SKILLEMALL.ai

BC easy-english-tool

Встраиваемый MCP-сервер для изучения английского языка без зависимостей — 22 инструмента для лексики, статей, тестов, практики копирования, TTS и оценки произношения, все подается напрямую из Express-процесса без отдельного экземпляра MCP. Двойной транспорт (SSE + Streamable HTTP). Готов к производству на https://english.geeyo.com. Предусмотрен REST-запасной вариант для агентов без конфигурации MCP. MCP-сервис для продвинутого изучения английского: без зависимостей, встраиваемый, 22 инструмента для лексики, статей, тестов, копирования, TTS, оценки произношения. Триггеры: изучение английского, лексика, отметка, тест, новые слова, study English, my vocab, my progress.

машинный переводПоказать оригиналСкрыть оригинал«Zero-dependency embedded MCP server for English learning — 22 tools co…»

Zero-dependency embedded MCP server for English learning — 22 tools covering vocab, articles, quizzes, copy practice, TTS, and pronunciation eval, all served directly from the Express process with no separate MCP instance. Dual transport (SSE + Streamable HTTP). Production-ready at https://english.geeyo.com. REST fallback included for agents without MCP config. 英语进阶营 MCP 服务:零依赖、嵌入式,22 个工具覆盖单词本、文章、测验、抄写、TTS 朗读、跟读评测全流程。触发词:英语学习, 单词本, 打卡, 测验, 生词, study English, my vocab, my progress.

ClawHub Agent Skills автор: Ken Deng v1.0.0 MIT-0 2 файла тело ≈ 1 640 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Встраиваемый MCP-сервер для изучения английского языка без зависимостей — 22 инструмента для лексики, статей, тестов, практики копирования, TTS и оценки…

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 51/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (node), но во frontmatter они не объявлены
  • 85Шаги. Шагов: 19, расплывчатых формулировок: 1
  • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1640 токенов

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 485 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 16 заголовков
  • +3Пошаговые инструкции: 19 пунктов
  • +4Есть примеры (2 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: suspicious
The skill is coherent for English learning, but it asks agents to handle login credentials and personal learning data with a remote service without enough upfront consent and scoping.
LLM: suspicious (high) · 30 июл. 2026 г.