我愿意为这个工具花 1000 美元，可它居然完全免费——Skill Seekers 配 TaoToken：settings.json 骨架与 MCP 数据层验证

1. 为什么我盯着 Skill Seekers 的 settings.json 看了半小时Skill Seekers 是一个把 GitHub 仓库、文档站点、PDF 等异构数据源通过 AST 解析转成 MCP 可消费技能数据的工具。它适合三类人想让 Claude Code 读懂私有仓库的开发者、给 RAG 流水线找结构化数据源的工程师、以及想把开源项目快速封装成 AI 技能的产品同学。我最初以为它只是个爬虫加切片器直到我把一个 3 万行的 TypeScript 仓库丢进去看到它输出的函数签名、参数类型、依赖关系全部对齐才意识到这东西解决的是 AI 系统里最脏的那层活。但真正卡住我的不是 Skill Seekers 本身而是它和 TaoToken 的对接。Skill Seekers 负责把代码变成结构化知识TaoToken 负责把模型调用收敛到一个 Key、一个 API 通道。两者拼在一起才是「数据层 模型层」的完整链路。问题在于settings.json 的骨架如果写错一个字段MCP 服务注册就会静默失败你看到的只是 Claude Code 里工具列表空空如也没有任何报错。我踩过的坑是把 MCP 的 command 写成了相对路径结果 Claude Code 启动时工作目录不对服务根本没起来。这篇就按我实际跑通的顺序来先给 settings.json 骨架再注册 MCP 服务然后跑一次 AST 解析最后用一次 MCP 调用回显验证整条链路。每一步都有可复制的配置和预期结果。2. TaoToken 前置统一 Key 与 API 通道Skill Seekers 的 MCP 服务在解析完仓库后需要调用模型来做语义合并和冲突检测。如果你每个模型都单独配 Keysettings.json 会变成一团乱麻。TaoToken 的作用是把这些调用收敛到一个 API 通道上你只需要在配置里写一个 base_url 和一个 Key。先拿到 Key。访问 https://taotoken.net/api-keys 登录后创建一个新 Key复制出来。这个 Key 后面会写进 settings.json 的 env 字段里。TaoToken 的 API 地址是 https://taotoken.net/api 注意这个地址不带任何查询参数直接作为 base_url 使用。如果你用的是 OpenAI 兼容的客户端base_url 填这个就行如果是 Anthropic 风格的调用TaoToken 也做了适配具体可以看接入文档 https://taotoken.net/doc 。这里有个细节Skill Seekers 的 MCP 服务在启动时会读取环境变量里的 API Key。如果你把 Key 直接写在 settings.json 的 env 里Claude Code 启动 MCP 服务时会自动注入。但如果你用的是系统环境变量要确保 Claude Code 启动的那个 shell 能读到。我建议直接写在 settings.json 里省得排查环境变量继承问题。3. 可复制配置settings.json 骨架与 MCP 注册片段Claude Code 的配置文件在~/.claude/settings.jsonmacOS/Linux或%USERPROFILE%\.claude\settings.jsonWindows。如果你之前没建过这个文件直接新建一个。下面是我跑通的骨架字段含义我写在注释里但实际 JSON 不支持注释你复制时把//那行删掉。{ mcpServers: { skill-seekers: { command: python, args: [ -m, skill_seekers.mcp_server, --transport, stdio ], env: { TAOTOKEN_API_KEY: sk-你的TaoTokenKey, TAOTOKEN_BASE_URL: https://taotoken.net/api, SKILL_SEEKERS_WORKSPACE: /Users/yourname/skill-workspace } } } }几个关键点。command用python而不是python3是因为 Claude Code 在 macOS 上启动 MCP 服务时PATH 里的python通常指向 Python 3.10。如果你系统里python还是 Python 2改成python3。args里的-m skill_seekers.mcp_server是 Skill Seekers 的 MCP 入口模块--transport stdio表示用标准输入输出通信这是 Claude Code 最稳的传输方式。env里的TAOTOKEN_API_KEY填你刚才复制的 Key。TAOTOKEN_BASE_URL固定填https://taotoken.net/api不要加斜杠结尾。SKILL_SEEKERS_WORKSPACE是你存放解析产物的目录建议单独建一个不要和代码仓库混在一起。如果你还没装 Skill Seekers先装pip install skill-seekers装完后验证一下 MCP 模块能不能跑python -m skill_seekers.mcp_server --help如果输出里有--transport参数说明说明模块路径没问题。