DiscoMCP – 將未知的MCP轉化為AI代理可重複使用的操作技能

DiscoMCP是一個創新的開源專案，旨在解決AI代理在使用MCP（模型上下文協議）伺服器時面臨的典型問題：代理雖然擅長程式碼，但往往在眾多工具中迷失，不知道哪些操作重要、資料如何關聯以及哪些操作是安全的。這導致代理經常猜測或停滯不前。

DiscoMCP透過一個簡單的命令即可解決這個問題。它指向任意MCP伺服器，然後為代理生成一個關於如何使用該伺服器的“技能”——不是通用的工具列表，而是使用者實際的工作流和資料：使用者真正使用的檢視、表和記錄，回答真實問題的序列，以及結果之間的關聯。該技能透過觀察使用者自己的工作空間學習而來，且無需對現有系統做任何更改。

該工具的核心賣點之一是“只讀保證”。DiscoMCP在一個預設拒絕的門控後執行：僅當能證明某個操作是讀取時才執行。任何可能寫入、更改或刪除的操作都會被拒絕，即使工具聲稱無害。所有儲存的內容中敏感資訊也會被剝離。這使得使用者可以在生產系統中放心地讓代理學習。

DiscoMCP的使用非常簡單：只需執行npx @ieranama/discomcp --help，然後配置一個簡單的TOML檔案指向目標伺服器，再執行discomcp serve --config ./discomcp.toml即可。代理進行探索，DiscoMCP保證安全並生成技能檔案，結果儲存在.discomcp/profiles/<目標>/SKILL.md中，可直接用於代理。

基準測試顯示，在相同問題、相同伺服器、相同模型的情況下，使用生成技能後任務效率顯著提升：目標查詢減少了約28%的往返次數（從約12次降至約5次），跨資料集推理減少約44%（從約10次降至約6次），完整管道追蹤減少約57%（從約10-13次降至約3次）。專案團隊指出，樣本量較小，這些結果僅指示方向而非保證，但使用技能在複雜伺服器上能減少往返次數並帶來更穩定的行為。

DiscoMCP使用Rust構建，模型負責思考，而一個小的確定性核心執行所有安全檢查。生成的技能中的每個宣告都標記了資訊來源（宣告、文件、觀察或推斷），代理不會將猜測當作事實。專案採用Apache-2.0或MIT許可證雙許可，並歡迎貢獻。