AI 交付大脑:给 Agent 用的全生态交付编排 MCP 工具,把一个产品合法打包进 Linux/Windows/苹果/鸿蒙各生态
- ✓Open-source license (MIT)
- ✓Actively maintained (<30d)
- ✓Clear description
- ✓Topics declared
- ✓Documented (README)
claude mcp add deliverkit -- npx -y --package{
"mcpServers": {
"deliverkit": {
"command": "npx",
"args": ["-y", "--package"]
}
}
}Resumen de MCP Servers
# DeliverKit
[](https://github.com/muzimu217/DeliverKit/actions/workflows/test.yml)
[](LICENSE)
[](https://modelcontextprotocol.io)
[](package.json)
> **AI 交付大脑**:给 Agent 用的全生态交付编排工具。
DeliverKit 不是一个"把 Linux 软件塞进 Windows 跑"的兼容层,而是一个给 AI(Agent)使用的**交付大脑**:它把各生态(Linux / Windows / 苹果 / 鸿蒙)的打包、签名、上架知识变成 AI 能读懂、能执行、能验证的能力,让 AI 理解用户需求后,规划出一条**合法合规的交付链路**,把已经开发好的产品送达每一个生态。
## 30 秒上手
```bash
npx -y --package=deliverkit-mcp -- deliverkit doctor # 先看本机现在能交付哪些目标,缺什么、怎么补
npx -y --package=deliverkit-mcp -- deliverkit inspect . # 识别项目语言与入口
npx -y --package=deliverkit-mcp -- deliverkit plan . --goals deb,rpm # 生成可评审的 Forge.md 交付契约
npx -y --package=deliverkit-mcp -- deliverkit pack-deb . --plan Forge.md # 构建 + 干净容器安装运行验证(需 Docker)
```
`doctor` 会把「这台机器现在能产出哪些包」摊开讲清楚——不能产出的目标不是缺陷,而是各生态用签名和官方工具链锁定了产出位置,DeliverKit 的做法是把它们规划到正确的 runner 上,而不是在本机伪造产物。
失败时不会只丢一个日志路径给你:错误结果里带 `log_excerpt`(日志尾部片段)、`suggested_fix` 和 `next_actions`,Agent 和人都能直接看到原因与下一步。
## 它解决什么问题
"一次开发、各生态安装包自动产出"之所以难,不是因为没人想做,而是各生态官方用**代码签名 + 官方工具链 + 官方账号**把这条路锁死了:
| 生态 | 产出安装包的硬约束 |
|---|---|
| 苹果(macOS/iOS) | 签名与公证只能在 **macOS + Xcode + Apple 开发者账号**上完成 |
| Windows | 代码签名需要 **Windows 代码签名证书** |
| 鸿蒙 | 需要 **华为 DevEco 工具链 + AGC 签名** |
| Linux(deb/rpm/AppImage) | 唯一能在一台机器上多目标产出,无强制签名门槛 |
所以 DeliverKit **不假装一台机器产出全生态**——它懂得"每个安装包该在哪、用什么合法方式产出、怎么验证它真的能装能跑",并指挥 AI 在正确的环境(本地 / CI 对应平台 runner / 云构建)里完成。这就绕开了各生态的硬约束,而不是去翻墙。
## 当前能力(v0.3.1 · 可安装 MCP + Agent Skill + Linux 三目标闭环)
DeliverKit 通过 MCP(stdio)暴露规划、编排与构建工具:
- **`inspect_project`** —— 识别项目语言、入口与已有打包配置,给出跨生态交付目标建议。识别失败或识别错误时,可传入 `language`(python/javascript/typescript/go/arkts)与 `entrypoints` 手动指定,结果直接进入 Forge.md 契约,不再死路。
- **`generate_packaging_plan`** —— 生成一份可评审的 `Forge.md` 交付契约(目标生态 / 产物 / 决策依据 / 风险)。
- **`get_ecosystem_knowledge`** —— 读取已注册生态的结构化打包、签名、分发与验证规则。
- **`pack_deb`** —— 按 `Forge.md` 在隔离 Ubuntu 容器中构建 `.deb`,并在新容器执行安装和运行验证。
- **`pack_rpm`** —— 按 `Forge.md` 在隔离 Rocky Linux 容器中构建 `.rpm`,并在新容器执行安装和运行验证。
- **`pack_appimage`** —— 按 `Forge.md` 在隔离 Ubuntu x86_64 容器中构建 AppImage,并执行 extract-and-run/AppRun 验证。
- **`generate_ci_workflow`** —— 按 `Forge.md` 生成 GitHub Actions 多平台工作流;Windows/Apple 证书只通过 secrets 注入,HarmonyOS job 要求 Linux self-hosted DevEco runner。
- **`pack_windows_msi`** —— 在 Windows runner 使用 WiX 构建 MSI,执行 Authenticode 签名与静默安装/卸载验证。
- **`pack_macos`** —— 在 macOS runner 使用 codesign/hdiutil 构建 DMG,或使用 productbuild/productsign 构建 PKG,执行 notarytool 公证、spctl 与 stapler 验证。
