sc-implement

実装スキル

専門知識を連携させ、体系的な開発を通じて機能を包括的に実装します。

クイックスタート

# Basic implementation
/sc:implement [feature-description] --type component|api|service|feature

# With framework
/sc:implement dashboard widget --framework react|vue|express

# Complex orchestration
/sc:implement [task] --orchestrate --strategy systematic|agile|enterprise

動作フロー

1. 分析 - 要件を確認し、技術コンテキストを検出します
2. 計画 - アプローチを選択し、関連するペルソナを有効にします
3. 生成 - フレームワークのベストプラクティスに沿って実装を作成します
4. 検証 - セキュリティ、品質、原則の検証を適用します
   • KISS 検証を実行します：python .claude/skills/sc-principles/scripts/validate_kiss.py --scope-root . --json
   • Purity 検証を実行します：python .claude/skills/sc-principles/scripts/validate_purity.py --scope-root . --json
   • ブロックされた場合：先に進む前に、準拠するようコードをリファクタリングします
5. 統合 - ドキュメントを更新し、テストに関する推奨事項を提示します

フラグ

フラグ	型	デフォルト	説明
--type	string	feature	component、api、service、feature
--framework	string	auto	react、vue、express など
--safe	bool	false	安全性の制約を有効にします
--with-tests	bool	false	コードとあわせてテストを生成します
--fast-codex	bool	false	効率化された手順を使用し、複数ペルソナを省略します
--orchestrate	bool	false	階層的なタスク分解を有効にします
--strategy	string	systematic	systematic、agile、enterprise、parallel、adaptive
--delegate	bool	false	インテリジェントな委任を有効にします
--principles	bool	true	KISS/Purity 検証を有効にします
--strict-principles	bool	false	原則に関する警告をエラーとして扱います

有効になるペルソナ

• architect - システム設計、アーキテクチャ上の意思決定
• frontend - UI／コンポーネントの実装
• backend - API／サービスの実装
• security - セキュリティ検証、認証に関する懸念事項
• qa-specialist - テスト、品質保証
• devops - インフラストラクチャ、デプロイ
• project-manager - タスクの調整（--orchestrate 使用時）
• code-warden - 原則の徹底（KISS、Purity）

MCP 統合

PAL MCP（品質確保のため常に使用）

ツール	使用するタイミング	目的
mcp__pal__consensus	アーキテクチャ上の意思決定	大規模な変更の前に複数モデルで検証します
mcp__pal__codereview	コード品質	実装の品質、セキュリティ、パフォーマンスをレビューします
mcp__pal__precommit	コミット前	git commit の前にすべての変更を検証します
mcp__pal__debug	実装上の問題	発生したバグの根本原因を分析します
mcp__pal__thinkdeep	複雑な機能	複雑な実装を多段階で分析します
mcp__pal__planner	大規模な機能	複数ステップの実装を順に計画します
mcp__pal__apilookup	依存関係	最新の API／SDK ドキュメントを取得します
mcp__pal__challenge	コードレビューのフィードバック	レビューの提案を批判的に評価します

PAL の使用パターン

# Consensus for architectural decision
mcp__pal__consensus(
    models=[
        {"model": "gpt-5.2", "stance": "for"},
        {"model": "gemini-3-pro", "stance": "against"},
        {"model": "deepseek", "stance": "neutral"}
    ],
    step="Evaluate: Should we use Redux or Context API for state management?"
)

# Pre-commit validation
mcp__pal__precommit(
    path="/path/to/repo",
    step="Validating implementation changes",
    findings="Security, performance, completeness checks",
    confidence="high"
)

# Code review after implementation
mcp__pal__codereview(
    review_type="full",
    step="Reviewing new authentication implementation",
    findings="Quality, security, performance, architecture",
    relevant_files=["/src/auth/login.ts", "/src/auth/middleware.ts"]
)

# Debug implementation issue
mcp__pal__debug(
    step="Investigating why API returns 500 on edge case",
    hypothesis="Null check missing for optional field",
    confidence="medium"
)

