摘要SkillLite 是轻量级 AI Agent Skills 执行引擎同一套 Rust workspace 拆分多 crate向上提供「开箱即用的 Agent 产品」与「可嵌入的安全执行内核」。集成方既可通过终端 CLI 与 MCP 接入 IDE也可在 Python 中调用scan_code、execute_code、run_skill等 API。本文用双层产品架构图与 Python 调用时序图建立心智模型并给出可直接运行的 SDK 示例代码帮助读者在 10 分钟内判断该用哪条入口、依赖哪些组件。目录一、为什么需要「多入口」二、双层产品Agent 与 Core三、五类入口对照表四、Workspace 与依赖方向五、Python 集成执行路径与示例代码六、MCP 与 Desktop、Swarm 的选型七、小结参考与链接一、为什么需要「多入口」AI 应用集成场景差异很大个人开发者需要终端里一条命令跑通 chat 与技能IDE 用户希望用 MCP 把「列技能、跑技能、扫代码」暴露给编辑器里的模型Python 服务要把沙箱执行嵌进现有后端而不必重写 Rust桌面用户偏好图形界面与托盘常驻多机协作需要发现邻居节点并路由任务。若每种场景都单独造轮子安全策略与技能协议又会分裂。SkillLite 的做法是一个二进制能力集 多种薄入口共享同一套沙箱、扫描与 Skills 语义按场景选择 CLI、stdio MCP、Python 子进程或 IPC、Tauri 外壳、Swarm 守护进程。二、双层产品Agent 与 Core官方文档用一张图区分上层 Agent 与底层 Core引用自docs/zh/ARCHITECTURE.md的表述SkillLite Core底层引擎沙箱执行 安全扫描 Skills MCP 等定位可被任意 agent 框架集成编译skilllite-sandbox轻量 binarySkillLite Agent上层产品chat / planning / memory / tools定位开箱即用的 AI 助手编译skilllitefull binary一句话Agent 是 Core 的「第一个客户」与参考实现第三方框架也可以只集成 Core自研对话与规划层。三、五类入口对照表下表与docs/zh/ENTRYPOINTS-AND-DOMAINS.md一致便于选型时快速扫描入口是什么依赖的组件概要适用场景CLI主二进制skilllitecore、sandbox、commands可选 executor、agent、swarm终端、脚本、CI、全功能本地使用Pythonpython-sdk IPC 或子进程本机已安装的skilllite可选skilllite servePython 应用、框架桥接、自动化MCPskilllite mcp与主二进制相同skilllite包内 MCP 模块Cursor、VS Code 等 MCP 客户端Desktopskilllite-assistantTauri编译时 core运行时需系统已有skilllite非命令行用户、托盘与图形会话Swarmskilllite swarmskilllite-swarm可与 agent 能力配合mDNS 发现、P2P 任务路由、技能 Gossip冷知识轻量skilllite-sandbox二进制适合「只要沙箱 MCP、不要完整 agent」的嵌入场景与全量skilllite的 feature 组合见仓库Cargo.toml与架构文档。四、Workspace 与依赖方向用文字版依赖链帮助读者建立「调用下去会经过谁」的印象摘自架构文档的归纳CLI / MCP / stdio_rpc → skilllite-commands → skilllite-agent启用 agent 时 → skilllite-executor → skilllite-sandbox → skilllite-core原则Core 不依赖上层Sandbox 提供执行隔离Agent 在 Core 之上叠加对话、规划与工具扩展。Python SDK不链接 Rust运行时通过子进程或 JSON-RPC 调用已安装的二进制从而降低语言生态耦合。五、Python 集成执行路径与示例代码5.1 时序图IPC 优先 vs 子进程回退execute_code在设置SKILLLITE_USE_IPC1且skilllite serve可用时可走长连接减少重复冷启动否则回退为对skilllite exec的子进程调用逻辑见python-sdk/skilllite/api.py。skilllite 二进制skilllite serve可选skilllite SDKPython 应用skilllite 二进制skilllite serve可选skilllite SDKPython 应用alt[IPC 客户端可用][子进程回退]execute_code(language, code, sandbox_level3)client.exec(tmpdir, script_name, ...)JSON-RPCoutput, exit_codeskilllite exec ... --sandbox-level Nstdout / stderrdict(success, text, exit_code, ...)5.2 最小可运行示例安装与 PATH 配置请遵循项目README.md与docs/zh/GETTING_STARTED.md。示例如下fromskillliteimportexecute_code,scan_code# 典型先扫描再执行生产环境应按 SDK 约定处理 confirmed / scan_idsnippet x 1 2 print(result:, x) scan_resultscan_code(languagepython,codesnippet)print(scan:,scan_result.get(success),scan_result.get(scan_id))exec_resultexecute_code(languagepython,codesnippet,confirmedFalse,scan_idNone,sandbox_level3,# 1无沙箱, 2仅沙箱, 3沙箱扫描)print(exec success:,exec_result[success])print(exit_code:,exec_result[exit_code])print(output:,exec_result[text])5.3sandbox_level语义与源码 docstring 一致值含义1无沙箱2仅沙箱3沙箱 扫描默认较安全run_skill同样接受sandbox_level、allow_network等参数适合「整包 SKILL.md 技能」而非单文件脚本具体见python-sdk/skilllite/api.py中的函数说明。5.4 与 LangChain 的衔接仓库提供独立包langchain-skilllite/SkillManager、SkillLiteTool等便于把技能列表与执行封装成 Agent 工具版本与用法以该目录内pyproject.toml与源码为准。六、MCP、Desktop、Swarm 的选型MCP在 Cursor 等客户端中配置启动命令为skilllite mcpstdio即可暴露list_skills、run_skill、scan_code、execute_code等工具适合「模型驱动开发」工作流。Desktop适合需要图片附件、会话管理与图形界面的用户注意运行时仍依赖本机skilllite二进制。Swarm监听地址默认多为回环如127.0.0.1:7700局域网暴露需显式绑定并配置SKILLLITE_SWARM_TOKEN客户端携带Authorization: Bearer避免未授权访问。七、小结SkillLite 用双层产品 多入口覆盖从「个人终端」到「Python 服务」再到「IDE / 桌面 / 组网」的路径。依赖方向清晰集成方应优先理解sandbox → core边界再决定是否使用完整 Agent。Python SDK 是薄桥接能力来自本机二进制IPC 可优化高频调用路径。参考与链接架构详解docs/zh/ARCHITECTURE.md入口与能力域docs/zh/ENTRYPOINTS-AND-DOMAINS.md快速开始docs/zh/GETTING_STARTED.md开源仓库https://github.com/EXboys/skilllite