Android Skills MCP：把官方 Android 技能分发给所有 AI 编程助手
Google 官方维护了一套 Android 开发"技能"库（android/skills），每个技能是一份 SKILL.md 最佳实践指南，例如 edge-to-edge 沉浸式布局、R8 优化分析等。但要用进 AI 编程工具，开发者得手动复制粘贴，而且 Claude、Cursor、Copilot 各家的 rules 格式还不一样——同一份技能要改写成 7 种形态。skydoves（Jaewoong Eum）的 android-skills-mcp 正是解决这个分发难题：它包装 android/skills，提供两种方式让 AI 工具用上这些技能——MCP 服务器（按需拉取）和打包 CLI（一键转成 7 种工具的原生 rules 文件）。本文剖析它的架构、核心包与使用方式。参考 GitHub 仓库。
1、概述：它解决什么问题
先看它要填的坑。Google 的 android/skills 是好东西，但从"官方仓库"到"AI 工具真正用上"之间缺一个分发层：
官方 android/skills (SKILL.md 最佳实践，如 edge-to-edge / R8-analyzer)
|
| 手动复制粘贴？格式各家不同，要改写 7 遍？
v
Claude Code .claude/skills/<name>/SKILL.md
Cursor .cursor/rules/<name>.mdc
Copilot .github/instructions/<name>.instructions.md
Gemini .gemini/styleguide.md
Junie/Continue/Aider ... 各家一种格式android-skills-mcp 把这层"适配与分发"自动化了。它是一个 pnpm workspace monorepo，对外提供两个产品：MCP 服务器（动态按需拉取技能）和打包 CLI（静态转成各工具原生 rules 文件），两者共享一个解析内核与内置的技能快照，全程离线可用（npx 即跑）。
核心要点：
1. 包装 Google 官方 android/skills，免复制粘贴即可被 AI 工具使用
2. 两种分发范式：MCP 服务器（动态）与rules 文件（静态）
3. 内置技能快照，离线工作，npx -y 即可运行，无需 clone 上游
4. 覆盖 Claude Code / Cursor / Copilot / Gemini / Junie / Continue / Aider 七大工具
2、整体架构：三个包的分工
仓库是 pnpm workspace，三个包各司其职，共享同一个内核与技能快照：
android-skills-mcp (pnpm workspace monorepo)
├── packages/core @android-skills/core 解析 + 校验 + BM25 索引（共享内核）
├── packages/mcp android-skills-mcp MCP 服务器（stdio，按需拉取）
└── packages/pack android-skills-pack 打包 CLI（转 7 种 rules 文件）
↑ 三者共享 core，且 mcp/pack 都内置 dist/skills.json 技能快照核心要点：
1. @android-skills/core：解析 SKILL.md、按规范校验、建搜索索引，是共享底座
2. android-skills-mcp：MCP 服务器，把技能库暴露给任何 MCP 客户端
3. android-skills-pack：CLI，把 SKILL.md 转成各工具原生格式写入项目
4. mcp 和 pack 都依赖 core，且都把解析后的技能快照打包进 dist/skills.json，终端用户无需上游仓库
3、内核：@android-skills/core
core 是整个项目的底座，三件事：解析 frontmatter、按规范校验、建全文索引。它决定了技能能否被"结构化理解 + 高效检索"。
// @android-skills/core 的三大职责
1. 解析：用 gray-matter 解析 SKILL.md 的 frontmatter（name/description 等元数据）
2. 校验：用 zod 按 agentskills.io 规范校验每个技能的合法性
3. 索引：用 minisearch 构建 BM25 索引，支持 search_skills 全文检索
// 关键产出：dist/skills.json（解析后的技能快照）
// 被 mcp 和 pack 共同内置，让终端用户离线即用，不依赖上游 android/skills 仓库核心要点：
1. gray-matter 解析 SKILL.md 头部的 YAML frontmatter，提取技能元数据
2. zod + agentskills.io 规范校验，保证技能符合 AI 技能标准格式
3. minissearch 构建 BM25 索引，让 search_skills 能按相关性排序，而非简单列表
4. 解析结果固化为 dist/skills.json 快照，是"离线 + 快速加载"的基础
4、MCP 服务器：按需拉取技能
android-skills-mcp 是一个 stdio MCP 服务器，暴露三个工具和一个资源协议，任何 MCP 客户端都能发现并按需拉取技能：
// 暴露的三个工具
list_skills // 列出所有可用技能
search_skills // 按关键词 BM25 搜索（如 "edge-to-edge"）
get_skill // 取回某个技能的完整内容
// 资源协议
每个技能暴露为 skill:// 资源，MCP 客户端可按需发现并拉取
// 接入 Claude Code（一行命令）
claude mcp add android-skills -- npx -y android-skills-mcp
// 接入 Cursor：.cursor/mcp.json
{
"mcpServers": {
"android-skills": {
"command": "npx",
"args": ["-y", "android-skills-mcp"]
}
}
}
// 其他 MCP 客户端（Codex CLI / Windsurf 等）：任何能注册 stdio MCP 的地方
// npx -y android-skills-mcp
// 内置快照加载 < 200ms，每次会话拉起的开销可忽略核心要点：
1. 三个工具：list_skills 列举、search_skills 搜索、get_skill 取详情
