一份开源接入层，把 agent.qcc.com 的 6 个 MCP server、146 个 tool， 封装成 Python / TypeScript 客户端 + 8 个工作流 skill。 Claude Code、OpenClaw、Hermes、命令行——同一套 skill 目录，四个运行时无缝复用。
用户说的不是"调 get_company_registration_info"，而是"拉一下小米的工商摘要"。 Skill 把"业务语言"翻译成"工具调用序列"，每个 skill 就是 SKILL.md + manifest.yaml 两个文件。
同一套 skills/ 目录，
Claude Code 拿去做对话尽调，OpenClaw 拿去做 IM 助手，Hermes 拿去做服务端编排，Python/TS 拿去做批量脚本。
每一种都是 5 行内的 install snippet。
# 1. 配 MCP server cp .mcp.json.example .mcp.json export QCC_API_KEY=你的_token # 2. 装 8 个 skill 到用户级 cd skills for d in qcc-*; do ln -s "$(pwd)/$d" ~/.claude/skills/$d done # 3. 重开 Claude Code → 自然语言调用
# 1. 合并 6 个 server 到 openclaw.json5 # (片段见 skills/_openclaw.md) # 2. 注入 env + 重启 export QCC_API_KEY=你的_token openclaw gateway restart # 3. 验证 openclaw skills status # → 6 行 qcc-* connected openclaw skills info qcc-company # → 列出 16 个 tool
# 三步走 # 1. 注册 146 个 tool inventory = json.load(open("skills/_inventory.json")) # 2. 装载 8 个 workflow skill for skill_dir in glob("skills/qcc-*"): manifest = yaml.safe_load( open(f"{skill_dir}/manifest.yaml") ) agent.register_workflow(manifest) # 3. 用任意 MCP HTTP SDK 调 .mcp.json 里的 server result = mcp_client.call( server="company", tool="get_company_by_query", args={"searchKey": user_input}, )
# Python CLI qcc-py servers qcc-py tools company qcc-py call company get_company_by_query \ -a '{"searchKey":"小米科技"}' # Python SDK from qcc_client import QccClient, Server client = QccClient.from_env() result = await client.call( Server.COMPANY, "get_company_by_query", {"searchKey": "小米科技"}, )
最下层是 MCP 协议本身，最上层是用户的自然语言。中间每多一层都是为了让 AI Agent 少推理一点、少出错一点。
agent.qcc.com 公开 API 的开源接入封装，
非企查查官方产品，与 苏州朗动信息技术有限公司
无任何隶属、代理、合作关系。"企查查" / "QCC" 为其注册商标，本项目仅作描述性引用。
executive / person-portfolio 等 skill 触达自然人信息。
处理前须确认 PIPL 第十三条规定的合法基础；自动化决策须满足第二十四条；跨境传输须遵循第三章。
"已合法公开" 不豁免后续处理的合规义务。