MCP Management System

MCP管理系统

   

“决策信心：72%→ 95% | 复杂分析：2小时→ 15 分钟” 扩展Claude Code的认知能力 更好的决策, 更快. 该系统在生产中经过了实战测试 结果证明.

英语 | 韩语

______________________________________________________________________

英语

这是给谁的？

先决条件：

• 基本的克劳德代码经验（建议1周以上）
• 使用npm/git命令的舒适度
• 已安装Node.js 18+

______________________________________________________________________

克劳德vs这个系统

底线： 这个系统为克劳德的推理增添了结构和严谨性。如果你需要对重要决策进行一致、高质量的分析，那么设置时间是值得的。

______________________________________________________________________

这个系统解决了什么

______________________________________________________________________

验证结果

______________________________________________________________________

亲身体验

决策工作流示例输出

$ /decision-workflow "MSA vs Monolith for our e-commerce platform"

📊 DECISION ANALYSIS COMPLETE
━━━━━━━━━━━━━━━━━━━━━━━━━━━━

🎯 Recommendation: Modular Monolith (not MSA)

📈 Analysis Summary:
├── Options evaluated: 4 (MSA, Monolith, Modular Monolith, Serverless)
├── Perspectives analyzed: 5 (Technical, Cost, Risk, Organization, Market)
└── Confidence: 70% (calibrated from initial 85%)

⚠️ Biases Detected & Corrected:
├── Confirmation Bias: Initial preference for MSA questioned
├── Bandwagon Effect: "Everyone uses MSA" challenged
├── Sunk Cost: Previous microservice experience discounted
└── Overconfidence: Reduced confidence from 85% to 70%

✅ Key Reasoning:
• Team size (5 devs) insufficient for MSA operational overhead
• Current traffic (10k DAU) doesn't justify distributed complexity
• Modular Monolith allows future MSA migration when needed

注： 这是系统的实际输出。您的结果将根据您的具体情况而有所不同。

______________________________________________________________________

核心技能

技能如何运作（幕后）

每种技能都会协调多个 MCP（模型上下文协议） 服务-专门的人工智能推理工具：

┌─────────────────────────────────────────────────────────┐
│                    User Request                         │
│              "MSA vs Monolith decision"                 │
└─────────────────────┬───────────────────────────────────┘
                      │
                      ▼
┌─────────────────────────────────────────────────────────┐
│                 decision-workflow                        │
│  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐  │
│  │ Sequential   │→ │    Bias      │→ │  Stochastic  │  │
│  │  Thinking    │  │  Detection   │  │   Analysis   │  │
│  │  (10 steps)  │  │  (4 biases)  │  │ (Monte Carlo)│  │
│  └──────────────┘  └──────────────┘  └──────────────┘  │
└─────────────────────┬───────────────────────────────────┘
                      │
                      ▼
┌─────────────────────────────────────────────────────────┐
│            Structured, Debiased Decision                │
│         with 70% calibrated confidence                  │
└─────────────────────────────────────────────────────────┘

为什么这很重要： 这不是即时工程魔法。它是 系统编排 专业的人工智能工具，每种工具都贡献了克劳德一个人无法提供的特定认知能力。

______________________________________________________________________

决策工作流

它解决的问题：

“MSA vs Monolith-我应该选择哪一个？” “我做了一个决定，但我对此没有信心”

它是如何工作的：

• 快速模式 （5分钟）：快速决策
• 深度模式 （15分钟）：对高风险决策进行深入分析

输出：

✅ Comparison of 4 options
✅ Detection of 4 cognitive biases (Confirmation Bias, Sunk Cost, etc.)
✅ Confidence calibration: 85% → 70% (prevents overconfidence)
✅ Final recommendation with concrete reasoning

用途： /decision-workflow "MSA vs Monolith selection"

______________________________________________________________________

多维分析

它解决的问题：

“我只从一个角度分析” “我担心我错过了什么”

它是如何工作的：

• 2级 （20分钟）：快速回顾-3个视角
• 级别3 （35分钟）：标准分析-4个视角
• 级别4 （50分钟）：深度分析-5个视角
• 五级 （70分钟）：研究级-5个观点+学术严谨性

5分析视角：

输出：

✅ Comprehensive 5-perspective analysis
✅ Probabilistic scenarios (Monte Carlo simulation)
✅ Bias detection and correction
✅ Actionable roadmap

