Context7
โดย upstash
ส่งคู่มือการใช้ไลบรารีและเฟรมเวิร์กรุ่นล่าสุดให้ AI อ่านก่อนตอบ ช่วยให้โค้ดที่ AI เขียนไม่ใช้คำสั่งเก่าที่เลิกใช้แล้ว
บนเครื่องหรือคลาวด์★ 64,224MITอัปเดต เมื่อวาน
ติดตั้ง
Robot Skill Hub
ภาพรวม
คำอธิบายจากผู้ทำ (ภาษาอังกฤษตามต้นฉบับ)
Search robot code and exact-version findings; check evidence before preparing with the Hub CLI.
สามเสาของ PopNx MCP
สามเรื่องนี้ไม่รวมเป็นคะแนนเดียว เพราะความเห็น การวัด และความนิยม เป็นคนละเรื่องกัน
- เสียงผู้ใช้iยังไม่มีรีวิวรีวิวเปิดพร้อมระบบบัญชีในขั้นถัดไป
- ผลตรวจเบื้องต้นของเราiผ่าน 1 จาก 1 ข้อตรวจจากข้อมูลที่เปิดอยู่ ยังไม่ได้สแกนโค้ด
- การใช้งานiยังไม่ได้วัด★ –
ใช้ทำอะไรได้
ตัวนี้ยังไม่ได้เรียบเรียงเป็นภาษาไทย ด้านล่างคือข้อเท็จจริงที่เราอ่านจาก registry
- การเชื่อมต่อ: รันบนคลาวด์
- ช่องทาง (transport): Streamable HTTP
- หมวด: ค้นข้อมูลและความจำของ AI
ติดตั้ง
เลือกโปรแกรม AI ที่คุณใช้ แล้วคัดลอกค่าตั้งไปวาง
ก่อนติดตั้ง
- ผลตรวจเบื้องต้น: ผ่าน 1 จาก 1 ข้อ
- รันบนเครื่องของผู้ทำ สิ่งที่คุณถามจะผ่านเครื่องของเขา
- ทะเบียนไม่ได้ระบุ key ที่ต้องใส่
ต้องเตรียมก่อน
- รันบนคลาวด์ไม่ต้องลงโปรแกรมเพิ่ม ต่อผ่านอินเทอร์เน็ตได้เลย
คุณใช้แอปไหน
เลือกแอปด้านบน เราจำไว้ให้ ครั้งหน้าปุ่มจะขึ้นว่า “ติดตั้งลง …”
ใช้ได้ทั้ง Claude บนเว็บ แอปคอมพิวเตอร์ และมือถือ:
- เปิด Settings → Connectors
- กด Add custom connector
- วางที่อยู่ด้านล่างแล้วกด Add
- ถ้าให้ล็อกอิน ให้ล็อกอินกับผู้ทำ
https://api.superfastrobotics.com/mcpพิมพ์คำสั่งนี้ใน Terminal
claude mcp add --transport http robot-skill-hub https://api.superfastrobotics.com/mcpหรือคัดลอกค่าตั้งเอง
วางในไฟล์ .cursor/mcp.json ของโปรเจกต์ หรือ ~/.cursor/mcp.json
{
"mcpServers": {
"robot-skill-hub": {
"url": "https://api.superfastrobotics.com/mcp"
}
}
}เบราว์เซอร์จะถามก่อนเปิดแอป จากนั้นแอปแสดงค่าตั้งให้ตรวจแล้วกดยืนยัน ช่อง key เว้นว่างไว้ให้คุณใส่เอง
หรือคัดลอกค่าตั้งเอง
วางในไฟล์ .vscode/mcp.json ของโปรเจกต์
{
"servers": {
"robot-skill-hub": {
"type": "http",
"url": "https://api.superfastrobotics.com/mcp"
}
}
}เบราว์เซอร์จะถามก่อนเปิดแอป จากนั้นแอปแสดงค่าตั้งให้ตรวจแล้วกดยืนยัน ช่อง key เว้นว่างไว้ให้คุณใส่เอง
