIver's agent capabilities into your own applications.
```python from cliver import AgentCore
Connect to any Model Context Protocol (MCP) server for extended tool capabilities. File systems, databases, APIs, and more — all through a standardized protocol.
```yaml
LangGraph-powered multi-step workflow engine with subagent isolation and pause/resume support. Complex tasks stay on track without scattered, unpredictable behavior.
```python
from cliver.workflow import Workflow, WorkflowStep
workflow = Workflow( name="deploy-pipeline", steps=[ WorkflowStep(name="build", agent="builder"), WorkflowStep(name="test", agent="tester", depends_on=["build"]), WorkflowStep(name="deploy", agent="deployer", depends_on=["test"]), ] ) ```
CLIver 是一款专为终端设计的通用型 AI Agent。它不仅能够安全、受控地在命令行环境中运行,还能灵活适配各种业务领域。通过将强大的 AI 能力引入 Terminal,CLIver 旨在为开发者提供一个既能保持高度自主性,又能确保操作可预测性的智能助手。
CLIver 具备强大的功能矩阵,支持通过 MCP 协议扩展工具能力,并内置了基于 LangGraph 的工作流引擎。它支持多步骤任务的自动化处理,具备子 Agent 隔离机制,并允许在复杂任务执行过程中进行暂停与恢复,确保 AI 的行为始终处于开发者预期的轨道内。
在使用 CLIver 之前,请确保您的系统已安装必要的 Python 环境。如果您需要使用 Telegram 交互功能,请通过 `pip install cliver[telegram]` 命令安装包含相关依赖的扩展版本,以确保 Gateway 组件能够正常运行。
您可以通过多种方式部署 CLIver:首先是标准的 Python 环境安装,直接使用 `pip install cliver` 即可;其次是推荐的 Docker 部署方式,通过 `docker run` 命令可以实现环境隔离,并方便地挂载本地目录及配置 API Key;此外,您也可以通过 Docker 运行特定的 Gateway 模式(如 Telegram 模式)来扩展交互界面。
项目提供了快速启动指南,帮助开发者通过简单的命令行指令立即体验 CLIver 的 AI 能力。无论是直接在终端进行交互,还是通过配置好的 Gateway 进行远程调用,您都可以通过 Quick Start 章节中的示例代码快速上手。
CLIver 的核心配置通过 `~/.cliver/config.yaml` 进行管理。您可以在此配置不同的模型 Provider(如 OpenAI、Anthropic 或 Minimax),并设置 API URL、API Key 以及请求频率限制(rate_limit)。同时,该配置文件支持 MCP 协议,允许您定义 `mcpServers` 来连接文件系统或数据库等外部工具。此外,`cliver-settings.yaml` 用于控制权限模式(如 `permission_mode`)。
对于希望将 AI 能力集成到现有系统中的开发者,CLIver 提供了可嵌入的 Python API。通过导入 `AgentCore` 类,您可以轻松地将 CLIver 的 Agent 核心能力引入到您自己的应用程序中,实现高度定制化的 AI 驱动功能。
CLIver 内置了强大的工作流模块,基于 LangGraph 构建,支持复杂的多步骤任务编排。通过定义 `Workflow` 和 `WorkflowStep`,您可以构建具有依赖关系的自动化流水线(例如 build -> test -> deploy)。每个步骤可以分配独立的 Agent,并实现子 Agent 隔离,确保复杂任务在执行过程中逻辑清晰、行为可控且支持断点续传。
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。
✅ Apache 2.0 — 宽松开源协议,可商用,需保留版权声明和 NOTICE 文件,含专利授权条款。
经综合评估,CLIver 在MCP工具赛道中表现稳健,质量良好。如果你已有明确的使用需求,可以直接上手体验;如果还在评估阶段,建议对比同类工具后再做决策。
| 原始名称 | CLIver |
| 原始描述 | 开源MCP工具:Personal AI Lab。⭐6 · Python |
| Topics | aiai-agentsmcppython |
| GitHub | https://github.com/cliver-project/CLIver |
| License | Apache-2.0 |
| 语言 | Python |
收录时间:2026-05-29 · 更新时间:2026-05-30 · License:Apache-2.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。
选择 Agent 类型,复制安装指令后粘贴到对应客户端