Tool Finder 综合评估
核心用法
Tool Finder 是一款统一搜索 ClawHub skills 和 Smithery MCP servers 的命令行工具发现引擎。核心交互围绕三大场景：搜索（search）、安装（install）和推荐筛选。
搜索功能支持多维度过滤：
- 按类型筛选：
--type skill或--type mcp - 精确匹配：
--exact模式适用于已知技能名场景 - 数量限制：
--limit控制返回结果数 - 完整性开关：
--all显示低评分（<2.0）结果，默认隐藏
安装功能支持两种资源类型的自动化安装流程，MCP 安装需指定目标客户端（claude-code/cursor/vscode 等）。
显著优点
1. 双源聚合：整合 ClawHub（skills 市场）与 Smithery（MCP 生态）两大平台，覆盖 AI 工具链的完整需求
2. 智能评分系统：v1.2.0 引入五星推荐机制，按评分（≥3.5 强烈推荐）和名称匹配度分层展示，降低决策成本
3. 透明化错误处理：明确区分 API 限流、网络异常等错误类型，并提供针对性解决建议（如登录提升配额）
4. 防幻觉设计：通过 --verbose 输出原始错误信息，建议用户交叉验证网页搜索结果，避免 AI 编造工具信息
5. 轻量依赖：仅需 Node.js + npx、curl、jq 即可运行，无复杂环境配置
潜在缺点与局限性
1. 搜索语义差异：ClawHub 采用向量搜索，功能关键词（如"RAG"）可能无法匹配名称含该词的 skill，需多次试探或切换 --exact 模式
2. 速率限制敏感：未登录用户仅限 60 次/小时，高频调用场景下易触发限流
3. MCP 安装半自动化：Smithery MCP 安装需用户手动指定客户端，无法完全无人值守
4. 中文搜索效果不确定：文档建议优先使用英文关键词，国际化支持有限
5. 结果可验证负担：虽提供验证机制，但用户需主动访问网页或执行额外命令确认，增加使用摩擦
适合人群
- AI 应用开发者：需要快速发现和集成 ClawHub skills 或 MCP servers
- 自动化工作流构建者：通过脚本批量查询和安装工具
- Claude Code / Cursor 等 AI IDE 用户：寻找增强 IDE 能力的插件
- 技术爱好者：探索新兴 AI 工具生态
常规风险
- 依赖外部 API 稳定性：ClawHub 和 Smithery 服务中断将直接影响功能
- 版本漂移：npx 引用的 CLI 工具版本更新可能引入行为变更
- 路径硬编码风险：脚本依赖
~/.openclaw/workspace/skills/tool-finder/固定路径，环境迁移时需手动调整 - 评分机制黑盒：虽展示评分结果，但评分算法未公开，可能存在商业化排序因素