GitHub
server ทางการของ GitHub ให้ AI อ่านและจัดการโค้ด issue และ pull request ในบัญชีของคุณได้ ใช้ผ่านคลาวด์ของ GitHub หรือรันในเครื่องด้วย Docker ก็ได้
คำอธิบายจากผู้ทำ (ภาษาอังกฤษตามต้นฉบับ)
Laviya AI Orchestration MCP runtime for IDE and agent integrations.
สามเรื่องนี้ไม่รวมเป็นคะแนนเดียว เพราะความเห็น การวัด และความนิยม เป็นคนละเรื่องกัน
ตัวนี้ยังไม่ได้เรียบเรียงเป็นภาษาไทย ด้านล่างคือข้อเท็จจริงที่เราอ่านจาก registry
เลือกโปรแกรม AI ที่คุณใช้ แล้วคัดลอกค่าตั้งไปวาง
LAVIYA_API_KEY, LAVIYA_BASE_URL, LAVIYA_AGENT_UID, LAVIYA_LOG_LEVEL, LAVIYA_GLOBAL_CONFIG_PATHค่าที่ติดป้ายความลับคือกุญแจของบัญชีคุณ อย่าส่งให้ใคร และอย่าวางในแชต
ต้องเตรียมก่อน
คุณใช้แอปไหน
เลือกแอปด้านบน เราจำไว้ให้ ครั้งหน้าปุ่มจะขึ้นว่า “ติดตั้งลง …”
เปิด Claude Desktop → Settings → Developer → Edit Config แล้ววางค่านี้ในไฟล์ claude_desktop_config.json
{
"mcpServers": {
"laviya-agent-skills": {
"command": "npx",
"args": [
"-y",
"laviya-mcp-server"
],
"env": {
"LAVIYA_API_KEY": "ใส่ค่าของคุณ",
"LAVIYA_BASE_URL": "ใส่ค่าของคุณ",
"LAVIYA_AGENT_UID": "ใส่ค่าของคุณ",
"LAVIYA_LOG_LEVEL": "ใส่ค่าของคุณ",
"LAVIYA_GLOBAL_CONFIG_PATH": "ใส่ค่าของคุณ"
}
}
}
}พิมพ์คำสั่งนี้ใน Terminal
claude mcp add laviya-agent-skills --env LAVIYA_API_KEY='ใส่ค่าของคุณ' --env LAVIYA_BASE_URL='ใส่ค่าของคุณ' --env LAVIYA_AGENT_UID='ใส่ค่าของคุณ' --env LAVIYA_LOG_LEVEL='ใส่ค่าของคุณ' --env LAVIYA_GLOBAL_CONFIG_PATH='ใส่ค่าของคุณ' -- npx -y laviya-mcp-serverเติมค่าที่เว้นว่างไว้ก่อนรัน
วางในไฟล์ .cursor/mcp.json ของโปรเจกต์ หรือ ~/.cursor/mcp.json
{
"mcpServers": {
"laviya-agent-skills": {
"command": "npx",
"args": [
"-y",
"laviya-mcp-server"
],
"env": {
"LAVIYA_API_KEY": "ใส่ค่าของคุณ",
"LAVIYA_BASE_URL": "ใส่ค่าของคุณ",
"LAVIYA_AGENT_UID": "ใส่ค่าของคุณ",
"LAVIYA_LOG_LEVEL": "ใส่ค่าของคุณ",
"LAVIYA_GLOBAL_CONFIG_PATH": "ใส่ค่าของคุณ"
}
}
}
}เบราว์เซอร์จะถามก่อนเปิดแอป จากนั้นแอปแสดงค่าตั้งให้ตรวจแล้วกดยืนยัน ช่อง key เว้นว่างไว้ให้คุณใส่เอง
วางในไฟล์ .vscode/mcp.json ของโปรเจกต์
{
"servers": {
"laviya-agent-skills": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"laviya-mcp-server"
],
"env": {
"LAVIYA_API_KEY": "ใส่ค่าของคุณ",
"LAVIYA_BASE_URL": "ใส่ค่าของคุณ",
"LAVIYA_AGENT_UID": "ใส่ค่าของคุณ",
"LAVIYA_LOG_LEVEL": "ใส่ค่าของคุณ",
"LAVIYA_GLOBAL_CONFIG_PATH": "ใส่ค่าของคุณ"
}
}
}
