快速接入

先看主来源和安装命令，再打开仓库或文档；下面只保留这个条目的关键接入事实。

命令预览

uv run kalshi status

详细介绍

超越MCP

是时候超越MCP服务器了。正确的让我们分解MCP、CLI、文件系统脚本和基于技能的方法之间的实际工程权衡，为您的AI代理构建可重用的工具集。请点击此处观看完整视频：超越MCP

本次回购的目的

MCP服务器是为您的AI代理构建可重用工具集的标准方式。但这不是唯一的办法。
MCP服务器成本高昂- 即时上下文丢失.
当你有一个或几个MCP服务器时，这没什么大不了的。但是，当您扩展到许多代理、许多工具和许多环境时，这种成本很快就会成为一个瓶颈。
那么，大型企业正在使用哪些替代方案为他们的人工智能代理构建强大、可重用、上下文保持的工具集呢？

_在这里，我们探讨了该回购中的4种具体方法，所有方法都实现了对Kalshi预测市场数据的访问。_

四种方法

The 4 Approaches Revealed

快速开始

1.MCP服务器

cp .mcp.testing .mcp.json

claude --mcp-config .mcp.json

prompt: "kalshi: get exchange status"

2.CLI

# or by agent
claude

prompt: "/prime_kalshi_cli_tools"

prompt: "kalshi: Get exchange status"

prompt: "kalshi: List events"

prompt: "kalshi: List events in JSON"

prompt: "kalshi: List events in JSON, limit 100"

# or by hand
cd apps/2_cli
uv sync
uv run kalshi status
uv run kalshi events
uv run kalshi events --json
uv run kalshi events --json --limit 100

3.文件系统脚本

# by agent
claude

prompt: "/prime_file_system_scripts"

prompt: "kalshi: Get exchange status"

prompt: "kalshi: List events"

...

# or by hand
cd apps/3_file_system_scripts/scripts

uv run status.py

uv run *.py

4.技能

cd apps/4_skill/

claude

prompt: "kalshi markets: Get exchange status"

prompt: "kalshi markets: search for events about 'best ai'" # Note this will trigger the cache build on first run which will take several minutes

...

四种方法详解

apps/1_mcp_server/ -MCP服务器
apps/2_cli/ -CLI
apps/3_file_system_scripts/ -文件系统脚本
apps/4_skill/ -技能

1.MCP服务器(`apps/1_mcp_server/`)

经典模型上下文协议实现

✅ 标准化集成 -适用于任何MCP兼容客户端
✅ 工具发现 -自动将15个工具暴露给LLM
✅ 干净的抽象 -MCP协议处理复杂性
❌ 即时上下文丢失 -每次工具调用都会丢失会话上下文
❌ 包装机开销 -通过子流程委派到CLI

架构：

Claude/LLM → MCP Protocol → MCP Server → subprocess → CLI → Kalshi API

关键文件：

server.py -具有15个工具定义的FastMCP服务器
将CLI命令封装在MCP工具界面中
每个工具调用都是无状态的

何时使用： 为多个LLM客户端构建工具，需要标准化的协议，上下文丢失是可以接受的。

______________________________________________________________________

2.CLI(`apps/2_cli/`)

通过命令行界面直接访问HTTP API

✅ 单一事实来源 -直接调用API，无包装器
✅ 双输出模式 -人类可读或纯JSON
✅ 智能缓存 -基于Pandas的6小时TTL搜索
✅ 最小开销 -直接httpx调用，无需SDK
✅ 改进的上下文 -代理读取的上下文大约是MCP服务器的一半

架构：

Claude → subprocess → CLI (13 commands) → Direct HTTP → Kalshi API

关键文件：

kalshi_cli/cli.py -全部13个命令（552行）
kalshi_cli/modules/client.py -HTTP客户端和搜索缓存
kalshi_cli/modules/formatting.py -输出格式化程序

何时使用： 需要直接的API控制，需要CLI和编程访问，缓存很重要，可以处理子流程开销。

______________________________________________________________________

3.文件系统脚本(`apps/3_file_system_scripts/`)

通过独立脚本逐步披露

✅ 渐进式披露 -只加载您需要的脚本（每个脚本约200-300行）
✅ 完全隔离 -每个脚本都是完全独立的
✅ 零依赖 -每个脚本中都嵌入了HTTP客户端
✅ 上下文高效 -代理仅读取相关脚本
⚠️ 代码重复 -HTTP客户端在每个脚本中重复
⚠️ 无共享状态 -缓存和实用程序重复

架构：

Claude → Read tool → Individual script → Embedded HTTP client → Kalshi API

可用脚本（10）：

status.py -Exchange操作状态
markets.py -使用筛选器浏览市场
market.py -详细的市场信息
orderbook.py -买卖深度
trades.py -最近的交易活动
search.py -关键字搜索（带缓存）
events.py -列出事件集合
event.py -活动详情
series_list.py -浏览全部~6900系列
series.py -系列信息

