lilyblessing/dsh-mcp-skill-panel

🧩 MCP 与技能管理面板

🌐 English · 中文

✨ 是什么

一个把 MCP 服务器 与 Skill 目录 变成可操作清单的设置页面板：每个条目一个启停开关，停用即释放上下文占用，启用无需重启。

还内置可选的 AI 中间层（autoManage）：开启中间层时，停用的 MCP 立即释放上下文，被中间层接管；模型需要MCP工具时，由中间层临时开启MCP，按需调用工具，由用户手动打开的 MCP 全程对模型保持可见以维持高灵敏调用 —— 上下文占用完全由你的开关决定。

🎯 核心能力

🏗️ 两种形态（面板上的「AI 中间层」开关）

stateDiagram-v2
    [*] --> 形态1直用: autoManage 关
    [*] --> 形态2中间层: autoManage 开
    形态1直用 --> 形态2中间层: 面板开关 / POST /config
    形态2中间层 --> 形态1直用: 面板开关 / POST /config

    state 形态1直用 {
        direction LR
        M1: 模型直接使用所有已启用 MCP 的原生工具（mcp__*）
        M1a: 启停只靠面板手动
    }
    state 形态2中间层 {
        direction LR
        M2: 停用的 MCP 对模型隐藏
        M2a: 模型经 mcp_search / mcp_call 按需调用
        M2b: 用户打开的 MCP 保持模型可见
        M2c: AI 临时启用不污染上下文
    }

形态 2 的装配过滤（每回合实时判定）：

flowchart TD
    A[system-prompt/assemble] --> B{工具名以 mcp__ 开头?}
    B -- 否 --> K[保留: 进入模型上下文]
    B -- 是 --> C{解析 server}
    C -- 失败 --> K
    C -- 成功 --> D{server 当前状态?}
    D -- 用户打开 disabled=false 且非 AI 启用 --> K
    D -- 用户停用 disabled=true --> F[过滤: 模型不可见]
    D -- AI 临时启用 mcp_call 保活中 --> F
    F --> G[需要时: mcp_search 检索 / mcp_call 按需调用]

📦 安装

dsh plugin --profile web add "github:lilyblessing/dsh-mcp-skill-panel#main"

产物已入库（lib/），git 源一行安装，无需构建授权。安装后重启 dsh web（bundle 层在启动时合成，热更新无效），设置页即出现「MCP 与技能管理面板」入口。

🚀 使用

1. 设置页 → MCP 与技能管理面板
2. MCP 服务器 标签页：每张卡片显示服务器名、状态徽标（运行中 / 已停用 / 无工具 / 异常）、模型可见徽标（中间层模式下用户打开=可见，停用/AI 临时=隐藏）、工具数与 token 占用估算；点右上角开关启停
3. 技能 标签页：每张卡片显示技能名、来源、描述、模型可见徽标；点右上角开关启停
4. AI 中间层开关：开启后停用的 MCP 由模型按需调用（见上节形态说明）；关闭回到经典模式
5. 手动管理（可选）：直接编辑预设组合文件（disabled: true 行）或 SKILL.md frontmatter（disable-model-invocation: true），下次重启/变更即生效

状态徽标含义：🟢 运行中（有工具）/ ⚪ 已停用 / 🟡 无工具（进程在跑但工具列表为空，多为 server 启动失败或空实现）/ 🔴 异常（未在运行也未停用）。

🔌 HTTP API

写操作鉴权（0.4.7+）：全部 POST（mcp/skill toggle、config、debug/collect）要求 x-panel-token 头与本进程随机令牌一致，否则 401 —— 阻断跨源 / DNS-rebinding 对本地控制端点的盲写；GET 只读端点（state/config/debug/token）保持开放。令牌由客户端在 /token 获取并自动携带。 旧前缀 /api/runtime-inventory/*（≤0.3.1）仍兼容注册。分域缓存（60s TTL 兜底）由事件驱动精确失效：tools/change / loader/partial-dispose → MCP 域；skills/change → Skill 域。

⚙️ 工作原理

flowchart LR
    subgraph Host["Host（Node，cordis 插件）"]
        R[webServer 路由<br/>/api/mcp-skill-panel/*]
        C[catalog 采集<br/>tools/change 增量 + last-good 持久化]
        L[loader 启停<br/>resolve + update disabled]
        F[装配过滤<br/>system-prompt/assemble]
        T[mcp_search / mcp_call<br/>保活启用 + 空闲回收]
        R --> L
        C --> R
        F --> C
        T --> C
        T --> L
    end
    subgraph Browser["浏览器（client bundle）"]
        P[MCP / 技能 双标签面板<br/>启停开关 + 模型可见徽标 + autoManage 开关]
    end
    R <--fetch--> P

MCP 启停：MCP 行是 agent preset 组合（agent.cordis.yml）中的 loader entry（@deepseek-ai/dsh-mcp-client，完整 id 形如 include:agent-presets:mcp-cheatengine）。loader.resolve(id).update({ disabled }) 实时 dispose/restart 该 entry。

