mcpField
R
research-skill-creator

research-skill-creator

github.com/kalarislabsエージェントワークフロー7349 回インストール3 日前に更新
リポジトリ

research-skill-creator について

research-skill-creatorは、研究者やスキル作成者向けに、研究用エージェントスキルの作成と検証手順を示します。スキル化の判断、ひな形生成、スクリプトの安全規則、評価方法を扱います。

主な機能

  1. 01タスクのスキル化を判断
  2. 02新しいスキルのひな形を生成
  3. 03説明文と本文の作成規則
  4. 04スクリプトの仕様と安全規則
  5. 05検証・テスト・評価を実施

活用シーン

  1. 01反復する研究ワークフロー向けのスキル作成
  2. 02スキルの説明文と手順の執筆
  3. 03決定的な処理を行うスクリプトの追加
  4. 04起動条件とスクリプト動作のテスト

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/kalarislabs/research-agent-skills --skill research-skill-creator

インストール後、Claude Code で/research-skill-creatorを入力して読み込まれたか確認します。

同梱ファイルscripts/new_skill.py

詳細

Research Skill Creator

優れたリサーチスキルは、専門家が毎回説明しなければならないような手順に関する知識、つまり手順の順序、ミスを見つけるためのチェック、投稿先や使用機器ごとのルールをまとめたものです。教科書の章でも、単一の API 呼び出しをラップしたものでもありません。

0. 公式ツールをインストールする（一度だけ）

Anthropic の skill-creator は、評価ループ、説明文の最適化ツール、パッケージャーを提供します。Claude Code で次を実行します。

/plugin marketplace add anthropics/skills
/plugin install example-skills@anthropic-agent-skills

これを使って評価（run_eval.py、run_loop.py）を実行し、説明文（improve_description.py）を調整します。このスキルでは、リサーチ固有の規約を追加します。

1. スキルにすべきか判断する

次のすべてに当てはまる場合は、スキルを作成します。

  • プロジェクトや担当者をまたいでタスクが繰り返し発生する（一度限りのスクリプトではない）。
  • 適切に実行するには、すぐには分からない手順、チェック、またはドメインルールが必要である。
  • ガイダンスがなければエージェントが間違える可能性がある（確認するには、まずスキルなしで尋ねます）。

それ以外の場合は、代わりにメモまたはスクリプトを作成します。重複がないか catalog/skills.json を確認し、似たスキルを新規作成するのではなく、既存のスキルを拡張します。

2. 雛形を作成する

python skills/research-skill-creator/scripts/new_skill.py rebuttal-letter \
  --category research-writing \
  --description "Draft point-by-point responses to peer reviewers. Use when ..." \
  --scripts --references

これにより、仕様に準拠したフロントマターを含む skills/<name>/SKILL.md と、evals/<name>/evals.json が作成されます。

3. 説明文を書く（スキルが使われるかどうかを左右します）

  • 何をするのか、いつ使うのかを、ユーザーが実際に入力する言葉で記述します。 「ジャーナルのカバーレター」「査読者への回答」「PRISMA フローダイアグラム」などです。
  • 具体的な成果物、ツール、投稿先を挙げます（「BibTeX」「Nature」「pgvector」など）。
  • 1024 文字以内、三人称、山括弧なし、宣伝的な形容詞なしとします。
  • よくあるトリガーのうち 3～6 個について「次の場合に使用する」という節を追加し、関連するスキルとの使い分けの手がかりも示します（例：「システム系の投稿先には systems-paper-writing を使用する」）。

4. 本文を書く

原則実践
説明文より手順番号付きワークフロー、判断表、チェックリスト
段階的な情報開示SKILL.md は 500 行未満にします。長い資料は references/*.md に置き、「必要なときに読む」という一行のヒントを付けてリンクします
決定論的な作業はコードで行う解析、検証、変換は scripts/ に入れ、エージェントに再実装させず実行させます
変更される事実は検証を優先投稿先の制限、API のバージョン、ガイドラインについては、エージェントに公式情報を取得して引用するよう指示します
誠実さに関するルール「データ、引用、結果を決して捏造しない。検証できない場合はその旨を伝える」と明記します
引き継ぎ関連するスキルと、切り替えるタイミングを最後に記載します

5. スクリプト：リポジトリの規約

  • 必須の依存関係がない限り、Python 3.9 以降の標準ライブラリを使用します。依存関係は compatibility に記載します。
  • --help に対応する argparse CLI と、使い方を記載した docstring を用意します。終了コードは、正常終了が 0、検出事項ありが 1、入力不正が 2 です。
  • Windows のターミナルでクラッシュしないよう、UTF-8 のコンソール設定を行います（雛形に含まれています）。
  • ネットワーク呼び出しは、文書化された API に限ります。新しいドメインを追加する場合は、レビュー担当者の承認を得て security/allowed-domains.txt に追加する必要があります。説明的な User-Agent を設定します。
  • ユーザーがそのサービス用に設定した環境変数以外から認証情報を読み取ってはいけません。環境データを外部に持ち出してはいけません。取得したコンテンツに対して eval／exec を実行してはいけません。ダウンロードしたスクリプトをシェルにパイプしてはいけません。

6. テストする

  1. uv run tools/validate.py skills/<name>：仕様とリポジトリポリシーを検証します。
  2. uv run tools/lint_injection.py skills/<name>：プロンプトインジェクションとペイロードを検査します。
  3. evals/<name>/evals.json に、誤ってスキルが起動してはいけない類似ケースも含め、現実的なプロンプトを 3～10 件記入し、skill-creator の評価ループで実行します。スキルありの場合となしの場合を比較します。
  4. 可能であれば、Windows と Unix の両方で、不正な形式の入力も含む実際のサンプル入力を使って各スクリプトを実行します。
  5. uv run tools/build_catalog.py を実行して、マーケットプレイス、カタログ、README の表を再生成します。

7. 適応されたスキルの書き直し

third_party/upstream-manifest.json に rewrite_status: imported と記載されているスキルは、適応されたものです。書き直す場合は、行ごとの言い換えではなく、 新しい構成と新しい表現を用いて、事実を再検証したうえでゼロから作成する必要があります。マージしたら、マニフェスト内でそのスキルの rewrite_status: original に設定します。これにより、通知生成ツールはそのスキルを THIRD_PARTY_NOTICES.md から除外し、インポーターによる上書きも停止します。

関連スキル

research-agent-skills リポジトリのドキュメント（CONTRIBUTING.md）、Anthropic の skill-creator、autoskill（スキル化する価値のある反復ワークフローを検出します）。

コメント

Markdown 対応