Agentic MCP server
Commit 22. Okt. 2026Ermöglicht es einem AI-Client, MCP server bei Bedarf durch dreistufiges Lazy Loading zu entdecken und aufzurufen, was den Token-Verbrauch reduziert, ohne dass vollständige Tool-Listen vorinstalliert werden müssen.
Auch bekannt als cablate/Agentic-MCP-Skill
- Stars
- 41
- Tools
- —
- Downloads, 30 Tage
- —
- Neueste Version
- —
- Letzter Commit
- 22. Okt. 2026
- Lizenz
- —
Was ist Agentic MCP?
Agentic ist ein MCP server. Ermöglicht es einem AI-Client, MCP server bei Bedarf durch dreistufiges Lazy Loading zu entdecken und aufzurufen, was den Token-Verbrauch reduziert, ohne dass vollständige Tool-Listen vorinstalliert werden müssen.
Zusammenfassung generiert aus dem README des Projekts
Über Agentic MCP server
Entwickler, die die Nutzung des AI-Context-Windows optimieren wollen, können dieses Tool nutzen, um Model Context Protocol Server durch eine Progressive-Disclosure-Strategie zu verwalten. Anstatt jedes verfügbare Tool gleichzeitig in einen AI-Client zu laden, was massiv Tokens verbraucht, nutzt dieses System einen dreistufigen Ansatz, um nur die notwendigen Informationen abzurufen. Es beginnt mit grundlegenden Server-Metadaten, geht über zu Tool-Listen und lädt schließlich spezifische Input-Schemas erst dann, wenn ein Tool aufgerufen werden soll.
Dieses experimentelle Projekt arbeitet über eine socketbasierte Daemon-Architektur, die persistente Verbindungen zu verschiedenen MCP servern wie Playwright oder Filesystem-Tools aufrechterhält. Nutzer konfigurieren ihre Umgebung über eine JSON-Datei und interagieren mit dem System über eine Command-Line-Interface. Durch die Implementierung dieses Lazy-Loading-Musters können Entwickler erhebliche Token-Einsparungen erzielen, was die Kosten für die Verwaltung eines großen Toolsets im Vergleich zu herkömmlichen Methoden um über 80 Prozent senken kann.
Was du damit machen kannst
- 1AI Token-Verbrauch reduzierenEin AI-Client kann verfügbare Tools durchsuchen und das vollständige Input-Schema nur für das spezifische Tool laden, das er tatsächlich verwenden möchte.
- 2Mehrere MCP server verwaltenEin Entwickler kann verschiedene MCP server wie Playwright oder GitHub über einen einzigen Daemon konfigurieren und ausführen.
- 3Webbrowser-Aufgaben automatisierenDu kannst eine AI anweisen, Websites zu navigieren, Screenshots zu machen oder Elemente per Playwright-Integration anzuklicken.
- 4Server-Konfigurationen live aktualisierenDu kannst deine Server-Liste in der Konfigurationsdatei ändern und die Änderungen anwenden, ohne den Daemon stoppen zu müssen.
Geschrieben aus dem README des Projekts. Jeder Use Case wurde gegen ein Zitat daraus geprüft.
Automatisierte Checks
Geluften am 14. Nov. 2026Vollständiger Bericht →Noch nicht verifiziert. Ein Server benötigt einen Score von 80, keine kritischen Befunde und genug Daten für unsere Prüfung. Wie die Checks funktionieren · Was du für mehr Punkte verbessern kannst
- Source Repository verknüpft und erreichbarcablate/agentic-mcp-skill is public and reachablegithub.com/cablate/agentic-mcp-skill ↗Bestanden
- Paket nennt dieses Repository als QuelleNicht geprüft
- Build-Provenienz (Sigstore-Attestierung)Nicht geprüft
- Open Source Lizenz (OSI)No licenseBefund
- Commit oder Release im letzten JahrLast commit or release 2026-10-22github.com/cablate/agentic-mcp-skill ↗Bestanden
- OpenSSF ScorecardNicht geprüft
- Package-Name ähnelt keinem populären PackageNicht geprüft
- Keine kritischen Advisories im Paket oder seinen AbhängigkeitenNicht geprüft
- Keine versteckten Anweisungen an das Modell0 tool descriptions and the README read; no override phrases, credential paths or hidden charactersBestanden
- Destruktive Tools sind markiertNicht geprüft
- Remote-Endpoint beantwortet den MCP-HandshakeNicht geprüft
README
Auf GitHub ansehenAgentic-MCP with Skill
AgentSkill for MCP - Three-layer progressive disclosure validates AgentSkills.io pattern for efficient MCP token usage
Design Intent
Proven AgentSkills Pattern
In the AgentSkills.io ecosystem, Progressive Disclosure combined with Script linkage has been validated as effective:
- AI only loads specific information when needed, significantly reducing token usage
- Scripts can be invoked via AI commands, providing high customization potential
- Sharing tools via scripts is far less costly than developing and using complex MCP Servers
The impact of this pattern is significant and substantial.
