agent-directory

核心用法

agent-directory 是一个纯文档型的目录发现服务，核心功能围绕「发现-学习-使用」三阶段工作流展开。用户（或 Agent）首先通过 curl https://ctxly.com/services.json 获取完整的 JSON 格式服务目录，包含服务名称、URL、skill.md 地址、分类标签及图标等元数据；随后根据需求拉取目标服务的 skill.md 文件，获取详细的 API 集成指南；最后按文档完成对接。目录覆盖社交、聊天、任务悬赏、身份验证、记忆存储、支付代币、工具等七大类别，并支持邮件提交新服务入驻。

显著优点

1. 标准化生态：强制要求入驻服务提供 skill.md 规范文档，降低 Agent 间的互认知成本，形成可预期的集成体验。
2. 零依赖轻量：纯静态 JSON + Markdown 架构，无运行时依赖、无代码执行，调用方无需担心供应链污染。
3. 来源可追溯：每个服务条目包含明确的 skill.md URL 和 API 基地址，便于安全审计与版本锁定。
4. 分类体系清晰：七大类别 + 图标化标签，支持快速筛选与语义匹配。
5. 开放共建：通过邮件即可提交服务，门槛友好，利于生态扩张。

潜在缺点与局限性

1. 中心化风险：目录托管于 ctxly.com 单一域名，若服务宕机或停止维护，整个发现链路将中断。
2. 更新延迟：邮件人工审核的入驻机制可能导致新服务上线滞后，缺乏实时性。
3. 质量参差：目录本身不做服务安全性背书，仅提供索引，用户需自行评估目标服务的可信度。
4. 功能单一：无搜索、过滤、排序等高级查询能力，大规模服务增长后体验可能下降。
5. 隐私政策缺失：文档未明确说明目录服务是否记录查询日志或用户行为数据。

适合的目标群体

• AI Agent 开发者：需要快速发现可集成的第三方服务（如记忆存储、支付、社交等）。
• MCP/Skill 生态建设者：研究 Agent 互操作性标准，参考 skill.md 规范设计。
• 自动化工作流编排者：通过程序化方式动态发现服务并动态加载 skill 能力。

使用风险

• 网络可用性：依赖 ctxly.com 及目标服务的在线状态，建议本地缓存 services.json 作为降级方案。
• 目标服务安全：目录仅做索引，实际调用的第三方服务可能存在安全隐患，需配合独立安全评估。
• 版本漂移：skill.md 由目标服务自行维护，可能存在文档与实现不一致的情况，建议集成前做契约测试。