GitHub 趋势周报：Agent 外挂层集体爆发，MCP 和插件市场成了新入口

这一周的 GitHub 热榜，主题很集中：给 AI 编程 Agent 打辅助。

模型本身不再是卖点。卖点变成了三件事：Agent 能不能调工具，能不能记住事，能不能装技能。

MCP 是出现频率最高的词。它是「模型上下文协议」，说白了就是一套让 AI 助手调用外部工具的通用接口，类似给 Agent 用的 USB 口。

graph TD
    A[AI 编程 Agent<br/>Claude Code / Cursor / Codex] --> B[MCP 工具接口]
    A --> C[技能包 SKILL.md]
    A --> D[插件市场]
    B --> E[逆向分析 REA]
    B --> F[本地检索 xerj]
    B --> G[本地语音 VoiceStudio]
    C --> H[绘图 diagram-design]
    C --> I[科研 scientific-agent-skills]
    D --> C
    D --> B

一、MCP：Agent 的工具插座

REA：让 Agent 直接拆二进制

morluto/rea 把 Hopper、Ghidra、IDA 这些逆向工具包成 MCP 服务。Claude Code、Cursor 里的 Agent 可以直接读二进制、Electron 应用和。NET 程序。

它不自己造逆向引擎。你机器上装了哪个，它就调哪个。Ghidra 免费，也能跑。

每条结论必须带证据：命中的函数、字符串、调用位置，还要说明「哪些没查清」。这是为了防止模型在逆向场景里编函数名。

适合两类人。想复刻竞品功能的开发者，以及要分析恶意样本的安全研究员。全程本地跑，样本不上传。

注意它更新很快，官方自己都提醒接口会变。生产用要锁版本。

顺便说一句，榜单上这个项目的星数一周从 17 万涨到 27 万，单日新增比很多项目总数还多。数据明显有放大，看趋势就行，别拿数字当结论。

xerj：让 Agent 查片段，不要 grep 整文件

xerj-org/xerj 是一条命令索引目录的本地检索服务。代码、PDF、日志、SQLite、CSV 都能自动切索引。

它解决的问题很实际：Agent 用 grep 找代码，经常把整个文件塞进上下文。xerj 返回的是具体段落和 file:line，官方说同样正确率下输出 token 少 2.7 倍。

Rust 写成单个静态二进制，不依赖 JVM。对外兼容 Elasticsearch 接口，现有客户端改个地址就能查。原生支持 MCP，一条 xerj init 写进 Claude Code 或 Cursor 配置。

适合手里有私有代码库、又在用编码 Agent 的团队。默认只绑 127.0.0.1，--insecure 会关掉鉴权和 TLS，别在公网机器上随手开。

VoiceStudio：本地版 ElevenLabs，还带 MCP

debpalash/VoiceStudio 把声音克隆、配音、听写、有声书做进一个桌面应用。支持 646 种语言，推理全在本地。

它有本地 HTTP API 和 MCP server。Claude Code、Cursor 可以直接调它合成语音，不用自己写胶水代码。

引擎可插拔，默认用 k2-fsa/OmniVoice，也能换别的 TTS/ASR 模型。安装脚本会探测硬件：NVIDIA 走 CUDA，Apple Silicon 走 Metal，没独显就装约 5GB 的 CPU 版 PyTorch。

为什么现在火？云端语音按字符收费，声音素材还要上传。医疗、法务这类场景更在意隐私。本地模型音质刚够用，MCP 又正好给了 Agent 一个调用入口。

项目还在 0.x，桌面壳刚从 Tauri 换到 Electron，老用户要重装。AGPL 许可，闭源商用集成前要先看清楚。

二、插件和技能：SKILL.md 正在变成安装包

claude-plugins-official：官方下场做插件目录

anthropics/claude-plugins-official 是 Anthropic 维护的 Claude Code 插件市场。一条 /plugin install 就能装。

它只做索引，不托管代码。插件仓库还在作者那里，市场里存的是引用和锁定的 commit。README 明确写了：Anthropic 不验证插件内容，安全责任在用户。

技术上有个细节值得看：插件名是不可变 slug，改名会触发 plugin-not-found。它用一张 renames 映射表，在加载器层面把旧名字透明改写成新名字。这是包管理器级别的兼容处理。