MCP 持久化为何分两步：预设树（PresetTree）的 write() 是显式 no-op，且 dsh-agent-presets 用 {mtimeMs, size} stamp 检测预设文件变化 —— 运行期写该文件会触发 standing 重挂而旧实例不清理（serverName 全冲突、会话创建失败，0.1.0 实测事故）。因此 toggle 只写插件状态文件，插件 apply（启动早期、standing 未挂载）时再把意图物化到预设文件。

中间层调用链（mcp_call 对停用 server）：

sequenceDiagram
    participant M as 模型
    participant P as 插件（mcp_call）
    participant L as loader
    participant S as MCP server

    M->>P: mcp_call(server, tool, args)
    P->>L: entry.update({disabled:false})（记录 AI owner）
    L->>S: spawn / 重连
    P->>P: 等注册（轮询 tools.get + tools/change 加速）
    P->>S: tools.execute（插件内执行）
    S-->>P: 结果
    P-->>M: 文本结果
    Note over P: 引用计数 -1；空闲 30s 后回收（仅回收 AI 启用的）

catalog 采集：tools/change 事件（root 监听，150ms 去抖）对 enabled server 增量快照；apply ctx 的 agents 不可用时 fallback agentPresets.standingKeyFor() 解析 scope（v0.4.1 修复）；空快照不覆盖磁盘 last-good；catalog.json 原子写回（tmp + rename，0600）。

✅ 验证清单

⚠️ 已知限制

• 启停作用于 preset 层：一个服务器/技能的开关影响该 preset 下所有会话。
• 无 frontmatter 的 SKILL.md 无法切换（provider 本身会忽略此类文件）。
• 工具数/token 为估算值（JSON.stringify(parameters).length / 4），与模型注入面真实值近似。
• 停用后工具立即消失，但当前回合的请求缓存（如有）可能仍引用旧 schema；下一请求自然刷新。
• 持久化时滞：启停实时生效；跨重启保持依赖下次启动的物化 —— 插件在「已有会话运行」期间被热更新时，本次进程不物化，下一次重启生效。
• 手动编辑预设组合文件的 mcp 行（如手动移除 disabled: true）会令该行退出插件的持久化管理（下次启动尊重你的改动，不再覆盖）。
• 运行期写 SKILL.md 安全（skill-filesystem 的 watcher 本就预期文件被改）；运行期写预设组合文件会触发 dsh-agent-presets 的 stamp 重挂事故，插件刻意不做。
• 能力摘要表（mcp_search 空查询）只覆盖有 catalog 快照或配置了 serverSummary 的 server；从未成功启动过的 server（如 codegraph）不会列出。
• 控制端点鉴权：写操作由进程级随机令牌（x-panel-token）保护，仅面板同源客户端自动携带；GET 只读开放。宿主 webServer 本身无鉴权层，若将监听地址改为 0.0.0.0 对外暴露，建议同时依赖外层网络隔离。

🛠️ 开发

依赖已自包含（@deepseek-ai/* 构建期依赖全部并入 devDependencies，纯 registry 安装即可，无需本机 DSH 闭包）：

npm install --legacy-peer-deps --ignore-scripts   # 一次即可（旧流程的 npm run setup / junction 不再必需）
npm run typecheck  # tsc 类型检查（@deepseek-ai devDeps 提供 Context 服务类型增补）
npm run build      # tsdown（node external 全部 @deepseek-ai/*）→ 最后 tsc 生成 lib/types（顺序不可换）
npm run verify     # 产物验证（无 TOOL_RUNTIME_SCHEDULER 内联、client 包装完整、lib/types 齐全）
node scripts/selftest-mcp.mjs  # catalog 单测

lib/ 产物由 GitHub Actions 自动重建（.github/workflows/build.yml）：提交源码后推送，CI 跑 typecheck→build→verify→selftest，在 main 分支把新 lib/ 以 [skip ci] 提交回写；本地记得 pull 收产物。 为什么 --legacy-peer-deps：运行时 peer 由 DSH 闭包注入，而 registry 上 rc.6/rc.7 的 peer 声明互相咬（ERESOLVE）； 为什么 --ignore-scripts：esbuild 走 optionalDependencies 平台二进制、无需 postinstall。

node 半区 tsdown 必须 external: [/^@deepseek-ai\//]：内联 dsh-tools 会产生第二个 TOOL_RUNTIME_SCHEDULER Symbol，导致工具调度崩溃（dsh-context-doctor 同款教训）。 build.mjs 的顺序必须是「tsdown → tsc dts」：tsdown 的 clean 会清掉 lib/，若先 tsc 生成、后 tsdown，lib/types 会被连带删除（0.4.7 修复，verify 有护栏）。

📋 变更日志

📄 License

MIT © lilyblessing