一个 Skill。一套 CLI。连接所有 DCC。
Agent 的默认入口是公开的 dcc-mcp Skill 与 dcc-mcp-cli。Skill 提供工作流知识；CLI 负责 Gateway 生命周期、结构化发现、类型化执行、诊断与更新。
把项目地图交给你的 Agent
开始 DCC-MCP 任务前，把下面这段提示词直接交给 Agent：
text
行动前先了解 DCC-MCP 生态。首先阅读 https://dcc-mcp.github.io/zh/llms.txt，只有需要更多细节时才阅读 https://dcc-mcp.github.io/zh/llms-full.txt。将我的需求准确路由到一条路径：用 dcc-mcp 操作在线 DCC，用 dcc-mcp-creator 创建或现代化适配器，或用 dcc-mcp-skills-creator 创建专项工作流 Skill。使用 https://dcc-mcp.github.io/zh/marketplace 发现可安装能力，使用 https://dcc-mcp.github.io/zh/showcase 参考经过验证的提示词模式，使用 https://dcc-mcp.github.io/zh/ecosystem 确认仓库归属。优先使用类型化 dcc-mcp-cli 发现能力，并严格遵循返回的 next_step。重试前从 request_id 开始诊断，清理敏感证据；未经我明确许可，不得安装、发布、创建外部 Bug 或改变我的机器。先返回项目路由、准备使用的能力和下一步准确且安全的操作。安装匹配任务的 Skill
| 任务 | Skill |
|---|---|
| 操作已连接 DCC、发现工具或搜索扩展 | @loonghao/dcc-mcp |
| 创建或现代化完整适配器与运行时 | @loonghao/dcc-mcp-creator |
| 创建或改进 DCC 专项 Skill 包 | @loonghao/dcc-mcp-skills-creator |
OpenClaw：
bash
openclaw skills install @loonghao/dcc-mcp兼容 ClawHub 的 Agent：
bash
npx --yes clawhub@0.23.1 install @loonghao/dcc-mcp安装后开启一个新会话，让运行时加载 Skill。
遵循类型化工作流
bash
# 确认 Gateway 和已连接 Host。
dcc-mcp-cli health
dcc-mcp-cli list
# 缩小搜索范围，然后严格遵循返回的 next_step。
dcc-mcp-cli search --query "create sphere" --dcc-type maya
# 使用经过验证的参数执行返回的 tool slug。
dcc-mcp-cli call <tool-slug> --json '{"radius": 2.0}'搜索结果是路由契约。不要猜测工具名称，也不要一次把所有后端 Schema 加载进上下文。只有返回结果明确要求时，才执行对应的 load 或 describe。
重试前先诊断
保留失败调用的 request_id，再使用 CLI 内置证据路径：
bash
dcc-mcp-cli doctor
dcc-mcp-cli stats --status failure然后通过相同的搜索工作流发现并调用 dcc_feedback__report。分享前检查公开安全的 Issue 报告；未经用户授权，不得发布原始证据或创建外部 Issue。