如果报No module named skill_seekers检查你的 pip 是不是装到了另一个 Python 环境里。4. 验证请求AST 解析与 MCP 调用回显配置写完后重启 Claude Code。重启后输入/mcp命令你应该能看到skill-seekers这个服务状态是connected。如果状态是failed先看下一节的排查。接下来跑一次真实的 AST 解析。在 Claude Code 里直接说用 skill-seekers 解析这个仓库 https://github.com/yourname/your-repo 生成技能数据输出到 workspace。Claude 会通过 MCP 调用 Skill Seekers 的解析工具。你会在终端看到类似这样的回显{ status: success, repo: yourname/your-repo, language: typescript, files_parsed: 147, functions_extracted: 892, classes_extracted: 63, conflicts_detected: 4, output_path: /Users/yourname/skill-workspace/your-repo-skill.json }这个回显说明 AST 解析跑通了。functions_extracted是提取到的函数数量conflicts_detected是文档与代码不一致的地方。我实测下来一个中等规模的 TypeScript 仓库解析时间在 40 秒左右取决于仓库大小和网络。然后验证 MCP 数据层能不能被模型消费。在 Claude Code 里问用刚才解析的 your-repo 技能数据告诉我这个仓库里 getUserById 函数的参数类型是什么。如果 Skill Seekers 的 MCP 服务正常Claude 会从解析产物里读到函数签名给出准确回答。这一步验证的是「数据层到 AI 工具」的完整链路GitHub 仓库 → AST 解析 → MCP 服务 → Claude Code 调用。如果你想单独测试 TaoToken 通道是否通可以用模型对话页面发一条消息 https://taotoken.net/models 确认 Key 和 base_url 没问题。这一步和 Skill Seekers 无关但能帮你排除是 Key 的问题还是 MCP 配置的问题。5. 本篇常见错排查MCP 服务状态是 failed但没有任何报错。最常见的原因是command路径不对。Claude Code 启动 MCP 服务时工作目录不一定是你的项目目录。把command改成绝对路径比如/usr/local/bin/python3或者用which python3查一下实际路径填进去。解析回显里files_parsed是 0。检查仓库地址是不是私有仓库。Skill Seekers 默认只能拉公开仓库私有仓库需要在 env 里加GITHUB_TOKEN。另外确认SKILL_SEEKERS_WORKSPACE目录存在且有写权限否则解析产物写不进去回显里output_path会是空。Claude 说找不到 skill-seekers 工具。重启 Claude Code 后输入/mcp看服务列表。如果服务在但工具列表是空的说明 MCP 服务启动了但工具注册失败。检查 Skill Seekers 版本pip show skill-seekers看是不是 3.2.0 以上。低于这个版本 MCP 工具注册有 bug。TaoToken 调用返回 401。检查TAOTOKEN_API_KEY有没有多余空格以及TAOTOKEN_BASE_URL是不是https://taotoken.net/api。注意不要写成https://taotoken.net/api/v1TaoToken 的兼容层会自动处理版本路径。如果还是 401去 console 重新生成一个 Key https://taotoken.net/console 确认 Key 的状态是 active。AST 解析报语法错误。Skill Seekers 目前对 Python、JavaScript、TypeScript、Java、C、Go 支持最好。如果你解析的是 Rust 或 Kotlin 仓库可能会跳过部分文件。回显里files_parsed会小于实际文件数这是正常的不是配置问题。6. 长期编码与 Agent 场景的 CTA如果你只是偶尔解析一两个仓库上面的配置够用了。但如果你要把 Skill Seekers 当成日常编码助手的数据层每次都要手动跑解析、手动同步效率会很低。这种场景更适合用 Coding Plan 把模型调用和 MCP 服务绑在一起让 Claude Code 在每次会话开始时自动检查仓库更新、增量解析。具体可以看 https://taotoken.net/coding-plan 。对于已经在用 Claude Code 做长期项目的同学建议把SKILL_SEEKERS_WORKSPACE设成一个独立的 Git 仓库每次解析产物自动 commit这样你的 AI 技能数据也有版本历史。MCP 服务注册片段可以直接复用上面的 settings.json只需要把TAOTOKEN_API_KEY换成 Coding Plan 对应的 Key。整条链路跑通后你会发现最耗时的不是配置而是等 AST 解析。我通常会在晚上跑一次全量解析第二天早上 Claude Code 里就已经有最新的技能数据了。