- **`pack_harmonyos`** —— 在 Linux/Windows DevEco runner 使用 hvigorw 构建 HAP/APP,并用 hdc 安装验证。
- **`generate_release_manifest`** —— 汇总各平台 JSON 结果、SHA256 与验证证据,生成统一 `ReleaseManifest.json`。
三个 Linux 构建工具都需要可用 Docker 守护进程。`npm run test:e2e:linux` 已用
Python Flask、TypeScript 和 Go 标准库 HTTP 三个真实 fixture 复现同一份多目标
`Forge.md`,完成 deb/rpm/AppImage 的构建、安装与运行验证,并生成 `verified`
状态的 Release Manifest;仓库 CI 也会在
Ubuntu 22.04 与 24.04 runner 上重复该 matrix 并上传 JSON 证据,其他 Linux 主机复核仍建议继续执行。
所有平台构建类工具都遵守两条铁律:
1. **计划先行**(Plan-before-build):无 `Forge.md` 契约不构建。
2. **真实验证**(Real verification):不只看退出码,要验证产物装得上、跑得起来、签名有效。
失败时的可行动性也被当作契约的一部分:Docker 不可用会区分「没装 / 守护进程没起 / 权限不足 / 探测超时」并给出各自的修复动作;构建超时不会伪装成普通构建失败;每次失败都带日志尾部片段与下一步命令;`Forge.md` 的 `source_dir` 比对容忍符号链接差异(如 macOS 的 `/tmp` 与 `/private/tmp`),真不一致时报错会列出两个路径各自的值。
CLI 侧同样支持手动指定(可重复 `--entry`):
```bash
npx -y --package=deliverkit-mcp -- deliverkit plan . --goals deb --language python --entry server.rb
```
## 接入
### 站点(MCP 转化入口)
仓库附带可直接部署的静态站点:[site/index.html](site/index.html)。首屏是 MCP 安装命令与「10 分钟跑通 Linux」首次任务,生态知识与平台前置指南作为次级入口,Agent Skill 见 [skills/deliverkit-mcp/SKILL.md](skills/deliverkit-mcp/SKILL.md)。
```bash
npx serve site
```
站点不收集任何用户数据(无表单、无统计脚本、无 cookie),也不包含任何账号、证书或私钥;部署与内容边界见 [site/README.md](site/README.md)。
MCP(stdio):
```json
{
"mcpServers": {
"deliverkit": {
"command": "npx",
"args": ["-y", "deliverkit-mcp"]
}
}
}
```
CLI:
```bash
deliverkit doctor # 自检本机可交付目标,缺什么、怎么补
deliverkit inspect . # 识别项目与交付目标建议
deliverkit plan . --goals deb,rpm # 生成 Forge.md 交付契约
deliverkit pack-deb . --plan Forge.md # 构建并验证 deb(需要 Docker)
deliverkit pack-rpm . --plan Forge.md # 构建并验证 rpm(需要 Docker)
deliverkit pack-appimage . --plan Forge.md # 构建并验证 AppImage(需要 Docker)
deliverkit generate-ci-workflow . --plan Forge.md # 生成多平台 GitHub Actions 工作流
deliverkit pack-windows-msi . --plan Forge.md # 仅 Windows runner 可执行,要求签名 secrets
deliverkit pack-macos . --plan Forge.md # 仅 macOS runner 可执行,按 Forge.md 构建 DMG/PKG
deliverkit pack-harmonyos . --plan Forge.md # 仅 DevEco runner 可执行,要求 AGC secrets/设备
deliverkit generate-release-manifest . --plan Forge.md --results .deliverkit/results
```
CLI 默认输出人类可读摘要(产物、验证项、失败原因、下一步);任何命令加 `--json` 得到与 MCP 一致的结构化结果,供脚本和 Agent 消费。
## 参与
- 提 issue:[bug 报告 / 生态支持请求](https://github.com/muzimu217/DeliverKit/issues/new/choose)
- 提 PR 前请读 [CONTRIBUTING.md](CONTRIBUTING.md)(含「新增生态知识包」与「新增 pack_* 工具」的检查清单)
- 安全问题请按 [SECURITY.md](SECURITY.md) 私下反馈,不要开公开 issue
- 讨论与提问:[GitHub Discussions](https://github.com/muzimu217/DeliverKit/discussions)(Q&A 24 小时内回应)
- **用 DeliverKit 打出了装得上、跑得起来的包?** 提交[成功交付反馈](https://github.com/muzimu217/DeliverKit/issues/new?assignees=&labels=success-story&template=success-story.yml)——真实成功交付是本项目的北极星指标,比 star 重要;没有你的明确同意,案例只用于内部计数,不对外宣传。
## 路线图
见 [docs/ROADMAP.md](docs/ROADMAP.md)。简要:
- **A** — 契约层 + 生态知识包 schema(已完成)