}เบราว์เซอร์จะถามก่อนเปิดแอป จากนั้นแอปแสดงค่าตั้งให้ตรวจแล้วกดยืนยัน ช่อง key เว้นว่างไว้ให้คุณใส่เอง
ตัวนี้รันในเครื่องคุณ แต่ ChatGPT ต่อได้เฉพาะ server บนอินเทอร์เน็ต ลองเลือกแอปอื่น
ตัวเลือกเก็บในคุกกี้บนเครื่องนี้ ไม่ต้องมีบัญชี
LAVIYA_BASE_URL envLAVIYA_AGENT_UID envLAVIYA_LOG_LEVEL envLAVIYA_GLOBAL_CONFIG_PATH envค่าตั้งนี้สร้างจากข้อมูลใน registry ของผู้ทำ ถ้าไม่ตรงกับ README ให้เชื่อ README
รันในเครื่องคุณ รายการเครื่องมือจะขึ้นในแอป AI หลังติดตั้ง
เราตรวจจากข้อมูลที่ใครก็เปิดดูได้ ยังไม่ได้อ่านโค้ด ข้อที่ไม่เกี่ยวกับตัวนี้ไม่นับในตัวหาร · ตรวจเมื่อ 8 พ.ย. 2569
ชื่อใน registry ยืนยันด้วยบัญชี GitHub kartegagithub ซึ่งเป็นเจ้าของ repo
ยังไม่ได้อ่านข้อมูล repo จาก GitHub
ยังไม่ได้อ่านข้อมูล repo จาก GitHub
ตัวนี้รันบนเครื่องคุณ ไม่มี endpoint บนอินเทอร์เน็ต
ตัวนี้รันบนเครื่อง ใช้ค่าที่ตั้งในเครื่องแทน
รันในเครื่องคุณ เราอ่านรายการเครื่องมือได้เฉพาะตัวที่มี endpoint บนอินเทอร์เน็ต
เทียบกับทุก server ที่ยังใช้งานในหมวดนี้ทั้งทะเบียน ดาวนับเฉพาะเมื่อผู้ลงทะเบียนเป็นเจ้าของ repo
จากการตรวจเบื้องต้นของเรา ผ่าน 1 จาก 1 ข้อที่ตรวจได้ เรายังไม่ได้อ่านโค้ด ก่อนใส่กุญแจหรือ token ให้ดูว่า server ขอสิทธิ์อะไร และเลือกกุญแจที่ทำได้เท่าที่จำเป็น
ต้องใส่ค่าเหล่านี้: LAVIYA_API_KEY
รันบนเครื่องของคุณ โปรแกรม AI จะเปิด server ขึ้นมาเองเมื่อใช้ ข้อมูลไม่ต้องผ่านเซิร์ฟเวอร์ของผู้ทำ (ยกเว้นตัวที่ไปเรียกบริการออนไลน์ต่อ)
repo บน GitHub มีการแก้โค้ดล่าสุด – และส่งรุ่นล่าสุด (0.1.32) เข้า registry เมื่อวานซืน
โปรแกรมที่รองรับ MCP เช่น Claude Desktop, Claude Code, Cursor และ VS Code ตัวนี้ต้องมี Node.js ในเครื่องด้วย
ในหมวดเดียวกันมี GitHub, Desktop Commander, Cloudflare MCP
server หมวดเดียวกันจากผู้ทำคนอื่น เรียงตามดาว
อ่านการ์ด:★ ดาว GitHubiสามเสา: รีวิว · ผลตรวจ · การใช้งานiอัปเดต = วันที่ส่งรุ่นล่าสุดเข้า registryi
server ทางการของ GitHub ให้ AI อ่านและจัดการโค้ด issue และ pull request ในบัญชีของคุณได้ ใช้ผ่านคลาวด์ของ GitHub หรือรันในเครื่องด้วย Docker ก็ได้
MCP server for terminal commands, file operations, and process management
Cloudflare MCP servers
ส่วนนี้คัดจาก repo ของผู้ทำตามต้นฉบับ PopNx MCP ไม่ได้ตรวจหรือรับรองเนื้อหา ตัด HTML รูปภาพ และสคริปต์ออกแล้ว ลิงก์จะพาออกนอกเว็บ
Laviya Agent Skills is a repository of reusable orchestration assets for IDE and agent integrations. It provides a production-oriented MCP runtime, shared orchestration prompt assets, and client-specific artifacts for tools such as Cursor and Claude.
