AI开发工具包
经 AI Skill Hub 精选评估，AI开发工具包 获评「推荐使用」。已获得 1.2k 颗 GitHub Star，这款MCP工具在功能完整性、社区活跃度和易用性方面表现出色，AI 评分 7.5 分，适合有一定技术背景的用户使用。
通过安装 AI开发工具包，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。AI开发工具包 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 AI开发工具包 评为 AI 评分 7.5 分，属于同类工具中的优质选择。
AI开发工具包 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。
AI开发工具包 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。
- 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
- 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
# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/codeaholicguy/ai-devkit
# 方式二：手动配置 claude_desktop_config.json
{
"mcpServers": {
"ai-----": {
"command": "npx",
"args": ["-y", "ai-devkit"]
}
}
}
# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json
- 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
# 安装后在 Claude 对话中直接使用 # 示例： 用户: 请帮我用 AI开发工具包 执行以下任务... Claude: [自动调用 AI开发工具包 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": {
"ai_____": {
"command": "npx",
"args": ["-y", "ai-devkit"],
"env": {
// "API_KEY": "your-api-key-here"
}
}
}
}
// 保存后重启 Claude Desktop 生效
AI DevKit
English | 中文
Your AI coding agent is fast, eager, and reckless. Make it work like a senior engineer instead.
AI DevKit turns one-off AI coding chats into a repeatable software delivery workflow: requirements, design, planning, implementation, tests, verification, memory, and review.
- Stops prompt-and-pray coding —
/new-requirementmakes the agent clarify the problem before touching code - Blocks fake "done" claims —
verifyrequires fresh test/build output before completion claims - Keeps project knowledge alive —
@ai-devkit/memorystores decisions, conventions, and fixes across sessions - Catches drift before push —
/code-reviewaudits the diff against the design and requirements docs
One config. All coding agents: Claude Code, Cursor, Codex CLI, Gemini CLI, GitHub Copilot, opencode, Antigravity, Amp, Windsurf, Kilo Code, Roo Code.
Run npx ai-devkit@latest init and your agent gets:
| What you need | What AI DevKit installs |
|---|---|
| A plan before code | /new-requirement, /review-design, and /execute-plan |
| Evidence before "done" | verify gates tied to fresh test/build output |
| Memory across sessions | Local SQLite memory exposed through MCP and CLI |
| Same behavior across agents | Generated config for the coding tools your team uses |
A feature, end-to-end
You: /new-requirement add OAuth login with Google
Agent: Searches memory for prior auth conventions. Asks clarifying
questions about scope, users, success criteria. Drafts
docs/ai/{requirements,design,planning}/feature-oauth-login.md
in a feature worktree. Stops before coding.
You: /review-design feature-oauth-login
Agent: Audits the design doc against the requirements. Flags gaps,
proposes fixes — before any code gets written.
You: /execute-plan feature-oauth-login
Agent: Works the planning doc task-by-task. Updates progress after
each task. The `verify` skill blocks a task from being
marked done without fresh test/build output.
You: /code-review
Agent: Audits the diff against the design doc — scope creep,
missing tests, edge cases the requirements named —
before you push.Or get the full engineering workflow stack
Save templates/senior-engineer.yaml locally and run:
ai-devkit init --template ./senior-engineer.yamlBundles the eight built-in skills with curated additions from Anthropic, Vercel, and others — TDD, frontend design, webapp testing, doc co-authoring, React best practices, security review, and more.
高质量的AI开发工具包，值得关注
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- +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
- −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
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。
AI Skill Hub 点评：AI开发工具包 的核心功能完整，质量良好。对于Claude Desktop / Claude Code 用户来说，这是一个值得纳入个人工具库的选择。建议先在非生产环境试用，再逐步推广。
| 原始名称 | ai-devkit |
| 原始描述 | 开源MCP工具：Make AI coding agents follow a repeatable engineering workflow with planning, me。⭐1.2k · TypeScript |
| Topics | aitypescriptagent-framework |
| GitHub | https://github.com/codeaholicguy/ai-devkit |
| 语言 | TypeScript |
收录时间：2026-05-25 · 更新时间：2026-05-26 · License：未公布 · AI Skill Hub 不对第三方内容的准确性作法律背书。