SuperClaude Framework /sc:select-tool 命令深度解析：基于复杂度评分的智能 MCP 工具路由

SuperClaude Framework /sc:select-tool 命令深度解析基于复杂度评分的智能 MCP 工具路由【免费下载链接】SuperClaude_FrameworkA configuration framework that enhances Claude Code with specialized commands, cognitive personas, and development methodologies.项目地址: https://gitcode.com/gh_mirrors/su/SuperClaude_Framework导读/sc:select-tool是 SuperClaude Framework一个增强 Claude Code 的配置框架中负责MCP 工具智能选择的特殊命令。它的核心价值在于当开发操作同时可能由多个 MCP 服务器Serena 与 Morphllm完成时通过多维复杂度评分、能力匹配矩阵与阈值路由规则自动选出性能与准确率最优的工具组合。读完本文你将掌握 select-tool 的触发条件、评分流程、决策矩阵、降级策略以及它如何被 refactor、edit、implement、improve 等上层命令自动复用并能在真实场景中自行判断何时该用 Serena、何时该用 Morphllm。命令定位与设计意图/sc:select-tool的命令元数据定义在 src/superclaude/commands/select-tool.md 的 YAML frontmatter 中元数据字段值含义nameselect-tool命令名通过/sc:前缀调用descriptionIntelligent MCP tool selection based on complexity scoring and operation analysis基于复杂度评分与操作分析的工具选择categoryspecial特殊类别命令元系统决策类complexityhigh命令自身复杂度高mcp-servers[serena, morphllm]参与路由决策的两个核心 MCPpersonas[]不需要激活任何认知角色从类别与复杂度字段可以看出这是一个元系统决策命令——它不直接操作文件而是决定让哪个工具去操作文件。这种设计让工具路由逻辑可以独立维护、单独测试并被其他工作流命令复用。命令的调用形态为/sc:select-tool [operation] [--analyze] [--explain][operation]待分析的目标操作描述自然语言即可--analyze输出复杂度评分与匹配分析过程--explain解释最终选择依据rationale。触发场景根据文档以下四类场景应激活该命令需要在 Serena 与 Morphllm 之间做最优工具选择的操作——例如同时涉及语义修改与批量文本替换的混合任务需要复杂度分析与能力匹配的元系统决策——当操作边界模糊、无法凭直觉判断时需要权衡性能与准确率的工具路由决策——快速批量修改 vs 高精度符号操作是典型对立需求能从智能工具能力评估中获益的操作——尤其是多文件、多语言的大型变更。结合 src/superclaude/mcp/MCP_Serena.md 与 src/superclaude/mcp/MCP_Morphllm.md 中的能力描述可以归纳出两个工具的本质分工Serena 负责理解代码Morphllm 负责批量改写。五步行为流程select-tool 的内部决策流程分为五个阶段Parse解析分析操作类型、作用范围、文件数量与复杂度指标。这里的复杂度指标包括操作涉及的符号数量、跨文件依赖、语言与框架要求等参见 MCP_Serena.md 中多语言项目需要 LSP 集成大代码库 50 文件等判据Score评分对各项操作因子应用多维复杂度评分生成 01 之间的复杂度分数Match匹配将操作需求与 Serena、Morphllm 的能力画像逐项对比Select选择基于评分矩阵与性能要求速度 vs 准确率选出最优工具Validate验证核实选择准确性并给出置信度指标。关键行为要点复杂度评分综合考虑文件数量、操作类型、语言与框架要求性能评估在速度与准确率之间做显式权衡避免为了快而牺牲精度或为了精度而拖慢批量任务决策逻辑矩阵包含直接映射与基于阈值的路由规则详见下文关键决策模式能力匹配Serena 侧重语义操作semantic operationsMorphllm 侧重模式操作pattern operations。MCP 集成两条能力路线的分工select-tool 的路由对象是仓库中两个已配置好的 MCP 服务器其启动配置分别位于src/superclaude/mcp/configs/serena.json通过uvx --from githttps://github.com/oraios/serena serena start-mcp-server --context ide-assistant启动以ide-assistant上下文模式运行src/superclaude/mcp/configs/morphllm.json通过npx morph-llm/morph-fast-apply /home/启动并支持MORPH_API_KEY环境变量与ALL_TOOLStrue配置。Serena语义操作与项目记忆Serena 的定位是语义代码理解核心能力包括符号级操作函数/类重命名、提取、移动且带依赖追踪项目级代码导航与探索LSP 集成会话生命周期管理/sc:load、/sc:save、项目激活内存驱动开发工作流与跨会话学习大代码库50 文件、复杂架构的架构理解。文档中给出的判断示例rename getUserData function everywhere → Serena因为这是需要依赖追踪的符号操作。Morphllm模式编辑与批量转换Morphllm 的定位是基于模式的代码编辑引擎核心能力包括多文件编辑中保持一致模式框架升级、风格指南执行、代码清理跨文件批量文本替换自然语言编辑指令 明确作用域令牌优化Fast Apply 场景下效率提升 30–50%。文档中给出的判断示例update all console.log to logger → Morphllm因为这是纯模式替换、速度优先。协作而非对立两个 MCP 的官方推荐协作方式是Serena 分析语义上下文 → Morphllm 执行精确编辑Sequential MCP 也可以参与其中先制定编辑策略再由 Morphllm 系统化应用见 MCP_Serena.md 与 MCP_Morphllm.md 的 Works Best With 小节。select-tool 正是这种协作编排的自动决策器。工具协调选择前后的配套能力select-tool 并非孤军作战它与 Claude Code 原生工具及系统命令协同get_current_config系统配置分析用于评估当前可用的工具能力选择前确认有哪些工具可用execute_sketched_edit操作测试与校验用于验证选择准确性选择后试运行编辑草稿Read / Grep操作上下文分析识别复杂度因子如统计文件数量、查找符号引用集成点refactor、edit、implement、improve 等命令会自动复用这套选择逻辑。