CloudBase AI Toolkit
让 AI 编程工具直接搭建、管理并部署 CloudBase 后端。
工作流采用显式 @claude 触发、只读仓库权限，并将跨仓库提交置于默认关闭的布尔开关后，说明确认和外部影响控制达到普通使用水平；但 OIDC 写权限的用途、CloudBase/MCP 数据流、密钥处理边界及产品级最小权限没有完整说明。依赖和 GitHub Actions 多数固定版本或提交，并设置安全覆盖版本，但全局安装 @cloudbase/cli@latest、无锁文件的 npm install 会降低供应链可重复性。存在提交前差异检查，但没有产品级撤销或恢复流程。许可证和 Tencent CloudBase 版权归属清晰，不过给定出版者身份仍未经企业注册表验证。
构建、兼容配置、技能镜像、版本来源、市场元数据和无效目标均有具体一致性测试，足以支持较强的静态自洽性。依赖可用性仅获部分分：测试依赖本机 NVM、zsh 和 Node 24，缺失时会跳过，而工作流又分别使用 Node 18 与 22。错误处理对无效发布目标和缺失版本字段给出明确消息，但其他运行及网络失败路径没有展示。
证据覆盖 Web、微信小程序、认证、UI、规范工作流和多种编辑器投影，受众与场景较广；构建器还明确拒绝不支持的发布目标。由 activation-map 生成的路由表和具体触发词受到测试约束，因此触发精度证据充分。环境适配覆盖 Claude、Cursor、CodeBuddy、Kiro 和 MCP，但 Node 版本分散、特定 shell/NVM 假设及大小限制使其未达到全面水平。
源码、生成物、兼容投影、市场清单和单一元数据来源体现了较好的信息架构；命名映射和语义版本格式也有测试保护。但提供的 README-EN.md 仅指向未提供的 README.md，无法确认任何安装说明，因此该项为零；示例和常见问题仅从构建测试与示例仓库流程中间接体现。已知限制只通过注释、跳过条件和 TODO 零散暴露。MIT 许可证完整明确；package.json 有版本且技能版本有格式约束，但没有变更日志证据。版权主体可见，具体维护联系人、支持渠道和更新责任未说明。
可生成技能包、兼容编辑器配置、MCP 配置、市场清单和示例压缩包，输出结构及元数据受到测试约束，具有可直接消费的实用性；把同一技能源投影到多个代理和编辑器也显示出明显增量价值。扣分在于没有用户结果、覆盖率或采用证据，也没有部署成本、调用费用、延迟或维护负担说明，因此成本收益只能部分判断。
测试把多项声明追溯到具体文件、字段、生成路径、版本和触发词，声明可追踪性很强。package.json、工作流和多组测试能相互印证构建与发布结构，但核心 README、技能正文、实现脚本和运行结果未提供，跨来源佐证不完整。测试断言与说明性注释通常可区分，不过市场摘要和能力描述仍主要由预期字符串证明，而非独立事实证据。
- 不要把静态测试代码视为测试已执行或产品行为已独立验证；本评估未运行任何代码。
- 在启用生产凭据或写操作前，核实 OIDC 权限、CloudBase/MCP 数据去向、密钥暴露面以及每个工具的实际权限范围。
- 固定 @cloudbase/cli 版本并为示例构建依赖提供锁文件；同时统一或明确记录 Node 18、22、24 的兼容矩阵。
- 跨仓库推送虽默认关闭，但启用后会使用 PAT 并执行 git add .；应确认目标分支保护、令牌最小权限和恢复步骤。
- 补充主 README、安装步骤、已知限制、变更日志及明确的维护和安全联系渠道。
这个 Agent 能做什么，适合哪些场景？
CloudBase AI Toolkit 是腾讯云 CloudBase 面向 AI 编程工具的集成层，仓库同时提供 Plugin、Agent Skills、Hooks 和 MCP Server。Plugin 负责组合安装，Skills 约束 Web、小程序、数据库、认证及函数等场景的实现方式，MCP 则从对话中操作实际云资源。它发布 npm 包 `@cloudbase/cloudbase-mcp`，可在本机通过 `npx` 运行，也可连接腾讯云托管 HTTP 端点或以 Cloud Mode 自托管。其操作范围涵盖 PostgreSQL 与文档数据库、权限规则、云函数、Cloud Run、对象存储、静态托管、日志和发布流程。生成的代码与部署资源归属用户自己的 CloudBase 环境；敏感操作仍需用户确认。它适合希望让 Codex、Claude Code、Cursor 等工具完成后端落地的开发者，但核心能力依赖 CloudBase，并非可替换任意云厂商的通用后端代理。
完成配置后，AI 工具可通过 CloudBase Skills 规划应用结构，再由 @cloudbase/cloudbase-mcp 登录用户的 CloudBase 环境并执行资源操作。MCP 能查询和修改 PostgreSQL 或文档数据库数据，创建数据模型与 CRUD 流程，配置权限和安全规则；也能编写、部署、调用及调试云函数或 Cloud Run 服务。它还可设置登录方式和对象存储、关联数据权限、部署静态站点或小程序、读取日志并重新发布。Plugin 将 MCP Server、Agent Skills 和 Hooks 一并安装；只需要操作接口时也可单独配置 MCP。默认本地模式通过 npx 启动，支持本地文件上传和模板；托管 HTTP 模式无需本地 Node.js，但缺少部分本地文件功能；远程自托管时可通过 CLOUDBASE_MCP_CLOUD_MODE=true 或 MCP_CLOUD_MODE=true 禁用本地文件及进程工具。
