MMSP skills
Два скилла учат агента писать код на SDK MMSP: единый клиент для моделей разных провайдеров на Python и TypeScript.
- 124 ★ репозитория
- Последний коммит
- Apache-2.0
Минимальный доступ
Почему такой уровень
- Скиллы дают только инструкции и сами ничего не запускают, но код по ним обращается к API моделей с вашими ключами.
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/mmsp-skillsОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемМинимальный доступИнструмент ничего не запускает и не ходит в сеть.
- Скиллы дают только инструкции и сами ничего не запускают, но код по ним обращается к API моделей с вашими ключами.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
В папке `skills/` репозитория лежат два скилла: `mmsp-python` и `mmsp-typescript`. Они объясняют агенту, как пользоваться SDK MMSP (Model Message Stream Protocol), когда он пишет код для работы с разными LLM. Скилл срабатывает, если пользователь упоминает MMSP, просит `mmsp` или `@prismshadow/mmsp` либо уже импортирует пакет. SDK дает единый формат сообщений и потоковую грамматику для провайдеров. Клиент `AutoLLMClient` переключает модели без правок кода, обрабатывает чередующееся мышление при цепочках вызовов инструментов и добавляет трассировку по параметру `trace_id`. Скиллы содержат пример вызова инструмента с погодой, а выбор моделей, ключей и адресов вынесен в справочник `reference/models.md`.
Для кого. Разработчикам агентов, которые вызывают модели нескольких провайдеров и хотят, чтобы Claude Code или Codex писали вызовы по правилам SDK.
Подходит, если
- Агент должен переключаться между Claude, GPT и Gemini, не переписывая клиентский код.
- Цепочка вызовов инструментов с чередующимся мышлением ломается на смене провайдера.
- Запросы к модели нужно разобрать по одному параметру `trace_id` без базы данных.
- Проект на Python или TypeScript уже импортирует `mmsp`, а агент путает форматы сообщений.
Не подходит, если
- Работа идет с одним провайдером через его родной SDK, и общий слой не нужен.
- Код написан не на Python и не на TypeScript.
- Нужны готовые подсказки по стилю кода: скиллы описывают только SDK MMSP.
Пример запроса к агенту
Напиши на Python клиент на MMSP, который вызывает инструмент get_weather и отправляет результат обратно модели в потоковом режиме.Ограничения
Скиллы объясняют работу SDK и не заменяют ключи провайдеров: каждый клиент читает свою переменную вроде `OPENAI_API_KEY` или `ANTHROPIC_API_KEY`. Список моделей и клиентов быстро меняется, актуальный выдает `list_supported_models()`. Установка скиллов ручная: README не дает для них команды. Рекомендуется stateful-интерфейс. SDK ставят отдельно, `uv add mmsp` или `pip install mmsp` для Python, `npm install @prismshadow/mmsp` для TypeScript.
Как отключить. Удалите папки `mmsp-python` и `mmsp-typescript` из каталога скиллов клиента и откройте новую сессию.
Частые вопросы
Какие скиллы лежат в репозитории?
Два: `skills/mmsp-python/SKILL.md` и `skills/mmsp-typescript/SKILL.md`. Первый для пакета `mmsp`, второй для `@prismshadow/mmsp`.
Как поставить сам SDK?
Для Python выполните `uv add mmsp` или `pip install mmsp`, для TypeScript `npm install @prismshadow/mmsp`. Скиллы SDK не устанавливают.
Что делает `AutoLLMClient`?
Он принимает идентификатор модели и тип клиента, а для известных семейств (`gpt-`, `claude-`, `gemini-` и других) определяет клиента сам. Смена модели не требует правок кода.
Как включить трассировку?
Передайте один параметр `trace_id`. База данных для аудита вызовов не нужна, по описанию проекта.
Какие модели поддерживает SDK?
Среди них Claude, GPT, Gemini, Kimi, DeepSeek, GLM, MiniMax и Qwen через официальные API и шлюзы вроде OpenRouter. Актуальный список выдает `list_supported_models()`.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
СкиллыMeta Skill (ms)
Meta Skill
Meta Skill (ms) хранит скиллы локально в SQLite и Git, ищет по ним гибридным поиском и отдает агентам через MCP под бюджет токенов
Реестр скиллов для команд с проверкой безопасности и версиями: MCP-сервер ищет и ставит скиллы по запросу агента.
Мета-навык делит задачу на этапы, подбирает профиль и ведет мультиагентную работу в Codex и Claude Code.
Десять скиллов для LLM-инференса: сравнение SGLang и vLLM на одной нагрузке, разбор профайлера, расчет памяти и история PR.
CLI и MCP-сервер для Agent Skills: проверка по спецификации, установка из GitHub и подгрузка нужного скилла по запросу
Скилл, который дает зрение текстовым моделям: изображение по пути или из вставки превращается в структурированный JSON с распознанным текстом, разметкой и смысл
Коротко о README
README представляет SDK, таблицу поддерживаемых моделей и типов клиентов, установку для Python и TypeScript, методы `AutoLLMClient` и базовые примеры. Раздел Agent Skills указывает на два скилла.
Бейдж для README
Исходный SKILL.md
---
name: mmsp-python
description: Guidance for using the MMSP Python SDK (`mmsp`). Use when developing agents that call different LLM APIs, need a unified interface for LLM providers, mention MMSP, request `mmsp`, or already import it.
---
# MMSP Python
MMSP is a unified SDK for calling LLMs across providers with shared data models, tool calling, tracing, and playground support.
## Installation
```bash
uv add mmsp
# or
pip install mmsp
```
For model IDs, API keys, and base URLs, see [Model selection](reference/models.md).
## Basic Usage
This example asks GPT to call a weather tool, runs the tool, then sends the result back.
```python
import asyncio
from mmsp import AutoLLMClient
def get_weather(location: str) -> str:
return f"Temperature in {location}: 22 C"
# Map tool names to their implementations so calls can be dispatched by name.
TOOLS = {"get_weather": get_weather}
async def main():
weather_function = {
"name": "get_weather",
"description": "Gets the current weather for a given location.",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "The city name"
}
},
"required": ["location"]
}