能力标签

🔌 MCP 🤖 Agent 🔄 工作流 💻 CLI 🧠 Claude ✨ GPT

🔌

MCP工具

开源MCP工具

基于 Rust · 让 AI 助手直接操作你的系统与工具

英文名：crab-code

⭐ 69 Stars 🍴 11 Forks 💻 Rust 📄 Apache-2.0 🏷 AI 7.5分

7.5AI 综合评分

mcpagentagentic-codingaiai-agentai-codingrust

⬇ 下载源码 ZIP ⚙️ 配置说明

✦ AI Skill Hub 推荐

AI Skill Hub 推荐使用：开源MCP工具是一款优质的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

开源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。

通过安装开源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。开源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 将开源MCP工具评为 AI 评分 7.5 分，属于同类工具中的优质选择。

📋 工具概览

🦀 Open-source alternative to Claude Code, built from scratch in Rust。提供了一个开源的MCP工具，用于替代Claude Code，使用Rust语言开发。

开源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

⭐ 69

开发语言

Rust

支持平台

Windows / macOS / Linux

维护状态

轻量级项目，按需更新

开源协议

Apache-2.0

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」。

🦀 Open-source alternative to Claude Code, built from scratch in Rust。提供了一个开源的MCP工具，用于替代Claude Code，使用Rust语言开发。

📌 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/lingcoder/crab-code

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

# 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 开源MCP工具 执行以下任务...
Claude: [自动调用 开源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", "crab-code"],
      "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 49/100 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

Open-source alternative to Claude Code, built from scratch in Rust.

English | 中文

</div>

---

Active Development — 4900+ tests · 27 crates · ~158k LOC

Crab Code is a Rust-native agentic coding CLI. It aligns with Claude Code's toolset, permission model, and interaction patterns while supporting any LLM provider (Anthropic / OpenAI / DeepSeek / Bedrock / Vertex).

Build & Test

cargo build --workspace
cargo nextest run --workspace          # or: cargo test --workspace
cargo clippy --workspace -- -D warnings

Quick Start

git clone https://github.com/lingcoder/crab-code.git && cd crab-code
cargo build --release
export ANTHROPIC_API_KEY=sk-ant-...

./target/release/crab                   # Interactive TUI
./target/release/crab "explain this codebase"   # Single-shot
./target/release/crab -p "fix the bug"  # Non-interactive

See crab --help for more. Config lives at ~/.crab/config.toml (snake_case TOML); the full loading & merge spec is in docs/config-design.md.

Configuration

Config sources, low → high priority:

defaults  <  plugin  <  user  <  project  <  local  <  --config <file>     (file layer)
                                                            <
                                                       env  <  CLI flag    (runtime layer)

User: ~/.crab/config.toml (or $CRAB_CONFIG_DIR/config.toml)
Project: $PWD/.crab/config.toml (committed)
Local: $PWD/.crab/config.local.toml (gitignored)
--config <path>: CLI-injected file
-c key.path=value: dotted runtime override (TOML grammar; repeatable)

Example config.toml:

api_provider = "deepseek"
base_url = "https://api.deepseek.com/v1"
model = "deepseek-chat"
api_key = "sk-..."           # optional; env wins if both set

[permissions]
allow = ["Bash(git:*)", "Read", "Edit"]
deny  = ["Bash(rm:*)"]       # deny always wins over allow

Environment Variables

Env (runtime layer) always wins over file. Mutually-exclusive variants apply highest-first.