Current MCP Skill Dilemma
Despite this, many Skills using MCP still face two extreme options:
Option 1: Install MCP directly in Claude Code, Skill only guides AI to call MCP
- MCP server occupies AI context long-term
- Full tool list loaded every conversation
- Token waste, and MCP itself cannot be progressively explored
Option 2: Write custom scripts yourself
- Tests user's programming skills
- High customization but lacks standards
- Each MCP has its own format/specs, high adaptation cost for both open and closed source
- Difficult to maintain and share
This Skill's Goal
Validate whether AgentSkills.io pattern applies to improving MCP usage
This concept validation attempts to port AgentSkills' successful pattern to the MCP domain:
- Can AgentSkills architecture apply to MCP server management?
- Is three-layer progressive disclosure effective in MCP scenarios?
- Is Socket-based daemon architecture more practical than direct MCP usage?
Experimental Nature
This is not a mature product, but an experiment:
- Test AgentSkills pattern applicability in MCP domain
- Explore actual effectiveness of three-layer loading
- Validate pros/cons of Daemon architecture
- Serve as reference prototype for future development
Important Disclaimer
This is a very early, rushed AI-assisted demo version with current goals:
- Validate concept feasibility
- Explore usage patterns
- Collect feedback for improvements
Not recommended for production use. Expect many issues and optimization opportunities. If you find any problems or have suggestions, please open an Issue or contribute a PR.
Core Concepts
Three-Layer Progressive Disclosure
Like AgentSkills, you don't need to load everything at once:
Layer 1: Know which servers are available
Load only basic info (name, version, status)
Usage: ~50-100 tokens
Use case: Check availability, choose server
Layer 2: Know what tools this server provides
Load tool list (names + brief descriptions)
Usage: ~200-400 tokens
Use case: Browse available tools, decide what to use
Layer 3: Load only the tools you need
Load complete input format for specific tool
Usage: ~300-500 tokens/tool
Use case: Before calling tool
Why This Approach
Assume an MCP server has 20 tools, you only need 2:
| Loading Method | Token Usage | Description |
|---|---|---|
| Load All | 6,000 | 20 tools × 300 tokens |
| Three-Layer Progressive | 850 | Metadata(50) + List(200) + 2 tools(600) |
| Savings | 86% | Only load what you need |
Development Status
Future Plans
Based on concept validation results, future directions include:
Short-term Goals
- More convenient MCP Servers management (UI, auto-discovery, one-click install)
- Implement Auth features (API Key management, permission control)
Mid-term Goals
- Enhance MCP Server tool calling experience (better error messages, parameter validation, result formatting)
- Intercept MCP Server output with customizable Script data processing, avoid massive messy data entering conversation memory
This project's direction depends on:
- Concept validation results
- Community feedback
- Actual usage needs
Feedback and suggestions welcome.
Quick Start
Prerequisites
- Node.js >= 18.0.0
- npm
1. Install from npm (Recommended)
# Install globally
npm install -g @cablate/agentic-mcp
# Verify installation
agentic-mcp --version
# Start daemon
agentic-mcp daemon start
2. Configure
Edit mcp-servers.json in the project root:
{
"servers": {
"playwright": {
"description": "Browser automation tool for web navigation, screenshots, clicks, form filling, and more",
"type": "stdio",
"command": "npx",
"args": ["@playwright/mcp@latest", "--isolated"]
}
}
}
3. Start Daemon
node dist/cli/index.js daemon start --config <config-path>
4. Test Connection
# Check daemon health
agentic-mcp daemon health
# Layer 1: Check server status
agentic-mcp metadata playwright
# Layer 2: List available tools
agentic-mcp list playwright
# Layer 3: View specific tool format
agentic-mcp schema playwright browser_navigate
5. Call Tool
agentic-mcp call playwright browser_navigate --params '{"url": "https://example.com"}'
Testing
This project uses Vitest for testing with the following test suites:
Running Tests
# Run tests in watch mode
npm test
# Run tests once
npm run test:run
# Run with coverage report
npm run test:coverage
Test Structure
tests/
├── unit/
│ ├── client.test.ts # ProgressiveMCPClient tests (12 tests)
│ ├── socket-client.test.ts # SocketClient tests (7 tests)
│ └── cli/
│ └── commands.test.ts # CLI command tests (6 tests)
Current Coverage
- Statements: 61.71%
- Branches: 47.29%
- Functions: 65.85%
- Lines: 61.53%
Test coverage focuses on core modules (client.ts, socket-client.ts). Daemon integration tests are deferred to future work.
