Dcc Mcp Skills Creator

核心功能

dcc-mcp-skills-creator 是 DCC-MCP 生态系统的元技能（Meta-Skill），专为技能包（Skill Package）的全生命周期管理而设计。其核心定位在于填补「完整适配器仓库创建」（由 dcc-mcp-creator 负责）与「运行时技能加载」之间的空白，专注于单个技能包的精细化开发。

显著优点

1. 标准化脚手架：提供完整的目录结构模板（SKILL.md、tools.yaml、scripts/、references/），强制推行 kebab-case 技能命名与 snake_case 工具命名规范，从源头避免命名冲突
2. 合约驱动设计：严格执行现代工具合约（Modern Tool Contract），包括显式 schema 声明、线程亲和性（affinity）控制、同步/异步执行模式标注，以及 MCP 标准注解（read-only、destructive、idempotent 等）
3. 渐进式加载支持：通过 metadata.dcc-mcp 层级结构管理版本、依赖、搜索提示等元数据，支持按需发现与延迟加载
4. 网关搜索优化：内置标签分类体系（pipeline、production-tracking、docs 等），支持 AND/OR 组合过滤语义，提升跨宿主工具的可发现性
5. 技能辅助集成：主动检测并引导使用 dcc_mcp_core.skills_helper 替代外部依赖（requests、httpx、PyYAML），降低运行时冲突风险

潜在局限

• 生态绑定深度：完全依赖 dcc-mcp-core >= 0.17 运行时，脱离该框架则无法独立运作
• Python 版本限制：要求 Python 3.7+，对遗留 DCC 宿主环境（如内嵌 Python 2.7 的老版本 Maya/3ds Max）不兼容
• schema 静态化成本：强制要求预生成 JSON Schema 并提交至 tools.yaml，增加了发布前的维护负担，牺牲了部分动态反射的灵活性
• 线程亲和硬性约束：enforce_thread_affinity: true 可能导致在特定异步场景下的调度复杂度上升

适合人群

• DCC 工具开发者：需要为 Maya、Blender、Houdini、Nuke 等宿主创建标准化 MCP 技能包
• 管线技术总监（TD）：负责制定团队内技能开发规范与质量门禁
• 自动化工作流架构师：构建跨 DCC 的统一工具分发与发现机制

常规风险

• 版本迁移陷阱：metadata.dcc-mcp.version 与顶层 version 键的混淆是常见错误点，验证器会强制拦截并给出迁移提示
• 依赖循环风险：depends 字段声明的是技能级依赖而非仓库级，需确保加载顺序拓扑无环
• 线程安全误配：将场景变更类工具错误标记为 any 亲和性可能导致宿主 API 崩溃
• 搜索标签滥用：过度使用 tags_any 或混合标签语义可能削弱网关过滤的精确性

总结

该技能是 DCC-MCP 生态的「技能制造技能」，通过严格的结构约束与验证机制，确保技能包在异构宿主环境中的可移植性、可发现性与运行稳定性。对于已采用 dcc-mcp-core 基础设施的工作室，它是标准化工具开发不可或缺的基建设施。

概述

dcc-mcp-skills-creator 是 DCC-MCP 生态系统的官方元技能（Meta-Skill），专注于 Skill 包的开发基础设施。它提供完整的 Skill 生命周期管理：从零开始脚手架创建、严格规范的校验审查、到生成标准化模板文件。与用于创建完整 DCC 适配器仓库的 dcc-mcp-creator 不同，本工具仅针对 Skill 包本身——即被适配器加载的功能单元。

核心用法

1. 快速创建 Skill

通过 MCP 工具调用一键生成符合规范的目录结构：

dcc_mcp_skills_creator__create_skill(
    name="maya-rigging",
    parent_dir="/path/to/skills/dir",
    dcc="maya",
    tool_name="create_locator",
    affinity="main"
)

2. 校验现有 Skill

from dcc_mcp_core import validate_skill
report = validate_skill("/path/to/my-skill")

3. 获取标准模板

dcc_mcp_skills_creator__skill_template()

显著优点

• 零依赖安全：纯 Python 标准库实现（pathlib、json、yaml 等），彻底规避供应链攻击风险
• 规范强制执行：内置严格的校验规则，拒绝非标准字段（如顶层 version 键），强制所有扩展字段归入 metadata.dcc-mcp.* 命名空间
• 现代 Tool Contract：自动生成符合 MCP 协议的 tools.yaml，支持显式 schema 声明、async/sync 执行模式、affinity 绑定、注解提示（read-only/destructive/idempotent）及 call_examples 示例
• 智能依赖管理：通过 metadata.dcc-mcp.depends 声明跨 Skill 依赖，支持渐进式加载
• 完整文档体系：配套 references/ 目录，提供 AUTHORING_WORKFLOW.md 和 DCC_TOOL_CONTRACTS.md 等深度指南

潜在局限

• 非完整适配器：无法创建 DCC 适配器仓库（如 Maya/Blender 的完整 MCP Server），需配合 dcc-mcp-creator 使用
• Host 无关性：本身不绑定特定 DCC 软件，生成 Skill 的 Host API 调用需开发者自行实现
• Python 生态限定：仅支持 Python 3.7+ 运行时，无其他语言 SDK

适合人群

• DCC 技术 TD / Pipeline TD：需要为 Maya、Blender、Houdini、Nuke 等 DCC 软件封装内部工具链
• MCP 集成开发者：构建符合 Model Context Protocol 标准的 AI 增强工作流
• 工作室工具架构师：需要统一规范、可审计、可自动验证的工具分发体系

常规风险

• 低：纯标准库实现，无网络请求、无动态代码执行、无敏感数据收集
• 目录操作风险：仅创建用户指定 parent_dir 下的子目录，已通过 pathlib 路径规范化约束
• 模板注入风险：生成的模板文件为静态内容，无用户输入直接写入执行路径

安全认证结论

CLS-Certify v2.1.0 六维扫描（静态分析、动态行为、依赖审计、网络分析、隐私合规、威胁情报）全部通过，评分 100/100，安全等级 S。来自 GitHub dcc-mcp 官方组织，MIT-0 许可，T2 可信来源。