ToolRAG

SWE-smith 用 Docker 为 GitHub 仓库创建执行环境，再合成文件定位、程序修复或 SWE-bench 风格任务，并通过 harness 保留能让测试失败的实例，最后生成 issue 文本。它还提供可加载的任务实例和轨迹数据，适合训练或评估 SWE-agent；官方开发环境以 Ubuntu 22.04 为主，不计划支持 Windows 和 macOS。

langgraph-bigtool 将工具名称、描述和命名空间存入 LangGraph Store，让 Agent 面对数百或数千个工具时先检索与当前问题相关的候选项，再执行调用。它支持内存与 PostgreSQL 存储，也允许替换默认检索函数，适合工具规模已超出一次性注入模型上下文的 Agent。

MCP-Zero 是论文配套的开源代码，用于研究自主 LLM Agent 的主动工具发现和检索方法。仓库提供包含 308 个服务器、2797 个工具的 MCP-tools 数据集说明，并保留了从 MCP 服务器构建自定义数据集的代码；使用时需要先取得数据文件并放到指定路径。

MagicSkills 将分散的 `SKILL.md` 目录集中到本地共享池，再为不同智能体组合各自需要的命名技能集。能读取 `AGENTS.md` 的工具可直接同步配置，其他框架则可通过统一的命令行或 Python 接口调用同一组能力。它适合维护多个智能体的团队，运行需要 Python 3.10–3.13 和 Git。