例如 src/superclaude/commands/implement.md 中实现流程会根据技术栈自动激活不同 MCPContext7 提供框架文档、Magic 生成 UI 组件、Sequential 编排多步实现而 src/superclaude/commands/improve.md 的改进流程同样依赖工具协调完成安全重构——这些上层命令在遇到符号 vs 模式的分叉时底层就会走到 select-tool 的决策逻辑上。关键决策模式select-tool 的核心是一套可解释、可验证的决策规则1. 直接映射Direct Mapping操作类型路由目标依据符号操作重命名、提取、移动Serena需要依赖追踪与 LSP 语义理解模式编辑批量替换、风格执行Morphllm模式匹配与批量操作能力内存操作保存上下文、发现记录Serena项目上下文与跨会话持久化2. 复杂度阈值Complexity ThresholdsScore 0.6 → Serena语义优先 Score 0.4 → Morphllm模式/速度优先 0.4 ~ 0.6 → 基于功能特征判断feature-based该阈值的合理性在能力文档中得到印证Serena 适合50 文件、复杂架构的代码库MCP_Serena.md而 Morphllm 适合10 文件、简单到中等复杂度的直接变换MCP_Morphllm.md。中间地带则进一步看操作特征以语义为主选 Serena以模式为主选 Morphllm。3. 性能权衡Performance Trade-offs速度要求→ Morphllm批量场景下 Fast Apply 的令牌效率优势30–50%直接转化为执行速度准确率要求→ Serena符号操作依赖追踪能避免漏改、误改。4. 降级策略Fallback StrategySerena → Morphllm → 原生工具Native tools当目标 MCP 不可用未安装、启动失败、API Key 缺失等时沿此链路逐级降级最终退回 Claude Code 的原生 Read/Edit 工具保证操作始终可执行。Morphllm 配置中的MORPH_API_KEY环境变量morphllm.json为空字符串即为典型的配置存在但待填充状态此时降级策略就尤为重要。实战示例示例一跨 10 个文件的复杂重构/sc:select-tool rename function across 10 files --analyze # Analysis: High complexity (multi-file, symbol operations) # Selection: Serena MCP (LSP capabilities, semantic understanding)解析阶段识别出多文件 符号操作两个高复杂度因子评分阶段复杂度高于 0.6匹配阶段命中 Serena 的 LSP 能力画像参见 MCP_Serena.md 中重命名函数需要依赖追踪示例。示例二基于模式的批量编辑/sc:select-tool update console.log to logger.info across project --explain # Analysis: Pattern-based transformation, speed priority # Selection: Morphllm MCP (pattern matching, bulk operations)操作被识别为纯模式替换属于 0.4 低复杂度区间且速度优先——Morphllm 的批量替换与令牌压缩能力30–50% 效率提升见 MCP_Morphllm.md是明确的最优解。示例三内存管理操作/sc:select-tool save project context and discoveries # Direct mapping: Memory operations → Serena MCP # Rationale: Project context and cross-session persistence此例未落入评分区间而是直接命中直接映射规则内存/会话操作固定路由到 Serena因为只有它具备跨会话持久化与项目记忆能力对应/sc:save与/sc:load的会话生命周期管理见 MCP_Serena.md。边界约束会做的Will分析操作并提供 Serena 与 Morphllm 之间的最优工具选择基于文件数量、操作类型与需求应用复杂度评分提供亚 100ms 决策时间与95% 选择准确率的性能保证。注意上述 sub-100ms decision time 与 95% selection accuracy 是文档中声明的设计目标见 select-tool.md 的 Boundaries 小节属于命令规格承诺而非仓库实测数据实际效果取决于运行环境。不会做的Will Not不覆盖用户的显式工具指定当用户已明确表达工具偏好时尊重用户选择而非强行路由不做无依据选择没有经过复杂度分析与能力匹配就不输出选择结论不为便利牺牲性能不允许为了操作上的省事而违背性能要求例如为了省事把高准确率需求丢给 Morphllm。与框架其他能力的联动select-tool 的价值在框架层面进一步放大它是 src/superclaude/commands/sc.md 所定义的/sc:命令命名空间中的一员所有命令统一通过/sc:command [args...]形态调用安装方式与其他命令一致运行superclaude install安装/更新命令后重启 Claude Code 即可生效见 sc.md 底部的安装提示与 implementimplement.md、improveimprove.md等流程命令的自动选择逻辑集成使工具路由成为开发工作流的隐形基础设施——开发者无需每次手动判断该用哪个 MCP交给评分矩阵即可。小结/sc:select-tool将工具选择这一元决策从开发者的心智负担中剥离固化为可解释、可测试、可降级的规则系统Parse → Score → Match → Select → Validate五步流程保证决策可追踪直接映射、复杂度阈值、性能权衡与降级链路四条规则保证决策可预测Serena语义/记忆与 Morphllm模式/速度的分工协作保证决策可用。当你面对符号操作 vs 模式编辑或准确率 vs 速度的抉择时用/sc:select-tool 你的操作 --explain即可获得带依据的工具路由建议。【免费下载链接】SuperClaude_FrameworkA configuration framework that enhances Claude Code with specialized commands, cognitive personas, and development methodologies.项目地址: https://gitcode.com/gh_mirrors/su/SuperClaude_Framework创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考