Skip to main content

林協霆醫師

openevidence-skill：以 Python stdlib 鏡像 openevidence-mcp 工具介面的可攜技能包

/blog/openevidence-skill-2026-05-07/ 林協霆
Table of Contents

# Introduction（引言）

Claude 推出 Skills 機制後，使用者可將特定任務以「漸進式載入」的形式封裝為可重用模組，避免將所有工具一次性塞入 system prompt 而造成 context 浪費。openevidence-mcp 雖能提供完整 MCP 伺服器體驗，但仍需要本地進程管理與 stdio／HTTP 設定。對於僅需要在對話中偶爾查詢醫學文獻的使用者而言，將相同工具介面封裝為 Skill，可大幅降低安裝與維護門檻。

# Methods（方法）

本專案的設計原則是「1:1 鏡像」：完整對齊 openevidence-mcp 的工具呼叫名稱、參數與回傳格式，使既有的 prompt 與工作流可在不改寫的情況下切換到 Skill 模式。實作刻意僅依賴 Python 標準函式庫，避免額外的 pip install 步驟，使技能包可在任何具備 Python 的環境中執行。

部署面則透過 npx skills add htlin222/openevidence-skill 一行指令完成安裝，將檔案複製到 Claude Skills 目錄下即可被 Claude Code、Claude Desktop 與其他相容客戶端讀取。技能包附帶必要的 metadata 與漸進式說明文件，以利 LLM 在判斷是否載入此能力時取得最少且必要的訊號。

# Results（結果）

使用者可在不另外維護長駐 MCP 伺服器的情況下，於 Claude 對話中即時呼叫 OpenEvidence 工具。Skill 形式相較於 MCP 伺服器，啟動延遲更低、跨機器同步更容易；對於以個人筆電為主的醫師工作流尤其友善。1:1 介面亦使團隊能在 MCP 與 Skill 之間自由切換，依環境選擇最適合的部署方式。

# Discussion（討論）

本專案展示了「同一能力、多種封裝」的工程實踐：當底層 API 穩定後，重點便轉移到如何降低使用者採用成本。限制方面，Skill 缺乏 MCP 完整的工具發現與互動協定，較不適合複雜長對話；標準函式庫的限制亦使網路重試與並發控制較為簡略。未來可進一步考慮以 WASM 化的方式分發，或建立 Skill 與 MCP 之間的自動轉換工具。

# 連結

Read next