- **B** — Linux 多发行版可验证交付(本地三项目 matrix 门槛已复现,CI/跨主机复核建议继续)
- **C** — 编排层 + CI 矩阵,Windows MSI(实现中,真实签名门槛待 CI 验证)
- **D** — 苹果生态(实现中,签名/公证门槛待 macOS CI 验证)
- **E** — 鸿蒙正式化 + 统一交付报告(实现中,AGC/设备门槛待验证)
## 起源
DeliverKit 的 MCP 协议层与"计划先行 / 真实验证"两条铁律继承自 [ForgeKit](https://github.com/CDUESTC-OpenAtom-Open-Source-Club/ForgeKit)(一个专注 Docker 构建诊断的项目)。两者定位不同、各自独立演进:ForgeKit 往窄里做诊断,DeliverKit 往宽里做多生态交付。
## License
MIT
Lo que la gente pregunta sobre DeliverKit
¿Qué es muzimu217/DeliverKit?
+
muzimu217/DeliverKit es mcp servers para el ecosistema de Claude AI. AI 交付大脑:给 Agent 用的全生态交付编排 MCP 工具,把一个产品合法打包进 Linux/Windows/苹果/鸿蒙各生态 Tiene 0 estrellas en GitHub y su última actualización registrada es del 2026-09-11.
¿Cómo se instala DeliverKit?
+
Puedes instalar DeliverKit clonando el repositorio (https://github.com/muzimu217/DeliverKit) o siguiendo las instrucciones del README en GitHub. ClaudeWave también te ofrece bloques de instalación rápida en esta misma página.
¿Es seguro usar muzimu217/DeliverKit?
+
Nuestro agente de seguridad ha analizado muzimu217/DeliverKit y le ha asignado un Trust Score de 95/100 (tier: Verified). Revisa el desglose completo de comprobaciones superadas y flags en esta página.
¿Quién mantiene muzimu217/DeliverKit?
+
muzimu217/DeliverKit es mantenido por muzimu217. La última actividad registrada en GitHub es del 2026-09-11, con 0 issues abiertos.
¿Hay alternativas a DeliverKit?
+
Sí. En ClaudeWave puedes explorar mcp servers similares en /categories/mcp, ordenados por popularidad o actividad reciente.
Despliega DeliverKit en tu cloud
Lleva este repo a producción en minutos. Cada plataforma genera su propio entorno con variables de entorno editables.
¿Mantienes este repo? Añade un badge a tu README
Pega el badge en tu README de GitHub para mostrar que está auditado por ClaudeWave. Cada badge enlaza de vuelta a esta página y muestra el Trust Score actual.
[](https://claudewave.com/repo/muzimu217-deliverkit)<a href="https://claudewave.com/repo/muzimu217-deliverkit"><img src="https://claudewave.com/api/badge/muzimu217-deliverkit" alt="Featured on ClaudeWave: muzimu217/DeliverKit" width="320" height="64" /></a>Más MCP Servers
Fair-code workflow automation platform with native AI capabilities. Combine visual building with custom code, self-host or cloud, 400+ integrations.
User-friendly AI Interface (Supports Ollama, OpenAI API, ...)
An open-source AI agent that brings the power of Gemini directly into your terminal.
Real-time global intelligence dashboard. AI-powered news aggregation, geopolitical monitoring, and infrastructure tracking in a unified situational awareness interface
The fastest path to AI-powered full stack observability, even for lean teams.
🕷️ An adaptive Web Scraping framework that handles everything from a single request to a full-scale crawl!