ChatGPT ต่อได้เฉพาะ server ที่อยู่บนอินเทอร์เน็ต:
- เปิด ChatGPT บนเว็บ → Settings → Connectors (Apps)
- กด Create หรือ Add (บางแพ็กเกจต้องเปิด Developer mode ใน Advanced ก่อน)
- วางที่อยู่ด้านล่าง ตั้งชื่อ แล้วบันทึก
- ถ้าให้ล็อกอิน ให้ล็อกอินกับผู้ทำ
https://api.superfastrobotics.com/mcpชื่อเมนูอาจต่างกันเล็กน้อยตามแพ็กเกจและรุ่นของแอป
ตัวเลือกเก็บในคุกกี้บนเครื่องนี้ ไม่ต้องมีบัญชี
ค่าตั้งนี้สร้างจากข้อมูลใน registry ของผู้ทำ ถ้าไม่ตรงกับ README ให้เชื่อ README
ทำอะไรได้บ้าง
ยังไม่ได้อ่านรายการเครื่องมือของตัวนี้ เราตรวจ endpoint ทีละชุดวนไป
ผลตรวจเบื้องต้นi
เราตรวจจากข้อมูลที่ใครก็เปิดดูได้ ยังไม่ได้อ่านโค้ด ข้อที่ไม่เกี่ยวกับตัวนี้ไม่นับในตัวหาร · ตรวจเมื่อ 7 พ.ย. 2569
- ✓ ผ่าน
ตัวตนผู้ทำตรงกับ repo
ชื่อใน registry ยืนยันด้วยบัญชี GitHub Superfast-Robotics ซึ่งเป็นเจ้าของ repo
- … ยังไม่ตรวจ
ยังมีคนดูแล
ยังไม่ได้อ่านข้อมูล repo จาก GitHub
- … ยังไม่ตรวจ
มีสัญญาอนุญาต (license)
ยังไม่ได้อ่านข้อมูล repo จาก GitHub
- … ยังไม่ตรวจ
endpoint ตอบ
ยังไม่ได้ตรวจ เราตรวจ endpoint ทีละชุดวนไป
- … ยังไม่ตรวจ
ล็อกอินแบบ OAuth
ยังไม่ได้ตรวจ เราตรวจ endpoint ทีละชุดวนไป
- … ยังไม่ตรวจ
คำอธิบายเครื่องมือไม่มีคำสั่งแอบแฝง
ยังไม่ได้ตรวจ เราอ่านรายการเครื่องมือตอนตรวจ endpoint
เทียบกับตัวอื่นในหมวด ค้นข้อมูลและความจำของ AIi
- ดาวมากกว่า 0% ของอีก 7259 ตัวในหมวดนี้
- ส่งรุ่นใหม่เข้า registry ล่าสุดกว่า 71% ของอีก 7259 ตัวในหมวดนี้
- ผลตรวจเบื้องต้นดีกว่าหรือเท่ากับ 100% ของอีก 7259 ตัวในหมวดนี้
เทียบกับทุก server ที่ยังใช้งานในหมวดนี้ทั้งทะเบียน ดาวนับเฉพาะเมื่อผู้ลงทะเบียนเป็นเจ้าของ repo
คำถามที่พบบ่อย
Robot Skill Hub ปลอดภัยไหม?
จากการตรวจเบื้องต้นของเรา ผ่าน 1 จาก 1 ข้อที่ตรวจได้ เรายังไม่ได้อ่านโค้ด ก่อนใส่กุญแจหรือ token ให้ดูว่า server ขอสิทธิ์อะไร และเลือกกุญแจที่ทำได้เท่าที่จำเป็น
ต้องใช้กุญแจหรือรหัสอะไรบ้าง?
registry ไม่ได้ระบุว่าต้องใช้กุญแจ แต่บางตัวจะขอให้ล็อกอินตอนใช้ครั้งแรก
ตัวนี้รันบนเครื่องหรือบนคลาวด์?
รันบนคลาวด์ของผู้ทำ ต่อผ่านอินเทอร์เน็ตได้เลย ไม่ต้องลงโปรแกรม แต่ข้อมูลที่ส่งให้จะผ่านเซิร์ฟเวอร์ของผู้ทำ
ยังมีคนดูแลอยู่ไหม?
repo บน GitHub มีการแก้โค้ดล่าสุด – และส่งรุ่นล่าสุด (0.5.4) เข้า registry 16 วันที่ผ่านมา
ใช้กับโปรแกรมไหนได้บ้าง?
