MCP HubMCP Hub
스킬 목록으로 돌아가기

lsp-onboard

blackwell-systems
업데이트됨 6 days ago
1 조회
53
2
53
GitHub에서 보기
메타testingdesign

정보

lsp-onboard 스킬은 LSP 도구를 사용하여 초기 프로젝트 분석을 수행하며, 빌드 시스템, 테스트 러너, 진입점 및 아키텍처 패턴을 감지합니다. 이 스킬은 에이전트가 세션 전반에 걸쳐 참조할 수 있는 구조화된 프로젝트 프로필을 생성하여, 처음 온보딩할 때 필수적입니다. 이 스킬은 agent-lsp MCP 서버가 필요하며, 문서 심볼 분석에 중점을 둡니다.

빠른 설치

Claude Code

추천
기본
npx skills add blackwell-systems/agent-lsp -a claude-code
플러그인 명령대체
/plugin add https://github.com/blackwell-systems/agent-lsp
Git 클론대체
git clone https://github.com/blackwell-systems/agent-lsp.git ~/.claude/skills/lsp-onboard

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서

lsp-onboard

First-session project onboarding. Run this when connecting to a new project for the first time. Explores the codebase via LSP tools and produces a structured project profile: languages, build system, test runner, entry points, key types, and architecture patterns.

The profile helps the agent make better decisions throughout the session without re-exploring the same ground. Run once per project; skip on subsequent sessions unless the project structure has changed significantly.

When to Use

  • First time working in a new codebase
  • After major structural changes (new packages, build system migration)
  • When the agent seems confused about project conventions

Do NOT run this on every session. It's a one-time exploration.


Step 1: Detect languages and servers

mcp__lsp__detect_lsp_servers({ "workspace_dir": "<root>" })

Record which languages are present and which servers are available. This tells you what the project is built with.

Step 2: Initialize and verify

mcp__lsp__start_lsp({ "root_dir": "<root>" })

Wait for initialization. Call list_symbols on one key file to verify the workspace is indexed.

Step 3: Identify entry points

Search for common entry point patterns:

mcp__lsp__find_symbol({ "query": "main" })
mcp__lsp__find_symbol({ "query": "Run" })
mcp__lsp__find_symbol({ "query": "Handler" })

Record entry points with their file paths. These are where execution starts.

Step 4: Map the package structure

For each top-level directory that contains source files, call list_symbols on one representative file:

mcp__lsp__list_symbols({ "file_path": "<dir>/main.go", "format": "outline" })

Build a mental map: which packages exist, what they export, how they relate. Cap at 10 packages to avoid spending too long.

Step 5: Detect build and test commands

mcp__lsp__run_build({ "workspace_dir": "<root>" })
mcp__lsp__run_tests({ "workspace_dir": "<root>" })

Record whether build and tests pass, and what language/toolchain was detected. Note the test count and any failures.

Step 6: Identify hotspots

Pick the 3-5 files that appear most central (entry points, shared types, core logic). For each:

mcp__lsp__blast_radius({ "changed_files": ["<file>"] })

Files with the most non-test callers are the architectural hotspots. Changes to these files have the widest blast radius.

Step 7: Check for diagnostics

mcp__lsp__get_diagnostics({ "file_path": "<entry-point>" })

Note any pre-existing errors or warnings. This sets the baseline so the agent knows what was broken before it started.

Step 8: Produce the project profile

Write a structured summary:

## Project Profile: <name>

### Languages
- Go (primary), TypeScript (frontend)

### Build & Test
- Build: `go build ./...` (passes)
- Test: `go test ./...` (142 tests, 0 failures)

### Entry Points
- cmd/server/main.go:15 (main)
- cmd/worker/main.go:22 (main)

### Package Map
- cmd/server/     (HTTP server, routing)
- cmd/worker/     (background job processor)
- internal/api/   (handler layer)
- internal/store/ (database access)
- internal/types/ (shared type definitions)

### Hotspots (most referenced)
1. internal/types/models.go: 85 callers across 12 files
2. internal/store/queries.go: 42 callers across 8 files
3. internal/api/handlers.go: 31 callers across 6 files

### Pre-existing Issues
- 0 errors, 2 warnings (unused imports in test files)

### Conventions Observed
- Error wrapping with fmt.Errorf
- Table-driven tests
- Handler functions return (result, error)

This profile is for the agent's reference during the session. It does not need to be saved to disk; it lives in the conversation context.


Notes

  • Cap exploration at 10 packages and 5 hotspot files to keep the onboarding under 2 minutes
  • If blast_radius is slow (large files), skip the hotspot step and note "hotspot analysis skipped (large codebase)"
  • The profile is advisory; update it mentally as you learn more during the session

GitHub 저장소

blackwell-systems/agent-lsp
경로: skills/lsp-onboard
0
agentskillsai-agentsai-toolingclaudeclaude-codecode-intelligence

연관 스킬

content-collections

메타

이 스킬은 콘텐츠 콜렉션(Content Collections)을 위한 프로덕션 검증된 설정을 제공합니다. 콘텐츠 콜렉션은 Markdown/MDX 파일을 Zod 검증이 포함된 타입 안전한 데이터 콜렉션으로 변환해주는 TypeScript 최우선 도구입니다. 블로그, 문서 사이트 또는 콘텐츠 중심의 Vite + React 애플리케이션을 구축할 때 타입 안전성과 자동 콘텐츠 검증을 보장하기 위해 사용하세요. Vite 플러그인 구성과 MDX 컴파일부터 배포 최적화 및 스키마 검증에 이르기까지 모든 것을 다룹니다.

스킬 보기

polymarket

메타

이 스킬은 개발자들이 Polymarket 예측 시장 플랫폼을 활용한 애플리케이션을 구축할 수 있도록 지원하며, 거래 및 시장 데이터를 위한 API 통합 기능을 포함합니다. 또한 WebSocket을 통한 실시간 데이터 스트리밍을 제공하여 실시간 거래와 시장 활동을 모니터링할 수 있습니다. 이를 통해 거래 전략을 구현하거나 실시간 시장 업데이트를 처리하는 도구를 생성하는 데 활용할 수 있습니다.

스킬 보기

creating-opencode-plugins

메타

이 스킬은 개발자들이 명령어, 파일, LSP 작업 등 25개 이상의 이벤트 유형에 연결되는 OpenCode 플러그인을 만들 수 있도록 돕습니다. JavaScript/TypeScript 모듈을 위한 플러그인 구조, 이벤트 API 명세, 구현 패턴을 제공합니다. OpenCode AI 어시스턴트의 라이프사이클을 사용자 정의 이벤트 기반 로직으로 가로채거나, 모니터링하거나, 확장해야 할 때 사용하세요.

스킬 보기

sglang

메타

SGLang은 RadixAttention 프리픽스 캐싱을 활용하여 JSON, 정규식, 에이전트 워크플로우를 위한 고속 구조화 생성에 특화된 고성능 LLM 서빙 프레임워크입니다. 특히 반복되는 프리픽스가 있는 작업에서 상당히 빠른 추론 속도를 제공하여 복잡한 구조화 출력 및 다중 턴 대화에 이상적입니다. 제약 디코딩이 필요하거나 광범위한 프리픽스 공유가 있는 애플리케이션을 구축할 때는 vLLM과 같은 대안보다 SGLang을 선택하십시오.

스킬 보기