MCP

agent-config：统一多个 AI 工具的 skills 与治理规则，可自托管只读 MCP 端点

agent-config 最适合想用一套 skills 与治理规则统一多个 AI 工具配置、并可自托管只读 MCP 端点的开发者；使用前需 Node ≥ 18，注意 init 只写全局目录、Worker 端仅提供只读治理内容。

官方来源 · event4u-app/agent-config

安装

npx @event4u/agent-config init

agent-config 把一套 skills、rules、commands、guidelines、personas 经 npm 分发，并投影进受支持 AI 工具的原生配置，遵循 Agent Skills 开放标准；同一批治理内容也能从你自己的 Cloudflare Worker 以 MCP 端点对外提供。它不是 agent runtime：agent 循环、LLM 调度与工具编排仍留在宿主工具侧。它解决的是很具体的问题——同一套 skills 与治理规则，不必在每个工具里各配一遍。

适合谁

  • 适合在多个 AI 工具之间切换、希望 skills 与治理规则保持一致的开发者和团队：内容层可投影进 Claude Code、Augment、Cursor、Cline、Windsurf、Gemini CLI、Copilot 等宿主工具的原生配置，一次维护、多工具共用。
  • 适合需要自托管 MCP 端点的个人与团队：治理内容从你自己的 Cloudflare Worker 提供，Claude Desktop、Claude Code、Cursor、Zed、Continue、托管 agent 等任意 MCP 客户端都经 HTTP 访问，不必在每个客户端重复维护一份内容。
  • 不适合把它当作 agent runtime：它不运行 agent 循环，也不接管 LLM 调度与工具编排；想找一个替你执行任务、调度模型的服务，这些能力都在宿主工具里。
  • 不适合指望开箱即用本地服务的人：内置 local stdio server 需要本地 checkout，不是即装即用。
  • 运行前提：Node ≥ 18；除此之外的系统要求证据未给出，未确认。

3 分钟完成第一次尝试

主路径只有一条：官方 canonical 安装命令，加一次全局目录检查。

  1. 前提：本机已安装 Node ≥ 18。
  2. 在终端运行官方 canonical 命令：npx @event4u/agent-config init。
  3. 执行前先明确副作用：init 只写全局目录——~/.event4u/agent-config/、~/.claude/、~/.cursor/ 等；不写项目文件，project scope 仅限维护者。这是本地状态写入，不是远端提交；证据未说明撤销或回退方式，若不确定影响，先备份这些目录再执行。
  4. 成功信号：命令结束后上述全局目录出现写入内容；在受支持工具的原生配置中能看到投影进去的 skills、rules、commands、guidelines、personas。想先确认范围，可直接查看这几个全局目录中的文件。

服务端方式只作次要说明：部署你自己的 Cloudflare Worker 后，治理内容可作为 MCP 端点供客户端访问。证据确认该能力，但未给出部署命令与配置片段，具体步骤未确认；这是远端配置动作，不要把它当成快速上手的必经环节。初次接触建议优先调用只读小工具（如 memory_lookup、list_*）：只读只表明不执行写操作，不代表没有其他风险，也不能据此推断不会联网或不读取本地数据。

使用案例

案例一：让 Claude Code 与 Cursor 共用同一套技能与规则。 两套工具分开维护配置容易漂移。在满足 Node ≥ 18 的机器上运行 npx @event4u/agent-config init，由它把内容层写入全局目录。证据范围内的预期结果：~/.event4u/agent-config/、~/.claude/、~/.cursor/ 等目录被写入，内容遵循 Agent Skills 开放标准，项目内文件不受影响；此后两个工具的原生配置里都能读到同一批 skills 与 rules。官方说明投影目标是每一个受支持的工具，不限于这里举例的两个。适用时机：当两个工具里的技能与规则各自演进、口径不一，想以一份内容为准时走这条路径。局限：它只解决内容分发，不会替你在工具里执行任何技能。

案例二：自托管一个只读 MCP 治理端点。 团队希望多个客户端经 HTTP 读取统一治理内容，而不必逐台安装。在你的 Cloudflare Worker 上把它作为 MCP 端点提供：治理内容以 MCP prompts 和 resources 的形式输出 skills、commands、rules、guidelines、contexts，并附带只读工具 memory_lookup、chat_history_read、list_*；Claude Desktop、Claude Code、Cursor、Zed、Continue、托管 agent 等 MCP 客户端可经 HTTP 访问。可观察结果：客户端连接后，能在 prompts 与 resources 列表中看到这些治理内容，并调用上述只读工具。要一并预期：Worker 不执行约 112 个 Python 脚本（linters、audits、task ci、work-engine hooks），这些脚本需按 Quickstart 本地安装后运行；Worker 的部署步骤证据未给出，可确认到官方声明该能力这一步。

使用边界

  • 读写性质：Worker 端只读——治理内容以 prompts 与 resources 提供，工具仅限 memory_lookup、chat_history_read、list_* 等只读小工具，官方未说明存在任何写操作工具；init 是本地写入，范围仅限全局目录，不碰项目仓库。只读工具只证明不执行写操作；会不会联网、会不会读取本地数据，证据未说明。
  • 副作用与确认点：init 写入 ~/.event4u/agent-config/、~/.claude/、~/.cursor/ 等；project scope 仅限维护者，意味着普通安装不会改动你的任何项目仓库。证据未说明自动撤销或回滚方式，也未列出具体写入文件清单。
  • 官方明确限制：Worker 不执行约 112 个 Python 脚本（linters、audits、task ci、work-engine hooks），需按 Quickstart 本地安装；内置 local stdio server 仅在 Glama MCP Registry 供发现，需要本地 checkout（见 ADR-067）。
  • 路径核对：内容分发到各工具选 init；经 MCP 读取治理内容选 Worker；要执行 Python 脚本则按 Quickstart 本地安装后运行。
  • 尚未确认：Worker 的部署命令与配置片段、各客户端的具体接入配置、除 Node ≥ 18 外的完整系统要求。这些证据未给出，动手前以官方仓库为准。