AI Skill与MCP工具推荐

背景

随着 AI 模型能力的不断提升，用户对模型执行具体任务的需求日益多样化和专业化。然而，独自编写一次性脚本或工具往往耗费时间和 token，且在网络上搜索现成的 Skill 或 MCP（Model Context Protocol） 又难以快速判断其质量和适用性。为此，LINUX DO 论坛的用户创建了一份社区驱动的推荐文档，旨在汇聚实用且经过验证的 AI 扩展能力，降低个人探索成本，提升 AI 工作流的效率与可靠性。

核心内容

该文档由一位社区用户发起，收录了其在实践中认为不错的 Skill 和 MCP，并按照功能类别进行整理。每项推荐包含名称、来源地址、主要作用以及用户评价。以下是原文详细内容的完整呈现：

一、思考 / 推理增强类

1. Grill Me（Skill）

   • 地址：https://github.com/mattpocock/skills
   • 作用：对用户提出的方案进行“压力测试”，通过连续追问和挑战假设，暴露设计漏洞和不完整逻辑。
   • 评价：论坛中经常提到的 GrillMe skill，必备推荐。

2. Sequential Thinking（MCP）

   • 地址：servers/src/sequentialthinking (modelcontextprotocol/servers 仓库)
   • 作用：将复杂问题拆解为可执行的分步推理过程，并允许中途修正或回溯推理链。
   • 评价：使用过一段时间效果尚可，但部分 Agent 已内置分步思考能力。

二、开发 / 编程辅助类

1. Context7（MCP）

   • 地址：https://mcp.context7.com/mcp
   • 作用：为模型提供最新的框架和库文档上下文，解决模型知识过时问题。
   • 评价：在 opencode 中使用过一段时间，提升效果不明显。

2. Supabase MCP

   • 地址：https://mcp.supabase.com/mcp
   • 作用：提供数据库 schema 查询、SQL 分析、权限策略检查等能力。
   • 评价：Supabase 提供免费的在线数据库，可用于存储个人结构化数据。

3. Exa Search MCP

   • MCP 地址：https://mcp.exa.ai/mcp
   • 安装命令：npx -y @filiksyos/mcptoskill https://mcp.exa.ai/mcp --name=exa
   • 作用：高质量语义搜索。
   • 评价：使用过一段时间，比 AI 自行使用各种 CURL 更好用；但存在调用并发限制，登录 Exa | Search API for AI Agents 网站创建自己的凭证后可提高并发，个人自用足够。

三、浏览器 / 自动化类

1. Playwright MCP

   • 地址：https://github.com/microsoft/playwright
   • 作用：提供浏览器自动化能力，包括页面操作、UI 测试、数据抓取等。
   • 评价：AI 需要浏览器能力时的默认推荐。

2. Kimi WebBridge（Skill）

   • 入口：Kimi WebBridge - 让 AI Agent 可以使用浏览器（具体地址未提供）
   • 作用：专为 AI Agent 设计的浏览器插件，让 AI 打开网页、点击按钮、填写表单、提取信息，自动化繁琐的网页操作。
   • 评价：在 codex 中使用效果不错，可以直接操作已登录的网站；批评 codex 内置浏览器能力在某些需要认证的网站报错不可用。

四、工程平台 / DevOps 类

1. GitHub MCP

   • 地址：https://github.com/
   • 入口：https://mcp.directory/
   • 作用：访问 GitHub 资源，包括 issue、PR、代码仓库分析等。
   • 评价：使用率最高的 MCP 之一，但部分功能可被 GitHub CLI 替代，建议按需安装。

2. Notion MCP

   • 地址：https://www.notion.so/
   • 作用：用于知识库管理、文档组织和项目记录自动化。
   • 评价：Notion 作为知识管理的代表，少量个人数据可存放在此。

五、知识系统 / 记忆类

1. Obsidian（Skill / MCP 接入）
   • 地址：https://obsidian.md/
   • 作用：作为本地知识库系统，实现长期知识存储与检索。
   • 评价：Obsidian 是个人知识管理的代表，但需要一定的动手能力进行配置和搭建。

关键要点

• Grill Me 是社区公认的必备 Skill，用于对方案进行深度压力测试，弥补思维盲区。
• Sequential Thinking 作为分步推理 MCP，虽然有效，但已被部分 Agent 内置替代。
• Context7 解决模型知识过时问题，但在 opencode 中提升不明显，可能因场景而异。
• Supabase MCP 利用免费在线数据库，适合存储个人结构化数据。
• Exa Search MCP 提供高质量语义搜索，优于 AI 自行模拟 curl，但存在并发限制，需注册凭证优化。
• Playwright MCP 是浏览器自动化的标准推荐，几乎所有需要浏览器操作的场景可直接使用。
• Kimi WebBridge 作为浏览器插件，能够操作已登录网站，弥补了 codex 内置浏览器对认证页面的不足。
• GitHub MCP 使用最广泛，但部分功能可与 GitHub CLI 互相替代，按需选择。
• Notion MCP 适合知识库管理，适合存储少量个人数据。
• Obsidian 是本地知识管理的代表，配置门槛稍高，但功能强大。

意义与影响

这份社区分享文档体现了 AI 工作流中“工具生态共建”的趋势。通过用户真实评价和分类整理，降低了个人筛选和配置的门槛，使得 AI 扩展能力（特别是 MCP 和 Skill）更易于被非专业开发者采用。它同时暴露了当前工具的局限性（如 Concurrency 限制、内置浏览器能力不足、某些 MCP 提升效果不显著），引导用户根据实际需求选择而非盲目安装。从更广的视角看，这种众包式推荐机制有助于加速 AI Agent 生态的成熟——用户在实践中反馈、社区迭代推荐、开发者改进工具，形成良性循环。未来，随着更多类似文档的出现，AI 工作流的搭建将更接近“插件市场”式的便捷体验，推动 AI 从对话工具向真正的自动化代理进化。