用途： /multidimensional-analysis "Project architecture analysis" Level 3

______________________________________________________________________

实施工作流程

它解决的问题：

“实现功能时，我不知道从哪里开始” “在实施过程中，我总是遗漏一些东西”

它是如何工作的：

• 第1波：需求分析+技术栈验证
• 第二波：设计+依赖性分析
• 第三波：实施计划+测试策略

输出：

✅ Step-by-step implementation checklist
✅ Technical risks identified upfront
✅ Auto-generated test scenarios
✅ Time estimation

用途： /implementation-workflow "Add user authentication"

______________________________________________________________________

研究工作流程

它解决的问题：

“我不知道在比较技术时使用什么标准” “我做了研究，但无法得出结论”

它是如何工作的：

• 快速模式：快速技术比较（10分钟）
• 深度模式：深入技术研究（30分钟）

输出：

✅ Pros/cons matrix by technology
✅ Real-world use case analysis
✅ Unbiased recommendation

用途： /research-workflow "React vs Vue vs Svelte comparison"

______________________________________________________________________

钩子

钩子跑 自动地 提供安全性和可追溯性。 6个挂钩 包括。

许可请求

角色： MCP工具使用前的自动权限检查

优点：

• 防止意外危险操作
• 仅执行批准的操作
• 自动记录所有使用情况

______________________________________________________________________

工具使用前

角色： 工具执行前的输入验证和安全检查

优点：

• 自动限制输入超过5000个字符
• 堵塞危险路径(/etc/, C:\Windows\)
• 过滤敏感信息

______________________________________________________________________

次级代理停止

角色： 完成时自动记录子代理（任务）执行情况

优点：

• 自动保存所有分析/工作历史记录
• 会话结束后仍可追踪
• 与Serena Memory集成

输出： .serena/memories/agent_execution_{date}.md

______________________________________________________________________

任务已完成（新）

角色： 自动收集代理任务完成的指标

优点：

• 记录执行指标 .serena/task_metrics.jsonl
• 建议延续工作流链
• 实现随时间推移的性能跟踪

______________________________________________________________________

队友空闲（新）

角色： 检测代理团队中的空闲代理（克劳德代码2.1.32+）

优点：

• 5分钟警告，10分钟临界阈值
• 防止浪费代理插槽
• 需要 CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1

______________________________________________________________________

会话结束（新）

角色： 退出时的轻量级会话摘要

优点：

• 将140k-150k代币自动摘要替换为1-5k代币(-减少98%)
• 自动保存到Serena Memory
• 保留关键决策和发现

______________________________________________________________________

Serena记忆（可选-高级）

它解决的问题

输出示例

.serena/memories/
├── decision_msa_vs_monolith_2026-01-15.md    # Decision record
├── architecture_analysis_2026-01-14.md       # Analysis result
├── session_context_2026-01-13.md             # Session context
└── agent_execution_2026-01-12.md             # Agent execution log

结果： Claude可以立即参考2周前的分析

______________________________________________________________________

⚠️ 设置复杂性通知

老实说： Serena的设置很复杂。

______________________________________________________________________

🤖 使用AI轻松设置（推荐）

不要自己配置。让AI来做吧。

与Claude分享以下内容以进行自动配置：

"Set up Serena Memory for me.
- My environment: [Windows 11 / macOS / WSL2]
- Project path: [C:\my-project or /home/user/my-project]
- Docker installed: [yes/no]"

克劳德将生成适当的 .mcp.json 和 project.yml 为了您的环境。

______________________________________________________________________

按操作系统列出的配置示例

Windows (Git Bash)

{
  "serena-memory": {
    "command": "docker",
    "args": [
      "run", "-i", "--rm",
      "-v", "//c/projects:/projects",
      "serena-mcp:latest",
      "--project", "/projects/my-project"
    ],
    "env": {
      "MSYS_NO_PATHCONV": "1",
      "MSYS2_ARG_CONV_EXCL": "*"
    },
    "type": "stdio"
  }
}

macOS / Linux

{
  "serena-memory": {
    "command": "docker",
    "args": [
      "run", "-i", "--rm",
      "-v", "/Users/name/projects:/projects",
      "serena-mcp:latest",
      "--project", "/projects/my-project"
    ],
    "type": "stdio"
  }
}

WSL2

{
  "serena-memory": {
    "command": "docker",
    "args": [
      "run", "-i", "--rm",
      "-v", "/home/user/projects:/projects",
      "serena-mcp:latest",
      "--project", "/projects/my-project"
    ],
    "type": "stdio"
  }
}

