技能包

Awesome-OKF：把 OKF 资源目录接到你的 AI agent 里

如果你想让 AI agent 直接检索 Open Knowledge Format（OKF）的工具、插件、skills 与文档目录，或把现成内容批量转成 agent 友好的 OKF 格式，它最合适；前提是你有 Python 环境和一个支持 MCP 的客户端，且要记住 README 是生成产物，改条目只能动 data/catalog.yaml。

官方来源 · Awesome-OKF

安装

pipx install awesome-okf

适合谁

  • 想让 AI agent 直接查询 OKF（Open Knowledge Format）资源目录的开发者或 agent 用户：目录里收录了 OKF 相关的工具、插件、skills、提案与文档。
  • 已经在用支持 MCP 的客户端、希望用 search_catalog、get_catalog_entry 这类工具做程序化检索的人。
  • 想把自己的内容转成 OKF 目录（Markdown 文件 + YAML frontmatter）并用 myokf validate 校验的人。

不适合的情况：

  • 不需要 OKF 资源发现或转换、只想查询其他领域数据的场景。
  • README 的直接编辑者——官方明确 README*.md 由生成产出，不能手改，必须改 data/catalog.yaml 后重新生成。
  • 官方未说明的地方（如支持的客户端列表、转换的输入语言范围、具体系统要求）本页不猜测，均标注为未确认。

3 分钟完成第一次尝试

前提：本机有 Python 环境，且装有 pipx（官方给出的安装方式）。这是一套 Python 实现的 CLI + MCP meta-server。

  1. 安装：在终端执行

    pipx install awesome-okf

  2. 连接 agent：把 MCP server 以命令 awesome-okf-server 注册到你的 MCP 客户端（官方说明为 "Connect it to your MCP client"；各客户端的具体注册路径未在证据中给出，请以你的客户端文档为准）。

  3. 触发一个低风险只读任务：向 agent 说「用 search_catalog 搜索目录里的 OKF 工具，返回前几条」。该工具接受 query/kind/limit 参数，属于目录查询操作，不产生写入。

成功信号：agent 能返回目录条目（基于 get_catalog_entry / list_catalog 的数据），或给出 catalog_stats 的统计结果——说明 meta-server 已连通。

注意：首次尝试只做查询。convert_to_okf 与 scripts/convert-to-okf.py 会生成 OKF 目录文件，属于写入动作，建议在明确目标路径并知晓会生成 Markdown + YAML frontmatter 文件后再执行。

使用案例

案例 1：让 agent 帮你找 OKF 资源。 场景：你想了解 OKF 生态里有哪些工具或技能可用。向已连接的 agent 发起：「用 search_catalog，query 填你想找的关键词，kind 可按类型过滤，limit 控制条数」。agent 会调用 meta-server 的搜索工具，返回目录中匹配的工具/插件/skills/提案/文档条目；想看统计可用 catalog_stats。这是纯查询，结果即目录条目本身。

案例 2：把一份现成内容转成 OKF 目录。 场景：你有一段结构化文本（如列表、JSON、键值对、URL 列表），想转为 agent 友好的知识格式。使用 scripts/convert-to-okf.py，其 --format anything 模式会依次尝试解析链（list → JSON → key-value → URLs → line-per-row）直到某个解析器成功。可确认的结果是：生成一个含 YAML frontmatter 的 Markdown 文件目录，之后可用于 myokf validate 校验。副作用提示：此步骤会在磁盘写文件，转换由本地引擎完成；请先确认输出目录位置。证据未覆盖：是否能直接调用 convert_to_okf 这个 MCP 工具完成同样转换、转换失败时的具体报错行为。

使用边界

  • 不要直接编辑 README*.md：它们是生成产物。改条目请编辑 data/catalog.yaml，然后重新生成；官方要求条目在提交前通过 awesome-okf validate 和 pytest 校验。
  • 网络/文件访问：转换采用本地引擎（extraction done by local engines only），不涉及外部抓取；meta-server 本身的网络行为官方未说明，标注为未知。
  • 确认点：任何会写文件的动作（转换、生成）都应先确认目标路径。查询类工具（search_catalog、list_catalog、get_catalog_entry、catalog_stats）为目录读取，但「不写文件、不执行命令」的绝对化安全结论证据不足，不作断言。
  • 运行环境：Python 实现的 CLI 与 MCP meta-server，经 pipx 安装；需要支持 MCP 的客户端。官方未列出明确支持哪些 MCP 客户端。
  • 未确认信息：支持的自然语言范围、各 MCP 客户端的注册细节、系统依赖版本，官方原文未提供，使用前请查阅仓库最新文档。