Skill Retrieval MCP：89,000 個 AI 技能，實際只有 374 個

我上禮拜滑到一支影片，標題是「89,000 個 AI 技能，免費幫你偷」。我把那個專案打開實際看，數字是 374 個。

差了 238 倍。但先別急著關頁面——那 374 個，是從 8 個大廠與社群的技能庫裡撈出來的，包含 Anthropic 官方、Google、還有 Superpowers 那一整套。而且它們沒有全部塞進你的對話上限（英文叫 context window，就是模型「一次能記住多少字」的那個容量），而是做成一個**「技能搜尋引擎」讓 AI 自己去查**。

換句話說：影片那個數字是誇的，但「AI 該用檢索去挑技能，而不是把所有技能都吞下去」這個想法本身，才是重點。

那 374 個技能，都是誰做的？

先講清楚這個工具是誰做的：GitHub 上的專案叫 JayCheng113/skill-retrieval-mcp，MIT 授權（可商用、可修改）。它自己不寫技能，做的是把別人的技能庫抓下來、切成可搜的片段、包成一個 AI 可呼叫的服務。

它抓的 8 個上游來源，數量分配是這樣：

• 剩下三家小的：Mattpocock 35 個、Addy Osmani 24 個、Kepano 的 Obsidian 相關 5 個
• 還有 Agents365 的一個 drawio（畫流程圖用）專用技能

我對這個專案信任度加分的地方是：每個上游的授權都在收錄前先讀過——不是全撈進來就用，是 MIT 跟 Apache-2.0 混著沒有污染。這個細節作者自己寫在說明文件上。

為什麼要「檢索」，不是全部塞進去？

如果你只用 3 個技能，那你根本不需要這個工具——直接把那 3 個裝進 Claude Code 就好。

但只要技能一多，對話上限就會滿。

它的解法是把工具拆成兩層——先問「哪個技能相關」，選定之後再拉那一個的完整內文進來：

另外兩個輔助工具：keyword_search 用來搜精確關鍵字（例如某個指令名），list_categories 用來瀏覽有哪些分類。

安裝：三行指令

作者把安裝過程壓到三行，這是我覺得這個工具「懂使用者痛」的地方。

pip install "skill-retrieval-mcp[local,hf]"
skill-mcp pull --include-index
skill-mcp init

拆解一下每一行做什麼：

init 沒抓到你的工具也不用慌——說明文件裡有備援設定檔可以自己貼進 AI 工具的設定。但有兩個地方寫錯會靜默失敗（表面正常、每次搜尋都回空），一定要照 README 原話抄：

{
  "mcpServers": {
    "skill-retrieval": {
      "command": "/absolute/path/to/skill-mcp",
      "args": ["--data-dir", "/absolute/path/to/data-dir", "serve"]
    }
  }
}

兩個「不能省」的地方（README 自己特別標為 load-bearing）：

• command 一定要絕對路徑（skill-mcp 不行）——agent 啟動的環境通常看不到你用 pip 裝進去的那個 venv（Python 虛擬環境，就是把套件裝在專案裡不污染系統的做法）目錄。跑 which skill-mcp 拿到絕對路徑貼進去。
• --data-dir 要寫完整、而且要放在 serve 前面。搞錯的話 server 會啟得起來、工具也列得出來，但每次搜尋都回空——最難 debug 的失敗方式，skill-mcp status 會印出正確目錄給你貼。

裝好之後，你的 Claude Code 對話裡就多了一個叫 skill-retrieval 的服務。你不用主動叫它，Claude 遇到不會的東西會自己去搜。

我的看法：什麼人裝了會爽、什麼人裝了浪費

給你一個直白的判斷：

• 你適合裝：你常換題材（今天寫爬蟲、明天做筆記、後天處理 PDF），或你會做研究（那 163 個科學技能對你有價值）。你希望 AI 遇到沒做過的事能自己找方法。
• 你不用裝：你只固定做一兩件事（例如就是寫某個網站）。那你直接把常用的那幾個技能裝在 Claude Code 裡就好，用起來還比較快、也不用維護 Python 環境。

最後說兩句

只看影片標題那個「89,000」，你會以為這是「把整個 AI 生態系搬回家」的救世工具。實際打開只有 374——但也已經是 8 個大廠技能庫的總集。

真正值錢的不是那個數字，是**「AI 用檢索挑技能」這個模式**。以後技能生態一定會爆炸性成長，那時候「怎麼讓 AI 從一萬個裡挑對」，會比「我要裝哪 5 個」重要得多。這個專案是我目前看過最完整的參考做法。

想先體驗看看技能本身、又不想搞 Python 環境，可以先從單一技能裝起：

延伸閱讀：

• AI 幫你寫程式老是衝太快？幫它裝一套資深工程師的紀律—就是這 8 個上游裡 Superpowers 的完整介紹
• MCP 是什麼？三個新手最常搞錯的誤解—沒接觸過這個協定的先看這篇
• MCP server 教學：自己寫一個要多久？我從空資料夾實測一次—想懂內部長怎樣的話