______________________________________________________________________

必填项：project.yml

发生错误时没有 .serena/project.yml:

language: typescript   # ← Required!
project_name: my-project
project_root: /projects/my-project

提示： 问克劳德： "Create a Serena project.yml for me"

______________________________________________________________________

Serena故障排除

与Claude分享错误消息：

"I got a Serena error:
Error: [paste error message]
My environment: [Windows 11 / macOS 14 / Ubuntu 22.04]
Docker version: [docker --version output]
Current .mcp.json: [paste config]"

AI将为您的环境修复它。

______________________________________________________________________

⚠️ 来自作者（请阅读）

我的立场： 我分享这个系统是因为它对我来说很好。然而，我并不完全理解每个内部过程和逻辑。

重要期望：

• ✅ 结果已验证：该系统正在积极使用并取得成果
• ❌ 未提供支持：我无法回答技术支持或详细问题
• ❌ 无内部解释：请不要问具体部件是如何工作的
• ⚠️ 问题可能得不到解决：时间限制可能会阻止对GitHub问题的响应
• 🤖 推荐AI验证：如果出现问题，请先询问Claude或ChatGPT

建议：

• 分叉 此存储库并将其用作您自己的存储库
• 先问AI 当问题出现时
• 欢迎社区捐款，但不要指望立即得到回应

______________________________________________________________________

快速开始

1.克隆存储库

git clone https://github.com/YOUR_USERNAME/mcp-management.git
cd mcp-management

2.安装所需的MCP服务（至少3个）

只需安装 3服务 使用核心技能。

完整列表：参见 安装.md 所有18个MCP服务。

# 1. clear-thought (deep analysis)
git clone https://github.com/waldzellai/waldzell-mcp.git
cd waldzell-mcp/packages/server-clear-thought
npm install && npm run build

# 2. sequential-thinking-tools (sequential reasoning)
git clone https://github.com/spences10/mcp-sequentialthinking-tools.git
cd mcp-sequentialthinking-tools
npm install && npm run build

# 3. stochastic-thinking (probabilistic analysis, in waldzell-mcp monorepo)
cd ../server-stochasticthinking
npm install && npm run build

3.配置.mcp.json

复制 .mcp.json.example 并修改路径：

cp .mcp.json.example .mcp.json
# Modify paths for your environment

4.在克劳德代码中使用

# After restarting Claude Code
/decision-workflow "test decision"

______________________________________________________________________

文件夹结构

mcp-management/
├── .claude/
│   ├── skills/           # 18 Skills (core value)
│   │   ├── _atomic/      # 6 basic building blocks
│   │   ├── decision-workflow/
│   │   ├── multidimensional-analysis/
│   │   └── ...
│   └── hooks/            # 6 automation triggers
├── .mcp.json.example     # MCP config template
├── CLAUDE.md             # Project context
├── INSTALLATION.md       # Full installation guide (18 services)
└── README.md             # This file

______________________________________________________________________

其他文件

• 安装.md -所有18个MCP服务的完整安装指南
• CLAUDE.md -项目背景和高级用法

______________________________________________________________________

需求

• Node.js 18+
• 克劳德代码 （claude.ai/code）
• 码头工人 （纪念Serena）

______________________________________________________________________

许可证

Apache许可证2.0

注： 此版本在Apache 2.0下发布。未来的版本可能会根据不同的许可证发布。

______________________________________________________________________

贡献

欢迎发布问题和PR。但是，不要指望立即得到回应。

出现问题时： 先问AI。大多数配置问题都可以由Claude解决。

______________________________________________________________________

______________________________________________________________________

韩语

这个系统是为谁设计的？

在决策中 想减少认知偏向的 完全相信直觉的人

前提条件：

• Claude Code基本使用经验（建议1周以上）
• 可以使用npm/git命令
• Node.js 18+已安装

______________________________________________________________________

默认Claudevs此系统

核心摘要： 该系统为Claude的推论增加了结构和严格性。如果您需要一致、高质量的分析来做出重要决策，那么设置时间是非常有价值的。

______________________________________________________________________

此系统解决的问题

“分析肤浅” 多维分析 -Level 2~5深度可选 |“每次都重复同样的问题”| Serena记忆 -永久保存会话之间的上下文| “实现功能时，不知道先做什么” 3-Wave工作流 -结构化分步指南|