何时使用： 上下文保护至关重要，需要渐进式披露，可以接受代码复制，需要独立的可移植性。

______________________________________________________________________

4.技能(`apps/4_skill/.claude/skills/kalshi-markets/`)

Claude代码代理技能与嵌入式脚本

✅ 调用模型 -Claude自主决定何时使用
✅ 渐进式披露 -与方法#3相同的脚本
✅ 团队共享 -向git提交团队访问权限
✅ 发现 -描述触发自动激活
✅ 上下文保存 -代理只读取需要的内容
⚠️ 克劳德代码特定 -仅适用于Claude Code
⚠️ 学习曲线 -需要了解技能体系

架构：

Claude (detects trigger) → Loads SKILL.md → Runs scripts → Kalshi API

结构：

.claude/skills/kalshi-markets/
├── SKILL.md (concise description & instructions)
└── scripts/ (copies of all 10 file system scripts)

何时使用： 使用Claude Code，需要自动技能发现，通过git进行团队协作，需要通过渐进式披露来保存上下文。

______________________________________________________________________

我的方法(IndyDevDan)

外部工具

80%只需使用 MCP服务器别想太多。
15% 命令行界面 -如果您需要修改、扩展或控制工具和上下文。
5% 脚本或技能 -用于严肃的上下文保护、可移植性或生态系统重用

新工具

80%只需使用 命令行界面 +Prime Prompt（为您、您的团队和您的代理人工作）。
10%包裹 MCP服务器 当我需要大规模的多个代理时，我不想为我的代理添加“另一件”需要关注的事情。
10% 脚本或技能 -用于严肃的上下文保护、可移植性或生态系统重用。

关键技术细节

API访问：

基本URL: https://api.elections.kalshi.com/trade-api/v2
无需身份验证（只读公共数据）
约6900个市场系列可用

搜索缓存：

Kalshi API没有提供原生搜索端点，这给按关键字查找市场带来了挑战。我们的解决方案：智能本地缓存。

问题： 没有API搜索端点意味着我们每次搜索都需要在数千个市场中进行分页
解决方案： 只需构建一个完整的本地缓存，然后使用pandas立即搜索
第一轮： 2-5分钟即可获取所有约6900个市场并建立缓存
后续搜索： 即时（搜索缓存的pandas DataFrame）
缓存位置： .kalshi_cache/ 在项目根目录下（跨CLI和脚本共享）
TTL： 6小时（过期时自动刷新）
搜索范围： 搜索标题、字幕、股票代码、系列名称和描述

为什么延迟很重要：

在缓存构建期间，会话中的首次搜索将需要2-5分钟
用户将在缓存构建过程中看到进度消息
初始构建后，搜索将立即进行6小时
这种权衡可以在所有市场上进行全面的关键词搜索，而不仅仅是来自分页API调用的前100-500个结果

路径分辨率：

所有脚本都使用绝对路径解析 Path(__file__).resolve()
从任何目录调用时都能正常工作
缓存始终解析为项目根目录

权衡比较

	MCP	CLI	脚本	技能
已调用代理	是	否	否	是
上下文窗口消耗	高	中（取决于）	低（含）	低
可定制的	否（除非您拥有）	是	是	有
可移植性	低	中	高	高
可组合性	是（MCP提示）	是，但需要本地提示	是，但是需要本地提示
简洁	高	中	中	中等
工程投资	外部为低，自定义为中	中	外部为中	自定义为中
功能集	工具、资源、提示、启发、完成、采样、记录、授权。等等	无论你建造什么	无论你创造什么