- 使用 Codex 或 Claude Code 的全栈开发者，希望从对话中为 Todo 应用创建登录、数据库、权限并完成部署。
- 开发微信小程序的团队，需要让 AI 配置 CloudBase 数据库、实时能力、认证和发布流程。
- 使用 Cursor、WindSurf 或其他 MCP IDE 的开发者，希望查询数据、管理函数、查看日志并在同一会话中重新部署。
- 希望减少各 IDE 重复配置的团队，可用 CloudBase Plugin 一次安装 MCP Server、Skills 和 Hooks。
- 需要集中式接入的团队，可使用腾讯云托管 HTTP MCP；需要自行控制服务的团队则可启用 Cloud Mode 自托管。
- 只想获得 CloudBase 实践约束、暂不允许 AI 操作云资源的开发者，可单独采用 Skills。
这个 Agent 有哪些优点和局限？
- Plugin 可同时安装 MCP Server、Agent Skills 和 Hooks，减少不同 AI IDE 的重复接线工作。
- 覆盖从数据库、认证、存储到云函数、Cloud Run、日志及部署的完整 CloudBase 后端流程，而非只生成本地代码。
- 提供本地
npx、腾讯云托管 HTTP 和自托管 Cloud Mode 三种连接方式，可在本地功能、免运维和自主管理之间选择。 - 明确支持 Codex、Claude Code、Cursor、GitHub Copilot、Gemini CLI 等多种 AI 编程工具。
- 部署目标是用户自己的 CloudBase 环境，本地模式下代码在部署前无需离开本机。
- 核心资源操作依赖腾讯云 CloudBase 环境，迁移到其他后端提供商需要重新实现数据库、认证、函数和部署集成。
- 本地完整模式要求 Node.js 18.15.0+；托管 HTTP 虽无需本地 Node.js，但部分本地文件功能不可用。
- 托管连接需要环境 ID 和腾讯云 Secret ID/Secret Key，团队必须妥善管理高权限凭据。
- AI 提议的敏感操作仍需人工确认；Toolkit 提供能力和工作路径，但不替代权限审查与工程判断。
- 文档中的 CloudBase 与传统云 VM 评测受特定模型、代理框架和任务定义限制，不能直接推广到所有项目。
如何安装或部署这个 Agent？
前提条件是拥有 CloudBase 环境，以及支持 Plugin、Skills 或 MCP 的 AI 工具。本地 MCP 要求 Node.js 18.15.0 或更高版本。支持 Open Plugin Spec 的工具可运行：npx plugins add TencentCloudBase/cloudbase-plugin。也可安装 CloudBase AI CLI：npm i -g @cloudbase/cli && tcb ai。手动配置 MCP 时，将服务器命令设为 npx，参数设为 ["@cloudbase/cloudbase-mcp@latest"]。使用托管 HTTP 模式时，将 URL 配置为 https://tcb-api.cloud.tencent.com/mcp/v1?env_id=<env_id>，并提供请求头 X-TencentCloud-SecretId 与 X-TencentCloud-SecretKey。远程自托管必须设置 CLOUDBASE_MCP_CLOUD_MODE=true 或 MCP_CLOUD_MODE=true，以禁用本地文件和进程工具。
如何使用这个 Agent？
安装并连接后，先在 AI 工具中输入 Login to CloudBase，登录并选择已有且状态正常的 CloudBase 环境。首个完整任务可输入：Use CloudBase Skills to build a todo app with login, database and permissions, then deploy。AI 会依据 Skills 组织代码，并通过 MCP 创建或修改数据库、认证、权限及部署资源；完成后应在自己的 CloudBase 环境中核验数据和 API。若登录提示环境不存在，应先在 CloudBase 控制台确认环境已经创建且运行正常，再重新登录并选择正确环境。对于数据库修改、权限配置和发布等关键步骤，应在执行前审查并确认 AI 提议的操作。
这个 Agent 与同类方案有什么区别？
与 Vercel 或 Netlify 相比，该 Toolkit 的重点不是单纯发布前端或容器，而是让 AI 操作 CloudBase 的数据库、认证、函数和存储等后端组件。仓库也描述了同一 Todo 任务下 CloudBase 与自管传统云 VM 的受控比较：在给定模型和任务设置中，CloudBase 路径在完成延迟、Token 用量和工具调用次数方面更有利，但结果不应超出该实验条件进行泛化。
常见问题
Toolkit 和 CloudBase 是否收费？
代码和部署资源会放在哪里？
远程自托管 MCP 时如何限制本地访问？
CLOUDBASE_MCP_CLOUD_MODE=true 或 MCP_CLOUD_MODE=true，从而为远程调用者禁用本地文件和进程工具。腾讯云托管 HTTP 模式已包含这项保护。