โปรแกรมที่รองรับ MCP เช่น Claude Desktop, Claude Code, Cursor และ VS Code ตัวนี้ต่อผ่าน URL จึงใช้กับโปรแกรมที่รับ remote MCP ได้ เช่น ChatGPT ที่เปิดโหมดนักพัฒนา
มีตัวไหนใช้แทนได้บ้าง?
ในหมวดเดียวกันมี Context7, Codebase Memory, Exa
ตัวที่ใช้แทนได้
server หมวดเดียวกันจากผู้ทำคนอื่น เรียงตามดาว
อ่านการ์ด:★ ดาว GitHubiสามเสา: รีวิว · ผลตรวจ · การใช้งานiอัปเดต = วันที่ส่งรุ่นล่าสุดเข้า registryi
Codebase Memory
โดย DeusData
Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.
รันบนเครื่อง★ 48,148MITอัปเดต 20 วันที่ผ่านมา
ติดตั้ง
Exa
โดย exa-labs
Connect AI agents to Exa for web search, content fetching, and multi-step research.
รันบนคลาวด์★ 5,213MITอัปเดต เดือนที่แล้ว
ติดตั้ง
README จากผู้ทำ
เปิดอ่าน README
ส่วนนี้คัดจาก repo ของผู้ทำตามต้นฉบับ PopNx MCP ไม่ได้ตรวจหรือรับรองเนื้อหา ตัด HTML รูปภาพ และสคริปต์ออกแล้ว ลิงก์จะพาออกนอกเว็บ
Robot Skill Hub — Robotics Skills Catalog for AI Agents
Discover robotic skills for AI agents. A public repository of reusable robot code, executable recipes and shared fixes. Find and reuse robot skills for motion planning, manipulation, kinematics and simulation. Inspect pinned code, compatibility and execution evidence through public HTTPS, MCP or the CLI; prepare a matching environment and share useful corrections. Browse concrete skill examples.
Reuse the fix. Keep the context lean. Find pinned robotics code, recall a matching correction, and save what you learn for the next task.
CLI inspection JSON: 17% fewer tokens. Same fields. Two-link IK regression: 12/24 → 24/24 targets passed after saved-fix reuse. Measurements and reproduction.
- Agent contract
- Search JSON | OpenAPI
- Read-only MCP:
https://api.superfastrobotics.com/mcp - Catalog and source references | Published findings
Public reads need no account, GPU or simulator. Discovery never executes robot code.
Task-specific entrypoints: robot-motion-planning, robot-kinematics, robot-trajectory. Ten reproducible robotics problems provide pinned input, correction and evidence in HTML, Markdown and JSON. ROS-MCP and RAI/LangChain examples connect lookup to existing development workflows.
Small HTTP installation, without a Git clone: npx skills add https://hub.superfastrobotics.com --skill robot-motion-planning. Skill index and checksums.
Robot, environment and task coverage | Coverage API. Current-version completions, failed attempts and unexecuted recipes are counted separately; reference labels describe source coverage rather than verified robot support.
Current execution and reference coverage
194 preparation recipes: 169 completed operations/tasks, 14 failed current task attempt and 11 without a current task run. Unbound evidence: 0.