关键见解

上下文窗口消耗：

MCP和CLI 在每次工具调用中使用完整上下文
脚本和技能 使用渐进式披露-只加载需要的内容

已调用代理：

MCP和技能 由Claude根据上下文自动触发
CLI和脚本 需要明确的代理决策才能使用

可定制的：

主控程序 除非您拥有/分叉服务器，否则将被锁定
CLI、脚本、技能 完全在你的控制之下

便携性：

脚本和技能 是最可移植的（只有Python文件）
命令行界面 需要安装，但可以在任何地方工作
主控程序 需要MCP兼容的客户端设置

何时使用每种方法

在以下情况下选择MCP服务器：

为多个法学硕士客户（不仅仅是克劳德）建造
需要标准化的工具协议
每次通话的上下文丢失是可以接受的
希望跨客户端自动发现工具
使用您无法控制的外部MCP服务器

在以下情况下选择CLI：

需要人工CLI和程序访问
想要API逻辑的单一真相来源
直接HTTP控制很重要
愿意接受子流程开销
构建通用工具

在以下情况下选择文件系统脚本：

上下文保护至关重要
想要最大的可移植性（仅Python+httpx）
需要逐步披露（尽量减少代币使用）
可以通过代码复制进行隔离
构建一次性集成

在以下情况下选择技能：

专门使用Claude Code（和生态系统）
想要自主技能发现
通过git进行团队协作很重要
需要保存上下文+逐步披露
构建可重用的团队能力

项目结构

beyond-mcp/
├── apps/
│   ├── 1_mcp_server/          # MCP Server implementation
│   │   ├── server.py           # 15 MCP tools wrapping CLI
│   │   └── README.md
│   ├── 2_cli/                  # CLI implementation
│   │   ├── kalshi_cli/
│   │   │   ├── cli.py          # 13 commands (552 lines)
│   │   │   └── modules/        # HTTP client, cache, formatters
│   │   └── README.md
│   ├── 3_file_system_scripts/  # Progressive disclosure scripts
│   │   ├── scripts/            # 10 standalone scripts
│   │   │   ├── status.py
│   │   │   ├── markets.py
│   │   │   ├── market.py
│   │   │   ├── orderbook.py
│   │   │   ├── trades.py
│   │   │   ├── search.py
│   │   │   ├── events.py
│   │   │   ├── event.py
│   │   │   ├── series_list.py
│   │   │   └── series.py
│   │   └── README.md
│   └── 4_skill/                # Claude Code Skill
│       └── .claude/skills/kalshi-markets/
│           ├── SKILL.md        # Skill description & instructions
│           └── scripts/        # Same 10 scripts as #3
└── .kalshi_cache/              # Shared cache directory (CLI & scripts)

资源

大师代理编码

为软件工程的未来做好准备

学习战术代理编码模式战术代理编码.

跟随 IndyDevDan YouTube频道以提高您的代理编码优势。

目录标签

AI代理工具PythonClaude本地部署上下文保持工程优化MCP协议渐进式披露

支持客户端

Claude

接入字段

传输方式（transport，传输协议）

stdio

鉴权方式（authType，认证方式）

none

运行时（runtime，运行环境）

Python

工具数量（toolCount，工具数）

0

资源数量（resourceCount，资源数）

0

提示词数量（promptCount，提示词数）

0

权限和风险

stdionone部署方式未说明

接入前请确认传输方式、认证方式和部署位置，并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限；先核对安装命令和配置内容。

来源信息

MCP World

mcpworld.com

/detail/cfe62e315d4eb490d407eabd72b23167

提供四种构建AI代理可重用工具集的技术方案（MCP服务器/CLI/文件系统脚本/Skill技能），解决上下文丢失问题并优化工程实践。

继续浏览同类 MCP

更多AI代理 MCP（18,706）返回 MCP 目录

上一个 MCP

Bexio MCP Server

通过Model Context Protocol (MCP)为Bexio提供完整的瑞士会计集成，支持Claude Desktop、n8n等MCP兼容客户端，管理发票、联系人、项目、时间跟踪等300多种工具。

下一个 MCP

Beyond MCP 0a6ca25a

提供四种构建AI代理可重用工具集的技术方案（MCP服务器/CLI/文件系统脚本/Skill），分析各方案在上下文保存、可移植性和工程复杂度等方面的权衡比较。

Beyond MCP

快速接入

详细介绍

超越MCP

本次回购的目的

四种方法

apps/1_mcp_server/ -MCP服务器

apps/2_cli/ -CLI

apps/3_file_system_scripts/ -文件系统脚本

apps/4_skill/ -技能

快速开始

1.MCP服务器

2.CLI

3.文件系统脚本

4.技能

四种方法详解

1.MCP服务器(apps/1_mcp_server/)

2.CLI(apps/2_cli/)

3.文件系统脚本(apps/3_file_system_scripts/)

4.技能(apps/4_skill/.claude/skills/kalshi-markets/)

我的方法(IndyDevDan)

外部工具

新工具

关键技术细节

权衡比较

关键见解

何时使用每种方法

在以下情况下选择MCP服务器：

在以下情况下选择CLI：

在以下情况下选择文件系统脚本：

在以下情况下选择技能：

项目结构

资源

大师 代理编码

目录标签

接入字段

权限和风险

来源信息

继续浏览同类 MCP

`apps/1_mcp_server/` -MCP服务器

`apps/2_cli/` -CLI

`apps/3_file_system_scripts/` -文件系统脚本

`apps/4_skill/` -技能

1.MCP服务器(`apps/1_mcp_server/`)

2.CLI(`apps/2_cli/`)

3.文件系统脚本(`apps/3_file_system_scripts/`)

4.技能(`apps/4_skill/.claude/skills/kalshi-markets/`)

大师代理编码