最近高强度用各种 AI Coding Agent 写代码，发现一个挺无语的现象。现在的 Agent （包括最近很火的 Claude Code ）查代码主要还是靠 grep/ripgrep 暴力搜索。小项目还好，代码一多，或者遇到复杂的跨模块引用，正则匹配根本搞不定。这就导致 Agent 想重构代码的时候唯唯诺诺，生怕改了一个文件把隔壁模块搞挂了。

虽然 Claude Code 官方也在推进 LSP 支持，但目前体验确实还差点意思。之前试过社区里的一些方案（像 Serena ，cclsp ），大多只是简单粗暴地把 LSP 原始 JSON 扔给 LLM 。这种做法最大的问题是费 Token 且慢，Agent 往往需要往返交互十几次才能搞懂一个函数的上下文。

实在受不了这个效率，就自己动手造了个轮子叫 lsp-skill。

跟市面上其他简单的 LSP 包装器不同，lsp-skill 应该是目前唯一一个把“写操作”作为核心能力的方案。绝大多数竞品都停留在“只读”阶段（查查定义、找找引用），但 lsp-skill 支持完整的重构预览。这意味着 Agent 不再是瞎改，而是能像人一样，在重命名变量前先生成跨文件的 Diff 预览，确认无误了再下手。这点在维护大型遗留代码时非常关键。

另外一个比较独特的设计是它的扩展机制。通常 LSP 工具只懂语法不懂框架，但我们引入了基于 Markdown 的 Best Practices 系统。你不需要懂底层代码，只要写个 Markdown 文档，就能教 Agent 怎么处理 Django 的 View 或者 React 的 Hooks 。这种让社区通过文档来定义“代码导航策略”的做法，目前还没在其他工具里见到过。

这些特性加上它是完全为 LLM 优化的（输出 Markdown 而不是 JSON ），算是在“Agent Native”这个方向上走得比较远的一次尝试。

架构上为了稳，拆成了 lsp-client 处理底层脏活（ Server 生命周期、多 Workspace 管理），中间层做协议转换，最上层通过 MCP 对接 Claude Code 或者 Cursor 。目前 Python, TS, Go, Rust, Deno 这些主流语言都已经支持了。

有兴趣的朋友可以玩玩看，如果是做 Agent 开发或者对 MCP 感兴趣的，也可以看看我们的 Protocol 设计，说不定能有点启发。

🔗 GitHub: https://github.com/lsp-client/lsp-skill 📄 文档: https://lsp-client.github.io/