| Runtime | Declared robot / model | Domain | Prepared | Passed | Failed | No task run |
|---|---|---|---|---|---|---|
| dm-control | ball_in_cup | simulation | 1 | 0 | 1 | 0 |
| dm-control | cartpole | simulation | 2 | 2 | 0 | 0 |
| dm-control | finger | simulation | 1 | 0 | 1 | 0 |
| dm-control | pendulum | simulation | 1 | 1 | 0 | 0 |
| dm-control | point_mass | simulation | 2 | 2 | 0 | 0 |
| dm-control | reacher | simulation | 2 | 2 | 0 | 0 |
| genesis | panda | simulation | 2 | 2 | 0 | 0 |
| gymnasium-robotics | fetch | simulation | 3 | 3 | 0 | 0 |
| gymnasium-robotics | point-mass | simulation | 3 | 3 | 0 | 0 |
| lerobot | pusht-2d-pusher | simulation | 1 | 0 | 1 | 0 |
| maniskill | panda | simulation | 8 | 5 | 1 | 2 |
| maniskill | panda_stick | simulation | 2 | 0 | 0 | 2 |
| maniskill | panda_wristcam | simulation | 2 | 0 | 0 | 2 |
| maniskill | so100 | simulation | 1 | 0 | 0 | 1 |
| maniskill | xarm6_robotiq | simulation | 4 | 0 | 0 | 4 |
| metaworld | sawyer | simulation | 50 | 49 | 1 | 0 |
| mink | iiwa | simulation | 1 | 1 | 0 | 0 |
| mink | panda | simulation | 1 | 1 | 0 | 0 |
| mink | ur5e | simulation | 1 | 1 | 0 | 0 |
| mujoco | agilex_piper | simulation | 1 | 1 | 0 | 0 |
| mujoco | aloha | simulation | 1 | 1 | 0 | 0 |
| mujoco | arx_l5 | simulation | 1 | 1 | 0 | 0 |
| mujoco | dynamixel_2r | simulation | 1 | 1 | 0 | 0 |
| mujoco | flexiv_rizon4 | simulation | 1 | 1 | 0 | 0 |
| mujoco | flexiv_rizon4s | simulation | 1 | 1 | 0 | 0 |
| mujoco | franka_emika_panda | simulation | 1 | 1 | 0 | 0 |
| mujoco | franka_fr3 | simulation | 1 | 1 | 0 | 0 |
| mujoco | franka_fr3_v2 | simulation | 1 | 1 | 0 | 0 |
| mujoco | google_robot | simulation | 1 | 1 | 0 | 0 |
| mujoco | hello_robot_stretch | simulation | 1 | 1 | 0 | 0 |
| mujoco | hello_robot_stretch_3 | simulation | 1 | 1 | 0 | 0 |
| mujoco | i2rt_yam | simulation | 1 | 1 | 0 | 0 |
| mujoco | kinova_gen3 | simulation | 1 | 1 | 0 | 0 |
| mujoco | kuka_iiwa_14 | simulation | 1 | 1 | 0 | 0 |
| mujoco | low_cost_robot_arm | simulation | 1 | 1 | 0 | 0 |
| mujoco | rethink_robotics_sawyer | simulation | 1 | 1 | 0 | 0 |
| mujoco | robotis_omy_3m | simulation | 1 | 1 | 0 | 0 |
| mujoco | robotstudio_so101 | simulation | 1 | 1 | 0 | 0 |
| mujoco | seeed_rebot_devarm | simulation | 1 | 1 | 0 | 0 |
| mujoco | shadow_dexee | simulation | 1 | 1 | 0 | 0 |
| mujoco | stanford_tidybot | simulation | 1 | 1 | 0 | 0 |
| mujoco | trossen_vx300s | simulation | 1 | 1 | 0 | 0 |
| mujoco | trossen_wx250s | simulation | 1 | 1 | 0 | 0 |
| mujoco | trossen_wxai | simulation | 1 | 1 | 0 | 0 |
| mujoco | trs_so_arm100 | simulation | 1 | 1 | 0 | 0 |
| mujoco | ufactory_lite6 | simulation | 1 | 1 | 0 | 0 |
| mujoco | ufactory_xarm7 | simulation | 1 | 1 | 0 | 0 |
| mujoco | unitree_go2 | simulation | 1 | 1 | 0 | 0 |
| mujoco | unitree_z1 | simulation | 1 | 1 | 0 | 0 |
| mujoco | universal_robots_ur10e | simulation | 1 | 1 | 0 | 0 |
| mujoco | universal_robots_ur5e | simulation | 1 | 1 | 0 | 0 |
| panda-gym | franka-panda | simulation | 5 | 2 | 3 | 0 |
| pybullet | synthetic-seven-axis-or-procedural-scene | simulation | 12 | 12 | 0 | 0 |
| pythonrobotics | mathematical-model | computation | 28 | 28 | 0 | 0 |
| robosuite | IIWA | simulation | 4 | 3 | 1 | 0 |
| robosuite | Jaco | simulation | 4 | 1 | 3 | 0 |
| robosuite | Kinova3 | simulation | 4 | 3 | 1 | 0 |
| robosuite | Panda | simulation | 4 | 4 | 0 | 0 |
| robosuite | Sawyer | simulation | 4 | 3 | 1 | 0 |
| robosuite | UR5e | simulation | 4 | 4 | 0 | 0 |
Completion evidence covers 33 computations and 136 simulations across 60 exact environment combinations. Physical robot completions: 0. Recipe counts are not unique robot counts or general success rates. Older versions do not verify changed code.