Rube MCP（自動化と統合）

ツール	使用するタイミング	目的
mcp__rube__RUBE_SEARCH_TOOLS	外部サービス	API、SDK、統合機能を探します
mcp__rube__RUBE_MULTI_EXECUTE_TOOL	CI/CD、通知	ビルドの実行、チームへの通知、チケットの更新を行います
mcp__rube__RUBE_REMOTE_WORKBENCH	コード生成	コードの一括操作、変換を行います
mcp__rube__RUBE_CREATE_UPDATE_RECIPE	再利用可能なワークフロー	実装パターンをレシピとして保存します
mcp__rube__RUBE_MANAGE_CONNECTIONS	統合の確認	外部サービスへの接続を確認します

Rube の使用パターン

# Search for integration tools
mcp__rube__RUBE_SEARCH_TOOLS(queries=[
    {"use_case": "send slack message", "known_fields": "channel_name:dev-updates"},
    {"use_case": "create github pull request", "known_fields": "repo:myapp"}
])

# Notify team and update ticket on completion
mcp__rube__RUBE_MULTI_EXECUTE_TOOL(tools=[
    {"tool_slug": "SLACK_SEND_MESSAGE", "arguments": {
        "channel": "#dev-updates",
        "text": "Feature implemented: User authentication flow"
    }},
    {"tool_slug": "JIRA_UPDATE_ISSUE", "arguments": {
        "issue_key": "PROJ-123",
        "status": "In Review"
    }},
    {"tool_slug": "GITHUB_CREATE_PULL_REQUEST", "arguments": {
        "repo": "myapp",
        "title": "feat: Add user authentication",
        "base": "main",
        "head": "feature/auth"
    }}
])

# Save implementation workflow as recipe
mcp__rube__RUBE_CREATE_UPDATE_RECIPE(
    name="Feature Implementation Workflow",
    description="Standard flow for implementing features with notifications",
    workflow_code="..."
)

MCP を活用したループモード

--loop が有効な場合、反復の合間に MCP ツールを使用します。

1. 反復 N - 機能を実装します
2. PAL codereview - 品質を評価します（目標：70 点以上）
3. PAL debug - 見つかった問題を調査します
4. 反復 N+1 - 改善を適用します
5. PAL precommit - 完了とする前に最終検証を行います

ガードレール

• 分析モードで開始し、ファイルを操作する前に範囲を限定した計画を作成します
• 具体的なリポジトリの変更（ファイル名＋差分の該当箇所）を示した場合にのみ、完了とします
• ツールを利用できない場合は、計画と次のアクションを返します
• 最小限の実用的な変更を優先し、推測に基づく足場づくりは避けます
• 認証情報／シークレット／権限を変更する前に、セキュリティ担当者にエスカレーションします

エビデンス要件

このスキルではエビデンスが必要です。必ず次のことを行ってください。

• 実際のファイル差分またはコード変更を提示します
• テスト結果または lint の出力を示します
• 証拠なしにコードが存在すると主張しません

例

React コンポーネント

/sc:implement user profile component --type component --framework react

テスト付き API

/sc:implement user auth API --type api --safe --with-tests

複雑なオーケストレーション

/sc:implement "enterprise auth system" --orchestrate --strategy systematic --delegate

ループモードと学習

--loop を使用すると、このスキルはスキル永続化レイヤーと連携し、セッションをまたいだ学習を行います。

学習の仕組み

1. フィードバックの記録 - 各反復の品質スコアと改善点が保存されます
2. スキルの抽出 - 品質しきい値を満たすと、成功したパターンが抽出されます
3. スキルの取得 - 関連する学習済みスキルが後続のタスクに挿入されます
4. 有効性の追跡 - 適用されたスキルの成功率が追跡されます

ループフラグ

フラグ	型	デフォルト	説明
--loop	int	3	反復的な改善を有効にします（最大 5）
--learn	bool	true	このセッションからの学習を有効にします
--auto-promote	bool	false	品質の高いスキルを自動的に昇格します

学習の例

# Iterative implementation with learning
/sc:implement auth flow --loop 3 --learn

# View learned skills
python scripts/skill_learn.py '{"command": "stats"}'

# Retrieve relevant skills
python scripts/skill_learn.py '{"command": "retrieve", "task": "auth"}'

学習済みスキルの保存場所

昇格されたスキルは次の場所に保存されます。

.claude/skills/learned/
├── SKILL.md                    # Index
├── learned-backend-auth/       # Example promoted skill
│   ├── SKILL.md
│   └── metadata.json

リソース

• scripts/select_agent.py - エージェント選択ロジック
• scripts/evidence_gate.py - エビデンスの検証
• scripts/skill_learn.py - スキル学習の管理