2. 每个技能作为 skill:// 资源暴露，符合 MCP 资源协议
3. Claude Code 一行 `claude mcp add` 即接入；Cursor 改 mcp.json
4. 快照加载 < 200ms，按需拉取、不污染仓库
5、打包 CLI：转 7 种原生 rules 格式
如果你更倾向"把 rules 文件提交进仓库、团队共享"，打包 CLI 能把 SKILL.md 一键转成各工具的原生格式写入项目，可选单个目标或 all：
# 转成某个工具的格式
npx android-skills-pack install --target cursor
npx android-skills-pack install --target claude-code
npx android-skills-pack install --target copilot
# 一次转成全部 7 种
npx android-skills-pack install --target all
# 只装某个技能（可逗号分隔多个）
npx android-skills-pack install --target cursor --skill edge-to-edge
npx android-skills-pack install --target claude-code --skill edge-to-edge,r8-analyzerTarget 输出路径 说明
-----------------------------------------------------------------------------
claude-code .claude/skills/<name>/SKILL.md 近 1:1 拷贝，引用单独存
cursor .cursor/rules/<name>.mdc description + alwaysApply
copilot .github/instructions/<name>.instructions.md applyTo: "**"
gemini .gemini/styleguide.md 单文件拼接，## 分节
junie .junie/skills/<name>/SKILL.md 原生支持 agentskills.io
continue .continue/rules/<name>.md name/description/alwaysApply
aider CONVENTIONS.md (仓库根) 单文件，.aider.conf.yml 加 read核心要点：
1. --target 选单工具或 all；--skill 过滤特定技能
2. 七大工具各有专属输出路径与 frontmatter 约定，CLI 自动适配
3. 文件写入项目后可提交仓库，团队成员无需各自配置
4. junie 原生支持 agentskills.io 规范，其余工具按各自 rules 机制转写
6、两种方式怎么选
MCP 服务器和打包 CLI 不是二选一的对立，而是两种范式的权衡——动态按需 vs 静态提交：
维度 MCP 服务器 打包 CLI（rules 文件）
------------------------------------------------------------------------
形态 运行时按需拉取 静态文件写入项目
仓库 不污染仓库 可提交，团队共享
更新 上游更新后自动跟进（快照随包） 需重新跑 CLI 同步
离线 npx 即跑（内置快照） 文件已在本地，完全离线
可见性 技能"隐式"生效 rules 文件可读可审查
适合 个人快速启用、多项目复用 团队统一规范、需要版本化核心要点：
1. MCP 方式：一次配置、多项目复用，技能"隐式"生效，不污染仓库
2. 文件方式：rules 提交进仓库，团队共享、可审查、可版本化
3. 个人开发优先 MCP（轻），团队协作优先文件（稳）
4. 两者共享同一份技能快照，内容一致，只是分发路径不同
7、设计亮点与启示
抛开功能，这个项目在工程上有不少值得借鉴的设计：
- 快照解耦上游：把解析后的技能固化进 dist/skills.json，终端用户完全不依赖 android/skills 仓库
- BM25 而非列表：用 minisearch 建全文索引，search_skills 按相关性排序，体验远超扁平 list
- 遵循 agentskills.io 规范：用 zod 校验，技能格式标准化，可被任何符合规范的工具消费
- monorepo 拓扑构建：core 先、mcp/pack 并行，pnpm workspace + vitest 共 64 个测试
- 双范式覆盖：MCP（动态）+ 文件（静态）满足不同场景，不一刀切
核心要点：
1. 把"技能数据"与"上游仓库"解耦（快照内置），是离线分发的关键设计
2. 用搜索（BM25）替代列表，让 AI 能"找到最相关的技能"
3. 遵循开放规范（agentskills.io），不绑架用户于单一工具
4. 它的启示：做"AI 工具的内容分发"，要把"数据层（core）"与"传输层（MCP/文件）"分离
8、总结
android-skills-mcp 抓住了一个具体而真实的缺口：Google 有官方 Android 技能，各家 AI 工具有各自的 rules 格式，中间缺一个"适配 + 分发"层。它用"MCP 服务器 + 打包 CLI"双范式填上了这个空。
关键要点：
- 定位：包装 Google android/skills，分发给所有主流 AI 编程助手
- 架构：core（解析/校验/BM25）+ mcp（服务器）+ pack（CLI）三包 monorepo
- MCP：list/search/get 三工具 + skill:// 资源，Claude Code 一行接入
- CLI：--target 选 7 种工具格式，--skill 过滤，写入项目可提交
- 选型：个人用 MCP（轻、按需），团队用文件（稳、可版本化）
- 亮点：快照内置离线、BM25 搜索、agentskills.io 规范、数据层与传输层分离
对于想让 AI 编程助手"懂 Android 最佳实践"的开发者而言，android-skills-mcp 把"官方技能 → AI 工具"的分发链路打通了——edge-to-edge、R8 优化这些官方沉淀的经验，不再是"知道但用不上"的文档，而是 AI 写代码时随时可调用的能力。它更示范了一种通用模式：把任何"最佳实践库"通过 MCP / rules 文件分发给 AI 工具，数据层（解析与索引）与传输层（MCP/文件）分离。这套"技能分发"思路，未来完全可以复用到前端、后端、安全等任何领域的实践库上。