______________________________________________________________________

实际验证结果

指标BeforeAfter改善 |------|--------|-------|------| 决策可信度72%95% +23%p | 分析观点1种5种 5倍 | 复杂分析时间2小时15分钟 -87% | |检测认知偏向|手动|自动4种| 自动化 | 会话间上下文丢失永久保存 保持100% |

______________________________________________________________________

实际运行示例

decision-workflow输出示例

$ /decision-workflow "이커머스 플랫폼에 MSA vs 모노리스"

📊 의사결정 분석 완료
━━━━━━━━━━━━━━━━━━━━

🎯 추천: Modular Monolith (MSA 아님)

📈 분석 요약:
├── 평가된 옵션: 4개 (MSA, Monolith, Modular Monolith, Serverless)
├── 분석 관점: 5개 (기술, 비용, 리스크, 조직, 시장)
└── 신뢰도: 70% (초기 85%에서 교정됨)

⚠️ 검출 및 교정된 편향:
├── Confirmation Bias: MSA에 대한 초기 선호 의문 제기
├── Bandwagon Effect: "다들 MSA 쓴다"는 주장 검증
├── Sunk Cost: 이전 마이크로서비스 경험 객관적 재평가
└── Overconfidence: 신뢰도 85%에서 70%로 하향 조정

✅ 핵심 근거:
• 팀 규모(5명)가 MSA 운영 오버헤드를 감당하기 부족
• 현재 트래픽(DAU 1만)은 분산 복잡성을 정당화하지 못함
• Modular Monolith는 필요 시 향후 MSA 전환 가능

注意： 这是系统的实际输出。结果取决于您的具体情况。

______________________________________________________________________

核心Skills详细信息

Skills的工作原理（内部结构）

每个Skill有多个 MCP（模型上下文协议） 组合服务-这些是专门的AI推理工具：

┌─────────────────────────────────────────────────────────┐
│                    사용자 요청                           │
│              "MSA vs 모노리스 결정"                      │
└─────────────────────┬───────────────────────────────────┘
                      │
                      ▼
┌─────────────────────────────────────────────────────────┐
│                 decision-workflow                        │
│  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐  │
│  │ Sequential   │→ │    Bias      │→ │  Stochastic  │  │
│  │  Thinking    │  │  Detection   │  │   Analysis   │  │
│  │  (10단계)    │  │  (4개 편향)  │  │ (Monte Carlo)│  │
│  └──────────────┘  └──────────────┘  └──────────────┘  │
└─────────────────────┬───────────────────────────────────┘
                      │
                      ▼
┌─────────────────────────────────────────────────────────┐
│          구조화되고 편향이 교정된 의사결정                │
│              70% 교정된 신뢰도                           │
└─────────────────────────────────────────────────────────┘

为什么重要： 这不是提示工程魔法。Claude不能单独提供的特殊认知能力， AI工具的系统编排是。

______________________________________________________________________

decision-workflow（决策）

解决这些问题:

“MSA vs Monoris，我不知道该选择什么。” “我已经决定了，但我不确定。”

工作原理:

• 快速模式 （5分钟）：需要快速判断时
• 深度模式 （15分钟）深入分析高风险决策

交付项:

✅ 4가지 옵션 비교 분석
✅ 인지 편향 4개 검출 (Confirmation Bias, Sunk Cost 등)
✅ 신뢰도 85% → 70% 교정 (과신 방지)
✅ 구체적 근거와 함께 최종 추천

使用方法: /decision-workflow "MSA vs 모노리스 선택"

______________________________________________________________________

多维分析（Multidimensional Analysis）

解决这些问题:

“只能从一个角度分析” “有没有错过的部分，我很不安”

工作原理:

• 2级 （20分钟）：快速回顾-3个观点
• 级别3 （35分钟）：一般分析-4个观点
• 级别4 （50分钟）：深入分析-5个观点
• 五级 （70分钟）：研究级分析-5种观点+学术验证

5种分析观点:

成本初始成本、运营成本、TCO |风险|技术债务、故障情况、恢复策略| 组织能力、招聘难度、学习曲线 |市场|竞争优势、市场适应性、未来展望

交付项:

✅ 5가지 관점 종합 분석
✅ 확률적 시나리오 (Monte Carlo 시뮬레이션)
✅ 편향 검출 및 교정
✅ 실행 가능한 로드맵

使用方法: /multidimensional-analysis "프로젝트 아키텍처 분석" Level 3

______________________________________________________________________

implementation-workflow（功能实现）

解决这些问题:

