MCP

agent-config：統一多個 AI 工具的 skills 與治理規則，可自行架設唯讀 MCP 端點

agent-config 最適合想用一套 skills 與治理規則統一多個 AI 工具設定、並可自行架設唯讀 MCP 端點的開發者；使用前需 Node ≥ 18，注意 init 只寫全域目錄、Worker 端僅提供唯讀治理內容。

官方來源 · event4u-app/agent-config

安裝

npx @event4u/agent-config init

agent-config 把一套 skills、rules、commands、guidelines、personas 透過 npm 分發，並投影進受支援 AI 工具的原生設定，遵循 Agent Skills 開放標準；同一批治理內容也能從你自己的 Cloudflare Worker 以 MCP 端點對外提供。它不是 agent runtime：agent 迴圈、LLM 調度與工具編排仍留在宿主工具端。它解決的是很具體的問題——同一套 skills 與治理規則，不必在每個工具裡各配一遍。

適合誰

  • 適合在多個 AI 工具之間切換、希望 skills 與治理規則保持一致的開發者與團隊：內容層可投影進 Claude Code、Augment、Cursor、Cline、Windsurf、Gemini CLI、Copilot 等宿主工具的原生設定，一次維護、多工具共用。
  • 適合需要自行架設 MCP 端點的個人與團隊：治理內容由你自己的 Cloudflare Worker 提供，Claude Desktop、Claude Code、Cursor、Zed、Continue、託管 agent 等任何 MCP 用戶端都透過 HTTP 存取，不必在每個用戶端重複維護一份內容。
  • 不適合把它當作 agent runtime：它不執行 agent 迴圈，也不接管 LLM 調度與工具編排；想找一個替你執行任務、調度模型的服務，這些能力都在宿主工具裡。
  • 不適合指望開箱即用本地服務的人：內建 local stdio server 需要本地 checkout，不是即裝即用。
  • 執行前提：Node ≥ 18；除此之外的系統需求證據未提供，未確認。

3 分鐘完成第一次嘗試

主路徑只有一條：官方 canonical 安裝指令，加一次全域目錄檢查。

  1. 前提：本機已安裝 Node ≥ 18。
  2. 在終端機執行官方 canonical 指令：npx @event4u/agent-config init。
  3. 執行前先明確副作用：init 只寫全域目錄——~/.event4u/agent-config/、~/.claude/、~/.cursor/ 等；不寫專案檔案，project scope 僅限維護者。這是本地狀態寫入，不是遠端提交；證據未說明撤銷或回退方式，若不確定影響，先備份這些目錄再執行。
  4. 成功訊號：指令結束後上述全域目錄出現寫入內容；在受支援工具的原生設定中能看到投影進去的 skills、rules、commands、guidelines、personas。想先確認範圍，可直接查看這幾個全域目錄中的檔案。

伺服器端方式僅作次要說明：部署你自己的 Cloudflare Worker 後，治理內容可作為 MCP 端點供用戶端存取。證據確認該能力，但未提供部署指令與設定片段，具體步驟未確認；這是遠端設定動作，不要把它當成快速上手的必經環節。初次接觸建議優先呼叫唯讀小工具（如 memory_lookup、list_*）：唯讀只表示不執行寫入操作，不代表沒有其他風險，也不能據此推斷不會連上網路或不讀取本地資料。

使用案例

案例一：讓 Claude Code 與 Cursor 共用同一套技能與規則。 兩套工具分開維護設定容易漂移。在滿足 Node ≥ 18 的機器上執行 npx @event4u/agent-config init，由它把內容層寫入全域目錄。證據範圍內的預期結果：~/.event4u/agent-config/、~/.claude/、~/.cursor/ 等目錄被寫入，內容遵循 Agent Skills 開放標準，專案內檔案不受影響；此後兩個工具的原生設定裡都能讀到同一批 skills 與 rules。官方說明投影目標是每一個受支援的工具，不限於這裡舉例的兩個。適用時機：當兩個工具裡的技能與規則各自演進、標準不一，想以一份內容為準時走這條路徑。侷限：它只解決內容分發，不會替你在工具裡執行任何技能。

案例二：自行架設一個唯讀 MCP 治理端點。 團隊希望多個用戶端透過 HTTP 讀取統一治理內容，而不必逐台安裝。在你的 Cloudflare Worker 上把它作為 MCP 端點提供：治理內容以 MCP prompts 和 resources 的形式輸出 skills、commands、rules、guidelines、contexts，並附帶唯讀工具 memory_lookup、chat_history_read、list_*；Claude Desktop、Claude Code、Cursor、Zed、Continue、託管 agent 等 MCP 用戶端可透過 HTTP 存取。可觀察結果：用戶端連線後，能在 prompts 與 resources 清單中看到這些治理內容，並呼叫上述唯讀工具。要一併預期：Worker 不執行約 112 個 Python 腳本（linters、audits、task ci、work-engine hooks），這些腳本需按 Quickstart 本地安裝後執行；Worker 的部署步驟證據未提供，可確認到官方聲明該能力這一步。

使用邊界

  • 讀寫性質：Worker 端唯讀——治理內容以 prompts 與 resources 提供，工具僅限 memory_lookup、chat_history_read、list_* 等唯讀小工具，官方未說明存在任何寫入操作工具；init 是本地寫入，範圍僅限全域目錄，不碰專案儲存庫。唯讀工具只證明不執行寫入操作；會不會連上網路、會不會讀取本地資料，證據未說明。
  • 副作用與確認點：init 寫入 ~/.event4u/agent-config/、~/.claude/、~/.cursor/ 等；project scope 僅限維護者，意味著一般安裝不會改動你的任何專案儲存庫。證據未說明自動撤銷或回滾方式，也未列出具體寫入檔案清單。
  • 官方明確限制：Worker 不執行約 112 個 Python 腳本（linters、audits、task ci、work-engine hooks），需按 Quickstart 本地安裝；內建 local stdio server 僅在 Glama MCP Registry 供探索，需要本地 checkout（見 ADR-067）。
  • 路徑核對：內容分發到各工具選 init；透過 MCP 讀取治理內容選 Worker；要執行 Python 腳本則按 Quickstart 本地安裝後執行。
  • 尚未確認：Worker 的部署指令與設定片段、各用戶端的具體串接設定、除 Node ≥ 18 外的完整系統需求。這些證據未提供，動手前以官方儲存庫為準。