de ClaudeSmalltalk15
Connecte un LLM (Claude/OpenAI/etc.) à une image Smalltalk active (Squeak/Cuis) via MCP pour parcourir, évaluer et modifier du code Smalltalk.
Ce skill expose un ensemble d'outils connectés via MCP qui permettent à un agent d'inspecter et de manipuler une image Smalltalk en cours d'exécution (Squeak ou Cuis). Utilisez-le pour évaluer des expressions, parcourir les classes et les catégories, lire la source des méthodes, définir ou modifier des classes et des méthodes, exécuter des tests SUnit et effectuer des audits de code multi-étapes via l'outil d'orchestration smalltalk_task.
Utilisez ce skill lorsque vous avez besoin que l'agent interagisse avec un environnement Smalltalk actif : évaluation de code, lecture ou édition de méthodes, exploration des hiérarchies de classes, exécution de tests ou réalisation de tâches de maintenance multi-étapes (ex: auditer une classe, implémenter une nouvelle classe avec des tests). Privilégiez smalltalk_task pour les flux de travail complexes et multi-étapes, et les outils individuels smalltalk_* pour des recherches rapides ou des évaluations uniques.
.smalltalk-mcp.json et la configuration de Claude Desktop sont fournies. Le skill documente les meilleures pratiques : toujours parcourir avant de modifier, tester après les changements, et utiliser side: "class" pour les méthodes côté classe.Probablement compatible avec Claude Desktop et d'autres intégrations LLM supportant les outils de style MCP (Claude, modèles Anthropic, wrappers OpenAI, Ollama). Le SKILL.md inclut des exemples pour Anthropics, Ollama, OpenAI et les transports MQTT.
Smalltalk MCP connecte un LLM à une image Smalltalk (Squeak/Cuis) active via 13 outils MCP pour parcourir, évaluer et modifier le code Smalltalk. Aucun script regroupé — il délègue à un serveur MCP externe (smalltalk_agent_mcp.py) depuis le dépôt parent. Le SKILL.md est bien structuré avec des instructions de configuration claires, un guide d'utilisation et un tableau de référence des outils, bien qu'il manque des contrats de sortie formels et du dépannage pour les échecs courants.
Compétence propre sans préoccupations de sécurité. Public de niche — développeurs Smalltalk souhaitant une intégration LLM. La compétence est bien documentée mais nécessite une configuration substantielle (Python + VM Smalltalk + construction d'image + config JSON). Aucun script n'était présent pour être testé. Le tableau de référence des outils est utile mais manque de schémas de paramètres.
