能力标签
CLIver
🔌
MCP工具

CLIver

基于 Python · 让 AI 助手直接操作你的系统与工具
⭐ 6 Stars 💻 Python 📄 Apache-2.0 🏷 AI 7.5分
7.5AI 综合评分
aiai-agentsmcppython
✦ AI Skill Hub 推荐

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。

📚 深度解析

CLIver 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 CLIver,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。CLIver 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 CLIver 评为 AI 评分 7.5 分,属于同类工具中的优质选择。

📋 工具概览

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。

GitHub Stars
⭐ 6
开发语言
Python
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」。

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。

📌 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/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
📋 安装步骤说明
  1. 确认已安装 Node.js(v18 或以上版本)
  2. 打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
  3. 按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
  4. 保存配置文件并重启 Claude 客户端
  5. 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 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"
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": {
    "cliver": {
      "command": "npx",
      "args": ["-y", "cliver"],
      "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 82/100 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

CLIver Logo # CLIver **General-purpose AI agent for your terminal — safe, controlled, and adaptable to any domain.** [![PyPI version](https://img.shields.io/pypi/v/cliver.svg)](https://pypi.org/project/cliver/) [![Python versions](https://img.shields.io/pypi/pyversions/cliver.svg)](https://pypi.org/project/cliver/) [![License](https://img.shields.io/badge/License-Apache%202.0-blue.svg)](https://opensource.org/licenses/Apache-2.0) [![Documentation](https://img.shields.io/badge/docs-latest-brightgreen.svg)](https://cliver-project.github.io/CLIver/)

---

Features

Install gateway dependencies

pip install cliver[telegram]

Install via pip

pip install cliver

Or run with Docker

docker run --rm -it --user $UID:0 -v ~/.cliver:/home/cliver/.cliver \ -e DEEPSEEK_API_KEY ghcr.io/cliver-project/cliver

Or use Docker

docker run -e TELEGRAM_BOT_TOKEN -e OPENAI_API_KEY \ ghcr.io/cliver-project/cliver:latest gateway telegram ```

Quick Start

```bash

~/.cliver/config.yaml

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 ```

~/.cliver/config.yaml

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"] ```

~/.cliver/cliver-settings.yaml

permission_mode: auto-edit

Set up dev environment

make init

Embeddable Python API

Use AgentCore to integrate CLIver's agent capabilities into your own applications.

```python from cliver import AgentCore

MCP Integration

Connect to any Model Context Protocol (MCP) server for extended tool capabilities. File systems, databases, APIs, and more — all through a standardized protocol.

```yaml

Workflows

LangGraph-powered multi-step workflow engine with subagent isolation and pause/resume support. Complex tasks stay on track without scattered, unpredictable behavior.

```python

Workflow definition (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"]), ] ) ```

🇨🇳 中文文档镜像 AI 翻译 2026-05-31
英文原文章节由系统翻译为中文摘要,便于快速理解。完整原文见上方 "📑 README 深度解析"。
📌 简介

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。

⚡ 功能介绍

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。

📋 环境依赖

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。

🛠 安装步骤(Docker/pip/源码)

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。

🚀 使用教程

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。

⚙️ 配置说明(含 MCP / env)

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`)。

🔌 API 说明

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。

🔄 工作流/模块

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。

📚 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
  • Python 依赖冲突:建议用 venv / uv 隔离环境
部署方案
  • 云端托管:可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
CLIver 中文教程CLIver 安装报错怎么办CLIver MCP 配置CLIver Agent 工作流CLIver 与同类工具对比CLIver 最佳实践CLIver 适合谁用

⚡ 核心功能

👥 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
  • Python 依赖冲突:建议用 venv / uv 隔离环境

👥 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

✅ 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。

🔗 相关工具推荐

📚 相关教程推荐
📰 相关 AI 新闻
🍿 AI 圈相关吃瓜
🗺️ 相关解决方案
🧩 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

❓ 常见问题 FAQ

CLIver 是一款Python开发的AI辅助工具。开源MCP工具:Personal AI Lab。⭐6 · Python 主要应用场景包括:AI实验和开发。
💡 AI Skill Hub 点评

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。

⬇️ 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 CLIver
查看分步骤安装教程和完整使用指南,快速上手这款工具
🌐 原始信息
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
🔗 原始来源
🐙 GitHub 仓库  https://github.com/cliver-project/CLIver 🌐 官方网站  https://cliver-project.github.io/CLIver/

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。