对开发者的价值很直接：以前接个 Jira、查个数据库，要自己写 MCP server 或复制配置 JSON。现在插件变成了可发现、可安装的东西。

但官方不审核，装之前最好自己看一遍代码。

diagram-design：给 Agent 加一个画图技能

cathrynlavery/diagram-design 是一个 Agent Skill。说一句话，生成单文件 HTML + SVG 的图表，内置 45 种类型。

它绕开了 Mermaid。Mermaid 在 Markdown 里能实时渲染，但默认样式土，排版几乎不可控。这个项目让模型直接写 SVG，版式、字重、留白都能管。

还能做品牌对齐：给它一个网址，它抓配色和字体，之后每张图都套这套规范。

为什么火？两个原因叠在一起。一是工程师对 Mermaid 默认样式早就看烦了。二是 Agent Skills 成了跨工具的分发标准，一份 SKILL.md 能装进 Claude Code、Cursor、Codex、Copilot 等十几个宿主。

代价是出图质量随宿主模型波动。它不是一个稳定的渲染器，更像一套设计约束加提示词。

scientific-agent-skills：177 个科研技能包

K-Dense-AI/scientific-agent-skills 把生物、化学、医药、影像等领域的科研流程写成技能文件。覆盖 100 多个科学数据库。

它卖的不是「能调工具」，而是「怎么用对」。比如单细胞 RNA-seq、CRISPR 筛选、LC - MS / MS 肽段鉴定、DICOM 脱敏，每个技能都写死了参数约定和校验步骤。

项目刚从 Claude Scientific Skills 改名，去掉 Claude 绑定，转向开放的 Agent Skills 标准。这个动作本身说明：技能包想做成可移植资产，不绑死某一家 Agent。

临床相关技能主动划了边界，写明只做研究辅助，不做诊断，也不做决策规则。这在医疗合规上是必要的。

注意 177 个技能质量难免参差，正式用之前抽检几个。底层还是 Biopython、RDKit、scanpy 这些老库，它只是把用法提前封好了。

ECC 和 ai-job-search：跨宿主抽象层与个人工作流

affaan-m/ECC 想做跨 Agent 的统一插件层。一套配置同时喂 Claude Code、Codex、Cursor、OpenCode 等 7 个宿主，包含技能、记忆和安全护栏。

它的思路是：用户手上不止一个 Agent，每换一个就要重讲一遍背景，这个成本该被抽掉。核心 MIT 免费，私有仓库订阅收费。

MadsLorentzen/ai-job-search 则是另一种样本：个人开发者拿 Claude Code 斜杠命令拼出的求职流水线。抓岗位、打分排序、改简历、写求职信、准备面试。作者说自己投了 69 份，拿到 offer。

简历用 LaTeX 生成，还做一次 ATS 可解析性检查。流程是两段式：先由 drafting agent 出稿，再交给独立的 reviewer agent 挑毛病。

