スキル

Awesome-OKF：OKF リソースカタログを AI agent につなぐ

AI agent に Open Knowledge Format（OKF）のツール、プラグイン、skills、ドキュメントのカタログを直接検索させたい、または既存コンテンツをまとめて agent 向け OKF 形式へ変換したいなら最適です。前提は Python 環境と MCP 対応クライアントがあること、そして README は生成物であり、エントリ変更は data/catalog.yaml だけを触ることです。

公式ソース · Awesome-OKF

インストール

pipx install awesome-okf

向いている人

  • AI agent に OKF（Open Knowledge Format）リソースカタログを直接照会させたい開発者や agent 利用者。カタログには OKF 関連のツール、プラグイン、skills、提案、ドキュメントが収録されています。
  • すでに MCP 対応クライアントを使っており、search_catalog や get_catalog_entry のようなツールでプログラマティックに検索したい人。
  • 自分のコンテンツを OKF カタログ（Markdown ファイル + YAML frontmatter）に変換し、myokf validate で検証したい人。

向かない場合：

  • OKF のリソース発見や変換が必要なく、他分野のデータだけを照会したい場面。
  • README を直接編集する人——公式は README*.md が生成物であり手で直してはならず、data/catalog.yaml を変更して再生成する必要があると明記しています。
  • 公式が説明していない点（対応クライアント一覧、変換の入力言語範囲、具体的なシステム要件など）は本ページでは推測せず、未確認と記します。

3分で初回トライ

前提：ローカルに Python 環境があり、pipx が入っていること（公式の導入方法）。これは Python 実装の CLI + MCP meta-server です。

  1. インストール：ターミナルで次を実行

    pipx install awesome-okf

  2. agent を接続：MCP server をコマンド awesome-okf-server で MCP クライアントに登録します（公式の説明は "Connect it to your MCP client"。各クライアントの具体的な登録手順は証拠になく、利用中クライアントのドキュメントに従ってください）。

  3. 低リスクの読み取り専用タスクを実行：agent に「search_catalog でカタログ内の OKF ツールを検索し、最初の数件を返して」と伝えます。このツールは query/kind/limit パラメータを受け取り、カタログ照会であり、書き込みは発生しません。

成功の合図：agent がカタログエントリを返す（get_catalog_entry / list_catalog のデータに基づく）、または catalog_stats の統計を返す——meta-server がつながっていることを示します。

注意：初回は照会だけにしてください。convert_to_okf と scripts/convert-to-okf.py は OKF カタログファイルを生成する書き込み操作です。出力先パスを確認し、Markdown + YAML frontmatter ファイルが作られることを理解してから実行してください。

利用ケース

ケース 1：agent に OKF リソースを探してもらう。 シナリオ：OKF エコシステムで使えるツールやスキルを知りたいとき。接続済みの agent に「search_catalog を使い、query に探したいキーワードを入れ、kind で種類フィルタ、limit で件数を指定」と依頼します。agent は meta-server の検索ツールを呼び、一致するツール/プラグイン/skills/提案/ドキュメントのエントリを返します。統計は catalog_stats で見られます。純粋な照会で、結果はカタログエントリそのものです。

ケース 2：既存コンテンツを OKF カタログへ変換する。 シナリオ：構造化テキスト（リスト、JSON、キーと値、URL リストなど）を agent 向けの知識フォーマットにしたいとき。scripts/convert-to-okf.py を使い、--format anything モードはパースチェーン（list → JSON → key-value → URLs → line-per-row）を順に試し、どれかのパーサーが成功するまで続けます。確認できる結果：YAML frontmatter 付き Markdown ファイルのカタログが生成され、その後 myokf validate で検証できます。副作用：この手順はディスクにファイルを書き込み、変換はローカルエンジンが行います。先に出力ディレクトリの場所を確認してください。証拠がカバーしていない点：convert_to_okf という MCP ツールを直接呼んで同じ変換ができるか、変換失敗時の具体的なエラー挙動。

利用上の境界

  • README*.md を直接編集しない：それらは生成物です。エントリを変えるには data/catalog.yaml を編集して再生成してください。公式は提出前に awesome-okf validate と pytest を通すよう求めています。
  • ネットワーク/ファイルアクセス：変換はローカルエンジン（extraction done by local engines only）を使い、外部取得は行いません。meta-server 自体のネットワーク挙動は公式未記載で、不明とします。
  • 確認ポイント：ファイルを書き込む操作（変換、生成）は先に出力先パスを確認してください。照会系ツール（search_catalog、list_catalog、get_catalog_entry、catalog_stats）はカタログ読み取りですが、「ファイルを書かない、コマンドを実行しない」という絶対的な安全結論を支える証拠は足りないため、断言しません。
  • 実行環境：Python 実装の CLI と MCP meta-server を pipx で導入します。MCP 対応クライアントが必要です。公式は対応 MCP クライアントを列挙していません。
  • 未確認情報：対応する自然言語の範囲、各 MCP クライアントの登録詳細、システム依存関係のバージョンは公式原文にありません。使う前にリポジトリの最新ドキュメントを参照してください。