企业官网建设流程全解析

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：

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：

1. 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；
2. 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；
3. 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；
4. 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：

1. 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）；
2. Score（评分）：对各项操作因子应用多维复杂度评分，生成 0～1 之间的复杂度分数；
3. Match（匹配）：将操作需求与 Serena、Morphllm 的能力画像逐项对比；
4. 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；
5. 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 operations），Morphllm 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 git+https://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_TOOLS=true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 MCP（Context7 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）

2. 复杂度阈值（Complexity Thresholds）

Score > 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 Strategy）

Serena → 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 implement（implement.md）、improve（improve.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