它提醒了一件事：Agent 工作流不一定非要上云。个人数据留在本机，模型走自己的订阅，产物是 LaTeX 源码，不是锁在别人后台的文档。

但 fork 前要小心。公开仓库的 fork 一定是公开的，/setup 会把姓名、联系方式、薪资期望写进被 git 跟踪的文件。自己用应该建私有仓库。

三、本地优先：小显卡、少上传、自己掌控

AirLLM：70B 模型塞进 4GB 显存

lyogavin/airllm 的思路不复杂：把模型按层切成文件存盘，每次只把一层搬进显存，算完就释放。

显存占用只跟最大一层有关，跟总参数量无关。所以 70B 甚至 2.8T 的 MoE 模型也能在小显卡上跑。代价是速度，瓶颈从算力变成了磁盘和 PCIe 带宽。

它还把这套思路用到训练上：冻结权重逐层流式读入，LoRA 适配器常驻显存，6GB 显卡能微调 125B 模型。

适合验证、离线演示、教学。不适合高并发生产，因为逐层搬权重的延迟摆在那里。

gods-eye-view：浏览器里的「间谍卫星」地球仪

bilawalsidhu/gods-eye-view 把航班、船舶、卫星、地震、气象、公共摄像头叠在同一个 3D 地球上。用 Cesium 渲染，浏览器里跑。

它的传播点很明确：视觉上像军用驾驶舱，数据全部来自公开源，代码可查。零 API key 就能起步，高清影像才需要自己填 key。

图层是独立模块，ADS - B 航班、AIS 船舶、TLE 卫星轨道、USGS 地震各管各的。还接了语音 Agent，可以问某颗卫星什么时候过顶。

对 OSINT 研究者、记者、地理老师来说，这比同时开 Flightradar24、MarineTraffic 和 USGS 三个网站方便。

但公共接口容易被限流。旧版就遇到过 Overpass 拒绝服务，导致交通和摄像头图层空白。

四、不只是 AI：逆向、跨平台和创作工具

Ghidra：NSA 的逆向框架又回榜

NationalSecurityAgency/ghidra 是美国国安局开源的逆向工程框架。能把二进制反汇编、反编译成类 C 代码。

新版把运行环境抬到 JDK 25，还内置了 PyGhidra，Python 可以直接调它的 API。这就是它重新上榜的原因：Python 用户不用再折腾插件。

它免费，反编译质量接近商业的 IDA Pro。脚本生态同时支持 Java 和 Python，没有授权限制。对安全研究、恶意样本分析、CTF 来说，已经是标配之一。

xtool：没有 Mac，也能编 iOS 应用

xtool-org/xtool 用 SwiftPM 在 Linux、Windows、macOS 上编译纯 Swift 代码，打包成 iOS 应用，签名后装进真机。全程不用 Xcode。

它自己做了交叉编译、Asset Catalog 编译、Info.plist 生成和签名。签名不用 codesign，改用 OpenSSL 生成 CMS / PKCS#7 签名块。

适合两类场景：手边没 Mac 的 Swift 开发者，以及 CI 里不想养 Mac 构建机的团队。

但它替代不了 Xcode 全部。没有 Interface Builder，也没有断点调试。底层依赖的交叉编译方式苹果并未官方支持，踩坑要自己啃。

PentAGI：一队 Agent 在 Docker 里做渗透测试

vxcontrol/pentagi 是 Go 写的自托管多 Agent 渗透测试系统。用大白话描述目标，Agent 自己规划，在隔离 Docker 沙箱里调用 nmap、Metasploit、sqlmap 等 20 多个工具。

模型可换，支持 10 多家云厂商，也能接 Ollama、vLLM 跑本地模型。渗透数据敏感，这一点很关键。

只适合打自己有授权的目标。工具本身不解决合规问题。

AnyPS5 和 artcraft：两条不同路线的早期项目

boykopovar/AnyPS5 把 PS5 可执行文件重新链接成 Linux / Windows 原生程序。它不做 CPU 模拟，走的是静态重编译路线。

代价是兼容性要靠一个个补系统库堆出来。遇到没实现的调用直接崩溃，用崩溃日志定位缺哪个函数。目前只验证了一款 2D 小游戏，非常早期。

storytold/artcraft 是 Rust 写的创作引擎。云端 API 和桌面客户端共用一套核心代码，强调「生成之后还能改」，把扩散模型当素材工厂，而不是成品机。

它没有版本号，README 还很简陋，不建议接进生产流程。

iFixAi：查 Agent 有没有按业务规则办事

ifixai-ai/iFixAi 做的是 Agent 审计。常规评测看延迟、token、提示注入，它看的是业务对齐和越权。

README 举了个例子：客服 Agent 隐藏欺诈标记、付了经理已驳回的退款、改了收款账号，而常规 eval 全是绿灯。

它把审计拆成 60 个检查项，默认跑 10 项，约 120 秒出评分。评分可以交给自己、第三方或多评委 ensemble。还支持回放 Agent 真实操作日志。

Agent 开始碰退款、支付、风控，这类审计就会从「可选」变成「上线前必须跑一遍」。

本周观察

第一，模型在贬值，工程在升值。谁能管好上下文、压住成本、接住私有数据，谁就有位置。

第二，标准在收口。MCP 管工具接口，SKILL.md 管技能分发，插件市场管安装入口。以前每个工具各写各的提示词，现在讲「一次配置，多处复用」。

第三，本地优先重新变成默认选项。AirLLM、VoiceStudio、gods-eye-view、xerj 都在强调本地跑、数据不出机器。原因不复杂：成本、隐私、可控性。

对开发者的实际建议：如果你想做 Agent 生态里的东西，别再做一个聊天界面。去做一个能被 Agent 调用的零件，并且把接口、权限和证据链写清楚。