“实现功能时，我不知道从哪里开始。” “实现的话会有错过的部分”

工作原理:

• 第1波：需求分析+技术堆栈验证
• 第二波：设计+依赖性分析
• 第三波：实施计划+测试策略

交付项:

✅ 단계별 구현 체크리스트
✅ 기술적 리스크 사전 식별
✅ 테스트 시나리오 자동 생성
✅ 예상 소요 시간 추정

使用方法: /implementation-workflow "사용자 인증 기능 추가"

______________________________________________________________________

research-workflow（研究）

解决这些问题:

“在技术比较时，我不知道该以什么标准来看待。” “虽然做了调查，但还是下不了结论。”

工作原理:

• 快速模式：快速技术比较（10分钟）
• 深度模式：深入技术调查（30分钟）

交付项:

✅ 기술별 장단점 매트릭스
✅ 실제 사용 사례 분석
✅ 편향 없는 추천

使用方法: /research-workflow "React vs Vue vs Svelte 비교"

______________________________________________________________________

Hooks详细信息

Hooks 自动运行提供安全性和可追踪性。 6个Hooks 包括。

permission-request（权限验证）

角色：使用MCP工具前自动检查权限

好处:

• 防止危险的操作失误
• 只运行已批准的任务
• 自动记录使用日志

______________________________________________________________________

pre-tool-use（输入前处理）

角色：工具运行前验证输入值和安全性

好处:

• 自动限制超过5000个字符的输入
• 风险路径（/etc/, C:\Windows\）自动阻止
• 过滤敏感信息

______________________________________________________________________

subagent-stop（运行历史记录）

角色：执行子代理（Task）完成时自动记录

好处:

• 自动保存所有分析/历史记录
• 会话结束后仍可以跟踪
• 与Serena Memory集成

交付项: .serena/memories/agent_execution_{date}.md

______________________________________________________________________

task-completed（任务完成度量）NEW

角色：在代理操作完成时自动收集度量

好处:

• .serena/task_metrics.jsonl运行历史记录
• 自动提议工作流链
• 跟踪性能随时间的推移

______________________________________________________________________

teammate-idle（空闲检测）NEW

角色：在Agent Teams中检测空闲代理（Claude Code 2.1.32+）

好处:

• 5分钟警告，10分钟风险阈值
• 避免浪费代理插槽
• CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1 需要

______________________________________________________________________

session-end（会话结束摘要）NEW

角色：会话结束时自动生成轻量级摘要

好处:

• 140k-150k代币自动摘要→1-5k代币（-节省98%)
• 自动保存到Serena Memory
• 保留关键决策和发现

______________________________________________________________________

Serena Memory（可选-高级功能）

解决这些问题

结果示例

.serena/memories/
├── decision_msa_vs_monolith_2026-01-15.md    # 의사결정 기록
├── architecture_analysis_2026-01-14.md       # 분석 결과
├── session_context_2026-01-13.md             # 세션 컨텍스트
└── agent_execution_2026-01-12.md             # 에이전트 실행 로그

效果：两周前的分析内容Claude也可以立即参考

______________________________________________________________________

介绍设置复杂性

老实说：Serena设置很复杂。

需要Docker基于容器运行 |路径设置| Windows/WSL/MacOS各不相同| | Volume mount |不同操作系统的语法差异| |project.yml|缺少必填字段时出错|

______________________________________________________________________

🤖 轻松设置为AI（推荐）

不要自己设置。交给AI吧。

与Claude共享以下内容可自动设置以适应您的环境：

"Serena Memory를 설정해줘.
- 내 환경: [Windows 11 / macOS / WSL2]
- 프로젝트 경로: [C:\my-project 또는 /home/user/my-project]
- Docker 설치됨: [예/아니오]"

Claude符合环境 .mcp.json 设置和 project.yml创建。

______________________________________________________________________

环境特定设置示例

Windows (Git Bash)

{
  "serena-memory": {
    "command": "docker",
    "args": [
      "run", "-i", "--rm",
      "-v", "//c/projects:/projects",
      "serena-mcp:latest",
      "--project", "/projects/my-project"
    ],
    "env": {
      "MSYS_NO_PATHCONV": "1",
      "MSYS2_ARG_CONV_EXCL": "*"
    },
    "type": "stdio"
  }
}

macOS / Linux

{
  "serena-memory": {
    "command": "docker",
    "args": [
      "run", "-i", "--rm",
      "-v", "/Users/name/projects:/projects",
      "serena-mcp:latest",
      "--project", "/projects/my-project"
    ],
    "type": "stdio"
  }
}