Category	Variable	Purpose
Provider	`CRAB_API_PROVIDER`	Override provider: `anthropic`, `openai`, `deepseek`, `bedrock`, `vertex`, `custom`
Provider	`CRAB_API_KEY`	Universal API key (any provider; highest priority)
Provider	`CRAB_MODEL`	Override model name
Provider	`CRAB_BASE_URL`	Universal base URL override
Provider	`CRAB_CONFIG_DIR`	Relocate config root (default `~/.crab/`)
Provider	`ANTHROPIC_API_KEY` / `ANTHROPIC_AUTH_TOKEN`	Anthropic provider only
Provider	`ANTHROPIC_BASE_URL`	Anthropic base URL (only when `CRAB_API_PROVIDER=anthropic`)
Provider	`OPENAI_API_KEY`	OpenAI provider
Provider	`OPENAI_BASE_URL`	OpenAI base URL (only when `CRAB_API_PROVIDER=openai`)
Provider	`DEEPSEEK_API_KEY`	DeepSeek provider
Provider	`DEEPSEEK_BASE_URL`	DeepSeek base URL (only when `CRAB_API_PROVIDER=deepseek`)
Bedrock	`AWS_ACCESS_KEY_ID` / `AWS_SECRET_ACCESS_KEY`	Static credentials
Bedrock	`AWS_SESSION_TOKEN`	Optional session token (temporary credentials)
Bedrock	`AWS_REGION` / `AWS_DEFAULT_REGION`	AWS region
Bedrock	`AWS_ROLE_ARN`	IAM role ARN to assume
Bedrock	`AWS_WEB_IDENTITY_TOKEN_FILE`	OIDC token file (web-identity role assumption)
Bedrock	`AWS_EXTERNAL_ID`	External ID for cross-account role assumption
Bedrock	`AWS_ROLE_SESSION_NAME`	Session name for assumed role
Vertex	`GOOGLE_CLOUD_PROJECT` / `GCLOUD_PROJECT`	GCP project ID
Vertex	`GOOGLE_CLOUD_REGION`	GCP region (default: `us-central1`)
Vertex	`GOOGLE_APPLICATION_CREDENTIALS`	Path to service account key JSON
Shell	`CRAB_SHELL`	Path to bash/zsh binary (overrides auto-detection for the Bash tool)
Shell	`SHELL`	POSIX fallback when `CRAB_SHELL` is unset
Shell	`CRAB_USE_POWERSHELL_TOOL`	Truthy value exposes the `PowerShell` tool on Windows (default off)
Agent	`CRAB_COORDINATOR_MODE`	`1` enables Agent Teams coordinator mode
Agent	`CRAB_AUTO_DREAM`	`1` enables background memory consolidation between sessions
Agent	`CRAB_AUTO_DREAM_MIN_HOURS`	Minimum hours between consolidations (default: 6)
Agent	`CRAB_AUTO_DREAM_MIN_SESSIONS`	Minimum sessions before consolidation triggers (default: 2)
TLS	`CRAB_CA_BUNDLE`	Path to custom CA certificate bundle (PEM)
TLS	`SSL_CERT_FILE` / `SSL_CERT_DIR`	Standard OpenSSL CA overrides

Comparison

	Crab Code	Claude Code	OpenCode	Codex CLI
Open Source	Apache 2.0	Proprietary	MIT	Apache 2.0
Language	Rust	TypeScript	TypeScript	Rust
Models	Any provider	Anthropic	Any provider	OpenAI only
MCP	3 transports	6 transports	LSP	2 transports

🎯 aiskill88 AI 点评 A 级 2026-06-09

该项目是一个开源的MCP工具，使用Rust语言开发，提供了一个替代Claude Code的解决方案。虽然项目质量较高，但仍需要进一步的测试和验证。

📚 实用指南（长尾问题）

适合谁

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

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

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

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

⚠️ 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

+Apache-2.0 协议，可免费商用
+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

−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

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。

📄 License 说明

🔗 相关工具推荐

📰 相关 AI 新闻

AI 前沿资讯：A2A, how it looks in an enterp…

🍿 AI 圈相关吃瓜

配了5个 MCP 工具，Claude 一个都没用

AI 圈观察

AutoGPT 自主完成了任务：把我的文件夹全部重命名了

AI 圈观察

Filesystem MCP 帮 Claude 找文件，找了整个 node_modules

🗺️ 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

常见问题−

解答

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？+

MCP 工具是否会访问我的本地文件或数据？+

多个 MCP 工具可以同时使用吗？+

💡 AI Skill Hub 点评

总体来看，开源MCP工具是一款质量良好的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

⬇ 下载源码 ZIP

✅ Apache-2.0 协议 · 可免费商用 · 直接从 aiskill88 服务器下载，无需跳转 GitHub

📚 深入学习开源MCP工具

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	`crab-code`
原始描述	开源MCP工具：🦀 Open-source alternative to Claude Code, built from scratch in Rust. Agentic c。⭐69 · Rust
Topics	`mcpagentagentic-codingaiai-agentai-codingrust`
GitHub	https://github.com/lingcoder/crab-code
License	Apache-2.0
语言	Rust

🔗 原始来源

🐙 GitHub 仓库 https://github.com/lingcoder/crab-code 🌐 官方网站 https://github.com/lingcoder/crab-code

收录时间：2026-06-09 · 更新时间：2026-06-09 · License：Apache-2.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。

开源MCP工具

📚 深度解析

📋 工具概览

📖 中文文档

简介

Build & Test

Quick Start

Configuration

Environment Variables

Comparison

⚡ 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 · 开源MCP工具