Test Philosophy
This project follows a pragmatic progressive approach:
- Focus on happy path testing first
- Use real MCP server (
@modelcontextprotocol/server-filesystem) for integration - Mock only where necessary (e.g.,
netmodule for SocketClient) - Defer complex scenarios (daemon socket tests) to keep initial implementation simple
Usage Examples
Web Automation
Automate browser operations using Playwright MCP server:
# 1. Navigate to website
agentic-mcp call playwright browser_navigate --params '{"url": "https://www.apple.com/tw"}'
# 2. Take screenshot
agentic-mcp call playwright browser_take_screenshot
# 3. Click element
agentic-mcp call playwright browser_click --params '{"element": "Mac link", "ref": "e19"}'
Hot Reload Configuration
Reload after modifying mcp-servers.json without restarting daemon:
agentic-mcp daemon reload
Response example:
✓ Configuration reloaded
Old servers: playwright_global
New servers: playwright_global, filesystem_global
Architecture
System Architecture
+-----------------------------+
| AI / CLI Layer |
| (CLI commands) |
| - agentic-mcp metadata |
| - agentic-mcp list |
| - agentic-mcp schema |
| - agentic-mcp call |
+-----------+-----------------+
| Socket (newline-delimited JSON)
v
+-----------------------------+
| MCP Daemon (Long-Running) |
| - Maintain persistent MCP |
| connections |
| - Socket communication |
| - Manage shared sessions |
| - Support Hot Reload |
+-----------+-----------------+
| MCP Protocol
v
+-----------------------------+
| MCP Servers |
| - playwright (browser) |
| - filesystem (files) |
| - github (Git) |
| - custom servers |
+-----------------------------+
Configuration
MCP Servers Configuration
Edit mcp-servers.json:
{
"servers": {
"playwright": {
"description": "Browser automation tool for web navigation, screenshots, clicks, and form filling",
"transportType": "stdio",
"command": "npx",
"args": ["@playwright/mcp@latest", "--isolated"]
}
}
}
Configuration Notes:
description(optional): Server description for AI to understand the MCP server's purpose. If not provided, Layer 1 metadata will not include this field.
Resources
- SKILL.md - Complete usage guide
- docs/AGENT_BROWSER_DESIGN_PATTERNS.md - Design patterns learned from agent-browser
- MCP Specification
- MCP TypeScript SDK
- AgentSkills.io
This is a concept validation project, feedback welcome
Agentic MCP Fragen
Wie reduziert Agentic-MCP den MCP Token-Verbrauch?
Es lädt MCP-Informationen in drei Ebenen: zuerst Server-Metadaten, dann Tool-Listen und schließlich die vollständigen Schemas nur für die Tools, die du tatsächlich aufrufst. Laut README spart das etwa 86 % der Tokens, wenn ein Server viele Tools hat, du aber nur wenige davon benötigst.
Welche Commands bietet agentic-mcp?
Es stellt CLI-Commands für metadata, list, schema und call bereit, sowie daemon start, health und reload. Diese entsprechen den drei Ebenen der Offenlegung und dem Aufruf von Tools.
Wie installiere und starte ich Agentic-MCP?
Installiere es global über npm und starte dann den Daemon mit dem Befehl daemon start unter Verwendung einer Config-Datei. Node.js 18 oder neuer ist erforderlich.
Wie werden MCP server konfiguriert?
Server werden in der mcp-servers.json mit einer Beschreibung, dem Transport-Typ, dem Command und den Args definiert. Du kannst den Daemon nach einer Bearbeitung neu laden, sodass neue Server übernommen werden, ohne ihn neu starten zu müssen.