Was macht mcpx?
Reduziert MCP-Server auf zwei Werkzeuge: Suchen und Ausführen – reduziert Tool-Schemas und Token-Verbrauch für schnellere Agenteneinrichtung.
Reduziert MCP-Server auf zwei Werkzeuge: Suchen und Ausführen – reduziert Tool-Schemas und Token-Verbrauch für schnellere Agenteneinrichtung.
Dieses Skill fasst mehrere MCP (Model Context Protocol) Server-Tools in nur zwei einfache Operationen zusammen: „search“ (Suchen) und „execute“ (Ausführen). Typischerweise trägt jeder MCP-Server eigene Tool-Definitionen mit umfangreichen Parametern und Schemas bei, was den Kontext eines KI-Agenten schnell aufbläht und die Token-Nutzung erhöht. MCPX eliminiert diesen Overhead, indem es alle verfügbaren Aktionen unter einer einheitlichen Such- und Ausführungslogik bündelt. Entwickler profitieren von reduzierten Latenzen, niedrigeren Kosten und einem schlankeren Agenten-Setup. Der Skill ist plattformunabhängig für alle MCP-kompatiblen Agenten wie Claude Code, Cursor oder Codex geeignet und lässt sich über den entsprechenden MCP-Client konfigurieren. Die Implementierung erfolgt im Hintergrund über eine leichte API, die Tool-Calls normalisiert und nur die essenziellen Parameter an die zugrunde liegenden Server weiterleitet.
npx skills add afiabatool067-png/mcpxInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Reduziert MCP-Server auf zwei Werkzeuge: Suchen und Ausführen – reduziert Tool-Schemas und Token-Verbrauch für schnellere Agenteneinrichtung.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.