DiscoMCP – 将未知的MCP转化为AI代理可重复使用的操作技能

DiscoMCP是一个创新的开源项目，旨在解决AI代理在使用MCP（模型上下文协议）服务器时面临的典型问题：代理虽然擅长代码，但往往在众多工具中迷失，不知道哪些操作重要、数据如何关联以及哪些操作是安全的。这导致代理经常猜测或停滞不前。

DiscoMCP通过一个简单的命令即可解决这个问题。它指向任意MCP服务器，然后为代理生成一个关于如何使用该服务器的“技能”——不是通用的工具列表，而是用户实际的工作流和数据：用户真正使用的视图、表和记录，回答真实问题的序列，以及结果之间的关联。该技能通过观察用户自己的工作空间学习而来，且无需对现有系统做任何更改。

该工具的核心卖点之一是“只读保证”。DiscoMCP在一个默认拒绝的门控后运行：仅当能证明某个操作是读取时才执行。任何可能写入、更改或删除的操作都会被拒绝，即使工具声称无害。所有保存的内容中敏感信息也会被剥离。这使得用户可以在生产系统中放心地让代理学习。

DiscoMCP的使用非常简单：只需运行npx @ieranama/discomcp --help，然后配置一个简单的TOML文件指向目标服务器，再执行discomcp serve --config ./discomcp.toml即可。代理进行探索，DiscoMCP保证安全并生成技能文件，结果保存在.discomcp/profiles/<目标>/SKILL.md中，可直接用于代理。

基准测试显示，在相同问题、相同服务器、相同模型的情况下，使用生成技能后任务效率显著提升：目标查找减少了约28%的往返次数（从约12次降至约5次），跨数据集推理减少约44%（从约10次降至约6次），完整管道追踪减少约57%（从约10-13次降至约3次）。项目团队指出，样本量较小，这些结果仅指示方向而非保证，但使用技能在复杂服务器上能减少往返次数并带来更稳定的行为。

DiscoMCP使用Rust构建，模型负责思考，而一个小的确定性核心执行所有安全检查。生成的技能中的每个声明都标记了信息来源（声明、文档、观察或推断），代理不会将猜测当作事实。项目采用Apache-2.0或MIT许可证双许可，并欢迎贡献。