能力标签

🔌 MCP 🤖 Agent 🔄 工作流 🐳 Docker 💻 CLI 🖼 视觉 🧠 Claude 🖥 本地 LLM

🔌

MCP工具

全能MCP工具

基于 Go · 让 AI 助手直接操作你的系统与工具

英文名：omnipus

⭐ 9 Stars 💻 Go 📄 MIT 🏷 AI 8.0分

8.0AI 综合评分

mcpai-agentgolanglandlock

⬇ 下载源码 ZIP ⚙️ 配置说明

✦ AI Skill Hub 推荐

AI Skill Hub 强烈推荐：全能MCP工具是一款优质的MCP工具。AI 综合评分 8.0 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

全能MCP工具是一款基于 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。

通过安装全能MCP工具，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。全能MCP工具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 将全能MCP工具评为 AI 评分 8.0 分，属于同类工具中的优质选择。

📋 工具概览

全能MCP工具是一款遵循 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

⭐ 9

开发语言

支持平台

Windows / macOS / Linux（跨平台）

维护状态

轻量级项目，按需更新

开源协议

MIT

AI 综合评分

8.0 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」。

📌 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/elicify-ai/omnipus

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

# 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 全能MCP工具 执行以下任务...
Claude: [自动调用 全能MCP工具 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", "omnipus"],
      "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 32/100 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。

简介

Omnipus — a team of AI agents you actually own. Five named agents — Mia (Coach & Guide), Ray (Researcher), Jim (General Purpose), Ava (Agent Builder), and Max (Automator) — coordinated around the Omnipus octopus, above a capability strip (research with citations, code, browser automation, long-term memory, build unlimited custom agents) and a privacy strip (your keys, no telemetry, runs on your infrastructure, connect MCP servers and tools).

Research. Code. Write. Automate. Browse. Analyze. — five named agents that hand off to each other and remember what you discussed.

Or have Ava build entirely new agents for tasks nobody's imagined yet. You run the team. Ava grows the team.

It all runs on your own machine — no cloud account, no subscription, no data leaving your box except the calls to the AI model you choose.

New here? → <a href="docs/getting-started.md">Get started in 10 minutes</a> · <a href="docs/concepts.md">How it works</a> · <a href="docs/using-omnipus-ui.md">Use the web app</a> · <a href="docs/using-omnipus-cli.md">Use the terminal</a>

</div>

---

Ava builds an agent live

Tell her what you need, watch her call system.agent.create, and get a summary card.

The new agent shows up in the roster instantly.

---

Install

Find your platform below. Most people want the one-line install; Windows and Intel-Mac users run Omnipus in Docker for now.

Your system	Do this
Linux (x86-64 or ARM64)	[One-line install](#linux-and-macos-apple-silicon)
macOS (Apple Silicon — M1/M2/M3/M4)	[One-line install](#linux-and-macos-apple-silicon)
macOS (Intel)	[Run in Docker](#windows-and-intel-macos) — no native binary yet
Windows	[Run in Docker](#windows-and-intel-macos) — native app in progress

Once it's running, continue to First boot.

Docker, minimal image

docker run -d \
  -p 127.0.0.1:5000:5000 \
  -p 127.0.0.1:5001:5001 \
  -v "$PWD/data:/root/.omnipus" \
  ghcr.io/elicify-ai/omnipus:latest

Or with compose: curl -O https://raw.githubusercontent.com/elicify-ai/omnipus/main/docker/docker-compose.yml && docker compose up.

The published image (ghcr.io/elicify-ai/omnipus:latest) is built from docker/Dockerfile: an Alpine multi-stage build that produces a ~71 MB runtime image with only ca-certificates, tzdata, and curl on top of the Go binary.

Same SPA, same channels, same memory + sessions + audit log as the native install.

Minimal image limitations

The minimal image deliberately excludes Chromium to keep the artefact small. As a result:

All browser.* tools (navigate, screenshot, read_content, console_logs, action) and the entire web_serve preview flow will not work out of the box.

The auto-download fallback in pkg/tools/browser/manager.go does fetch a managed Chromium from Chrome for Testing — but that binary is glibc-linked while the runtime is Alpine (musl), so exec fails with a misleading no such file or directory. (The missing piece is the ELF interpreter /lib64/ld-linux-x86-64.so.2, not the binary itself.)

The Max agent gracefully falls back to web_fetch for read-only tasks and explains the missing capability to the user.

If you need browser tools inside Docker, use the heavy image below.

Docker, heavy image

docker build -t omnipus:heavy -f docker/Dockerfile.heavy .
docker run -d \
  -p 127.0.0.1:5000:5000 \
  -p 127.0.0.1:5001:5001 \
  -v "$PWD/data:/home/omnipus/.omnipus" \
  omnipus:heavy

Built from docker/Dockerfile.heavy: the same three-stage SPA + Go build as the minimal image, but the runtime stage adds chromium, python3, py3-pip, uv / uvx, git, jq, and a global agent-browser npm install.

About 1.08 GB on disk, in exchange for first-class browser tools and Python MCP server support out of the box.

Heavy image is not currently published to GHCR — build it yourself per the snippet above. (Tracked: ship it from the same release pipeline.)