ShunCode 0.7.7 更新：新增 MCP 扩展与全局 Skill 支持

ShunCode 0.7.7 版本带来三项重要升级

国产自研 AI 编程 Agent 工具 ShunCode 迎来 0.7.7 版本更新。据 B 站 UP 主演示，本次更新围绕三个方向展开：引入全局 Skill 支持、开放 MCP 外部扩展能力，以及对整体 UI 进行重构优化。

对于长期使用类似 Agent 编程工具的用户来说，前两项功能是真正拓展工具边界的核心变化。此前版本仅内置 16 个工具，虽然涵盖了读写文件、终端调用、to-do list 计划制定等基础能力，但无法自行外扩，能力被限制在固定范围内。0.7.7 版本补齐了这块短板。

软件界面演示

全局 Skill：一次导入，所有工作区可用

全局 Skill 的本质是一个文件夹。与以往需要在特定工作区单独配置不同，全局 Skill 导入后，无论打开任意工作区都能直接调用。

判断一个文件夹是否为标准 Skill 的依据，是其中是否包含标准的 skill.md 文件。从网上下载的标准 Skill 均包含此文件，可直接导入，导入后名称与文件夹名称保持一致。除了文件夹形式，工具还支持 ZIP 压缩包形式导入，灵活性较高。

导入的 Skill 会复制到 ShunCode 的安装目录下，AI 可通过 list 类工具查询到当前可用的 Skill 列表。演示中，作者展示了 computer use、制作 PPT 等 Skill 均能被正确识别和调用。

MCP 扩展：打破 16 个内置工具的限制

MCP（Model Context Protocol）扩展是本次更新中呼声最高的功能。通过配置 MCP，用户可以把外部工具接入 ShunCode，其最终形态与内置工具在调用方式上没有本质区别，相当于对能力的直接扩充。

更多演示可参考往期视频

MCP 配置流程

以接入 Exa（视频中读作 exe）搜索工具为例，配置步骤大致如下：

进入目标工具官网，在密钥页面获取自己的 API Key
复制官方文档中的 MCP 配置地址
在 ShunCode 中选择鉴权方式、填入令牌与密钥
点击添加即可完成配置

作者提到一个实用技巧：如果配置文档看不懂，可以直接截图让 AI 帮忙生成配置参数，降低上手门槛。配置好 Exa 后，它内部包含网络搜索、网页抓取、Agent 运行三个工具。实测中，直接指向性地告诉 AI「使用 exa 搜索最新动态」，模型确实调用了该工具两次并返回结果，说明外扩链路是通的。

值得关注的是，这套 MCP 能力不仅在 ShunCode 内部生效，作者还演示了通过第三方客户端（如支持自定义 MCP 的工具）连接后，同样能看到并调用所有暴露出去的工具，包括未经明确提示就被 AI 自动发现的 Skill。

MCP（Model Context Protocol）是由 Anthropic 于 2024 年底提出并开源的标准化协议，旨在解决 AI 模型与外部工具、数据源之间的集成碎片化问题。其核心思想是定义统一的「服务端—客户端」通信接口：工具提供方将能力封装为 MCP Server，AI 应用作为 MCP Client 按协议调用，双方无需各自实现私有适配层。这类似于 USB 接口统一了硬件连接方式——工具开发者只需发布一份 MCP 配置，任何兼容 MCP 的 AI 应用均可直接接入。目前 Cursor、Claude Desktop、Windsurf 等主流 AI 编程工具均已支持 MCP，形成了一定的生态规模。ShunCode 在 0.7.7 版本引入 MCP 支持，意味着用户可以复用整个 MCP 生态中已有的数百个工具，而非等待官方逐一内置。

模型探测工具：抽卡速度大幅提升

视频后半段介绍了配套的模型探测工具更新。新版本最大的变化是抽卡速度显著加快，原因在于不再需要在网页端进行改名或删除操作——作者特别提醒，此前在网页端频繁改名容易被服务端察觉，存在封号风险，因此建议更新到本地同步方案。

模型抽取结果

抽卡机制与实测表现

新版本的探测流程是本地同步进行：探测到一个模型立即处理下一个，无需网页端交互。用户可以设置归档关键词，把不需要的模型（如老旧的 DeepSeek^广告、豆包、5.5 系列等）自动过滤或跳过记录。

据作者演示，短短三分钟即可完成约 28 个模型的探测。所支持的模型池覆盖国内外顶级大模型，包括 Opus 5、Opus 5.5、GPT-6 Astra、Sonnet 5 等。作者提到一个经验性观察：新注册的邮箱账号似乎更容易抽到优质模型，老号则容易反复抽到 DeepSeek、千问一类的模型。这一说法属于单一来源的经验分享，缺乏严格验证，读者可自行判断。

高质量模型出现率较高

「抽卡」在此语境中指利用 AI 服务平台的免费试用或低价入口，通过批量探测账号所分配到的模型资源来筛选高质量模型的行为。部分平台在分发算力或模型访问权限时存在随机性，不同账号可能被路由到不同版本或质量层级的模型。「抽卡工具」通过自动化方式快速测试账号所能访问的模型类型，让用户以低成本筛选出可调用顶级模型的账号。这类行为通常处于平台服务协议的灰色地带，平台方可能通过检测异常访问频率、账号行为模式等手段识别并封禁相关账号，因此文章作者也特别提示了存在封号风险。

仍存在的小问题

作者在演示中坦承了当前版本的几个未修复问题：

部分工具调用时显示「输入为空」，但实际已抓取到内容，属于显示层的 bug
任务已结束但界面偶尔需要手动刷新才能看到结果
MCP 连接偶发不稳定，需要刷新重连

这些属于交互体验层面的瑕疵，作者表示会在后续版本修复，暂不影响核心功能使用。

总体评价

ShunCode 0.7.7 在能力扩展上迈出了关键一步。MCP 外扩和全局 Skill 让这款国产 Agent 工具从「封闭的固定工具集」走向「可自由拼装的开放生态」，这也是当下主流 AI 编程 Agent 的共识方向。配合高频率的模型探测能力和「一元一天」的定价策略，对预算敏感、又想体验国内外顶级大模型的开发者具备一定吸引力。

需要提醒的是，模型探测抽卡这类玩法本身处于灰色地带，存在账号风险，使用者需自行评估合规性。工具的稳定性也仍有打磨空间。