laviya-agent-skills: reusable prompt, rule, and skill asset bundle for Node-based toolinglaviya-mcp-server: stdio MCP runtime published from mcp/core/: shared orchestration prompt assetsmcp/: TypeScript MCP runtime scaffold (laviya-mcp-server)cursor/: Cursor rule artifactsclaude/: Claude skill artifacts (SKILL.md for orchestration, laviya-delivery-cycle/SKILL.md for the user-driven delivery cycle, laviya-prd-intake/SKILL.md for turning a PRD into Laviya work)docs/: setup, npm publishing, and end-user onboarding guides (docs/examples/: an example PRD)laviya-agent-skills/
core/ mcp/ src/ examples/ README.md cursor/ claude/ docs/ Setup.md MCPServerPublish.md InstallationAndUsage.md
cd mcp
npm install npm run typecheck npm run build npm run dev
Required environment variable:
LAVIYA_API_KEYClaude Code loads a skill only from a skills folder, one folder per skill named after the skill, with the file named SKILL.md:
| Skill | Source file in this repository | Install to (personal, all projects) | Or (one project only) |
|---|---|---|---|
laviya-orchestrator (orchestration runs) | mcp/examples/claude/SKILL.md | ~/.claude/skills/laviya-orchestrator/SKILL.md | /.claude/skills/laviya-orchestrator/SKILL.md |
laviya-delivery-cycle (verify a work list, create tasks, report Ready for deploy) | claude/laviya-delivery-cycle/SKILL.md | ~/.claude/skills/laviya-delivery-cycle/SKILL.md | /.claude/skills/laviya-delivery-cycle/SKILL.md |
laviya-prd-intake (turn a PRD into epics, stories, tasks, sprints and test cases; example PRD: docs/examples/prd-order-export.md) | claude/laviya-prd-intake/SKILL.md | ~/.claude/skills/laviya-prd-intake/SKILL.md | /.claude/skills/laviya-prd-intake/SKILL.md |
The paths in the second column are where the files live in this repository, not where Claude Code looks for them. A file in ~/.claude/laviya-delivery-cycle/ (without skills) or directly in ~/.claude/ is ignored.
Windows (PowerShell, from the repository root):
New-Item -ItemType Directory -Force "$HOME\.claude\skills\laviya-orchestrator", "$HOME\.claude\skills\laviya-delivery-cycle", "$HOME\.claude\skills\laviya-prd-intake" | Out-Null
Copy-Item mcp\examples\claude\SKILL.md "$HOME\.claude\skills\laviya-orchestrator\SKILL.md" Copy-Item claude\laviya-delivery-cycle\SKILL.md "$HOME\.claude\skills\laviya-delivery-cycle\SKILL.md" Copy-Item claude\laviya-prd-intake\SKILL.md "$HOME\.claude\skills\laviya-prd-intake\SKILL.md"
macOS / Linux (from the repository root):
mkdir -p ~/.claude/skills/laviya-orchestrator ~/.claude/skills/laviya-delivery-cycle ~/.claude/skills/laviya-prd-intake
cp mcp/examples/claude/SKILL.md ~/.claude/skills/laviya-orchestrator/SKILL.md cp claude/laviya-delivery-cycle/SKILL.md ~/.claude/skills/laviya-delivery-cycle/SKILL.md cp claude/laviya-prd-intake/SKILL.md ~/.claude/skills/laviya-prd-intake/SKILL.md
Check: start a new Claude Code session and run /skills; laviya-orchestrator, laviya-delivery-cycle and laviya-prd-intake must be listed. Copy the files again after updating this repository. The Laviya MCP tools also work without the skills; the skills add the step-by-step rules.
Install the reusable asset bundle:
npm install laviya-agent-skills
Example usage:
import { assets, resolveAssetPath } from "laviya-agent-skills";
import { readFileSync } from "node:fs";
const cursorRule = readFileSync(assets.cursorRule, "utf8"); const orchestratorPrompt = readFileSync(resolveAssetPath("orchestratorSystemPrompt"), "utf8");
mcp/README.mddocs/Setup.mddocs/MCPServerPublish.mddocs/InstallationAndUsage.mddocs/InstallationAndUsage.mdThe MCP runtime follows a global-runtime plus project-local-config model:
.laviya/project.json or .laviya.json)Current MCP tool set includes both orchestration and local-direct task feed flows:
laviya_helplaviya_feed_tasklaviya_get_local_work_statuslaviya_cancel_local_worklaviya_add_task_commentlaviya_list_projectslaviya_list_taskslaviya_create_taskslaviya_start_delivery_runlaviya_get_tasklaviya_upload_task_filelaviya_update_task_descriptionlaviya_assign_tasklaviya_list_sprintslaviya_create_sprintlaviya_assign_tasks_to_sprintlaviya_list_task_linkslaviya_add_task_linklaviya_remove_task_linklaviya_list_test_caseslaviya_create_test_caseslaviya_report_test_resultlaviya_list_wikislaviya_get_wikilaviya_create_wikilaviya_update_wikilaviya_start_task_worklaviya_complete_task_worklaviya_get_my_worklaviya_start_executionlaviya_complete_executionlaviya_report_token_usagelaviya_diagnosticsAll tools return API envelope JSON text in the shape: { HasFailed, Messages, Data }.
Work items may include a backend-defined ExecutionPolicy. Analysis and review policies are read-only: agents must not implement changes, and enforced policies require a truthful completion executionEvidence.
For full architecture details and file-level scaffolding, refer to mcp/README.md.