| Task level | Prepared | Passed | Failed | No task run |
|---|---|---|---|---|
| Algorithm / sensing | 39 | 39 | 0 | 0 |
| Motion / control | 49 | 49 | 0 | 0 |
| Task | 106 | 81 | 14 | 11 |
1897 source references across 67 frameworks. References are upstream declarations, not Hub execution evidence.
| Reference framework | Records |
|---|---|
| mujoco-menagerie | 221 |
| webots | 193 |
| genesis | 118 |
| pinocchio | 76 |
| drake | 73 |
| franka-description | 72 |
| ros2-control | 72 |
| ur-description | 65 |
| Other 59 frameworks | 1007 |
| Declared reference robot category | Records |
|---|---|
| source-defined | 1091 |
| arm | 301 |
| humanoid | 104 |
| manipulator | 83 |
| mobile-manipulator | 65 |
| legged | 59 |
| aerial | 41 |
| wheeled | 36 |
| dexterous-hand | 35 |
| quadruped | 18 |
| mobile | 9 |
| marine | 1 |
Robot categories and task/capability tags can overlap. Generic labels are preserved; supported physical robots are not inferred.
All robot, environment and task tables | Compact coverage API | Complete coverage JSON
Executable skills and interfaces: 98 preparation recipes, including 45 numerical/synthetic adaptations and 36 diverse robot simulation adapters. Inputs and outputs declare units, frames, abstraction level and runtime evidence. Indexed references link to matching prepared adaptations without changing the reference's evidence.
npx skills add Superfast-Robotics/robot-skill-hub --skill find-robot-skillspython /PATH_TO_SKILL/scripts/rsh.py find "pick cube" --runtime maniskill --robot panda --json python /PATH_TO_SKILL/scripts/rsh.py inspect SKILL_ID --project . --json python /PATH_TO_SKILL/scripts/rsh.py prepare SKILL_ID --project ./experiment --plan --json
For an MCP client supporting Streamable HTTP, use its remote-server configuration:
{"mcpServers":{"robot-skill-hub":{"url":"https://api.superfastrobotics.com/mcp"}}}Clients supporting Agent Plugins 1.0.0 can use the small read-only connection package. Its manifest and MCP configuration include no CLI bundle or catalog snapshots; see the package README for client verification scope.
References include code, policies and other artifacts with exact source checksums. Use a reference's inspected fetch_source_args with rsh.py and append --project DIR --json to retrieve one verified file as inert data. This does not require a runtime adapter or install the source as an agent skill. Supported recipes use prepare; runtime evidence is limited to the exact configuration and seed recorded with each recipe. Existing project locks never silently change.
Recall previous setup work with rsh.py inspect SKILL_ID --project DIR --json. Preserve a useful finding with save SKILL_ID --project DIR --finding FILE --json. Local experience is immediately reusable. For already-authorized public project scope, join enrolls an installation and enables automatic publication, without a maintainer token or PR approval. Immutable variants and actual reuse outcomes remain tied to exact source pins. See the community loop.
Community data is contributor-reported and archived hourly on the community-data branch. It never silently replaces canonical code or establishes runtime verification. New canonical sources (register) and changes to curated recipes retain their separate reviewed PR channel.
Quickstart | New skills | Task memory | Patch contributions | Privacy
Verification evidence | Development and deployment
Hub platform code is Apache-2.0 licensed. Hub-authored robotics execution adapters and their templates are MIT licensed. Referenced artifacts retain their original licenses and notices; see license scope. The company website is separate from the Hub.