WSL2

{
  "serena-memory": {
    "command": "docker",
    "args": [
      "run", "-i", "--rm",
      "-v", "/home/user/projects:/projects",
      "serena-mcp:latest",
      "--project", "/projects/my-project"
    ],
    "type": "stdio"
  }
}

______________________________________________________________________

必需：project.yml设置

.serena/project.yml 如果文件不存在，则会发生错误：

language: typescript   # ← 이 줄 필수!
project_name: my-project
project_root: /projects/my-project

小贴士：致Claude "Serena project.yml 만들어줘" 请这样要求。

______________________________________________________________________

发生Serena问题时

请与Claude分享错误信息：

"Serena 에러가 발생했어:
에러: [에러 메시지 복사]
내 환경: [Windows 11 / macOS 14 / Ubuntu 22.04]
Docker 버전: [docker --version 결과]
현재 .mcp.json: [설정 내용]"

AI可以根据环境进行修改。

______________________________________________________________________

作者的话（请务必阅读）

我的立场：共享这个系统的原因是它对我很好。但是，您并不完全了解所有内部流程和逻辑。

重要期待事项:

• ✅ 结果已验证：该系统正在实际使用中并产生结果
• ❌ 不提供支持：无法回答技术支持或详细问题
• ❌ 无内部说明：不要要求说明特定部分如何工作
• ⚠️ 问题无响应：由于时间限制，GitHub Issues可能无法响应
• 🤖 推荐AI验证：如果有问题，请先问Claude或ChatGPT。

使用建议:

• 请使用\*\*叉子\*\*使用此存储库
• 如果出现问题 首先向AI 问吧。
• 欢迎社区贡献，但不要期待立即回复

______________________________________________________________________

快速开始

1.存储库克隆

git clone https://github.com/YOUR_USERNAME/mcp-management.git
cd mcp-management

2.安装必需的MCP服务（3个）

至少安装3个可以使用核心Skills。

服务存储用途 |--------|--------|------| |思路清晰| 沃尔泽莱/沃尔泽尔·麦克普 深度分析，精神模型 |顺序思维工具| spences/mcp顺序思维工具 |连续事故| |随机思维| 沃尔泽莱/沃尔泽尔·麦克普 概率分析

完整列表：安装18个MCP服务 安装.md 参考

# 1. clear-thought (심층 분석)
git clone https://github.com/waldzellai/waldzell-mcp.git
cd waldzell-mcp/packages/server-clear-thought
npm install && npm run build

# 2. sequential-thinking-tools (순차 사고)
git clone https://github.com/spences10/mcp-sequentialthinking-tools.git
cd mcp-sequentialthinking-tools
npm install && npm run build

# 3. stochastic-thinking (확률적 분석, waldzell-mcp monorepo 내부)
cd ../server-stochasticthinking
npm install && npm run build

3.配置.mcp.json

.mcp.json.example复制以修改路径：

cp .mcp.json.example .mcp.json
# 경로를 자신의 환경에 맞게 수정

4.在Claude Code中使用

# Claude Code 재시작 후
/decision-workflow "테스트 의사결정"

______________________________________________________________________

文件夹结构

mcp-management/
├── .claude/
│   ├── skills/           # 18개 Skills (핵심 가치)
│   │   ├── _atomic/      # 6개 기본 빌딩 블록
│   │   ├── decision-workflow/
│   │   ├── multidimensional-analysis/
│   │   └── ...
│   └── hooks/            # 6개 자동화 트리거
├── .mcp.json.example     # MCP 설정 템플릿
├── CLAUDE.md             # 프로젝트 컨텍스트
├── INSTALLATION.md       # 전체 설치 가이드 (18개 서비스)
└── README.md             # 이 파일

______________________________________________________________________

附加文档

• 安装.md -全部18个MCP服务安装指南
• CLAUDE.md -项目上下文和高级用法

______________________________________________________________________

要求

• Node.js 18+
• 克劳德代码 （claude.ai/code）
• 码头工人 （使用Serena Memory时）

______________________________________________________________________

许可证

Apache许可证2.0

注意： 当前版本为Apache 2.0。未来版本可能会以不同的许可证分发。

______________________________________________________________________

贡献

欢迎话题和PR。但是，不要期待立即回复。

发生问题时：先问AI吧。Claude可以解决大多数设置问题。