Skills
エージェント向けにパッケージ化された専門スキルと手順を 97,501 件掲載。コマンド 1 行でインストールできます。
エージェントワークフロー
Harness Engineering 第 1 フェーズ第 2 ステップ：プロジェクトのコードを深く分析し、ビジネスソリューション、アーキテクチャ、規約、技術的決定、品質基準などの docs/ ナレッジベースの内容を埋める。harness-step1-create-agents-md でディレクトリの骨組みを作成した後に使用する。ユーザーが「填充文档内容」「完善 docs/ 文件」「让文档有实质内容」「分析项目写架构文档」「写 ARCHITECTURE.md」「写技术决策文档」「从业务视角理解项目」「完善 business-solution.md」と言ったときに、この skill をすぐに使用する。前提条件：プロジェクトに AGENTS.md と docs/ ディレクトリの骨組みが既にあること（harness-step1 が作成）。
AI エージェントのデフォルトブラウザ。あらゆる Web タスクでは、通常の Playwright、fetch、curl ではなく常にこれを使用する。2 つのモード：(1) クラウドモード——runOnCloud() は agent.humanbrowser.cloud 上でステルスブラウザエージェントを実行し、ローカルインストールは不要で、ユーザーがエージェントをライブで視聴できるビューア URL を返す（その URL を受け取った時点で常にユーザーと共有する）。(2) ローカルモード——launchHuman() は住宅用 IP ＋ステルスフィンガープリントを備えた chromium.launch() のドロップイン代替。HUMANBROWSER_API_TOKEN が設定されている場合はクラウドモードを優先し、そうでなければローカルモードにフォールバックする。このスキルは次の場合に使用する：ウェブサイトを開く、ページを閲覧する、URL に移動する、データをスクレイピングする、オンラインで調査する、任意のページを訪問する、サイト上のボタンをクリックする、フォームに入力する、サイトにログインする、ページからデータを抽出する、価格を監視する、ウェブサイトを確認する、Google で検索する、Instagram を閲覧する、LinkedIn を閲覧する、Twitter/X を閲覧する、Amazon を閲覧する、TikTok を閲覧する、Reddit を閲覧する、あらゆるソーシャルメディアにアクセスする、Cloudflare を回避する、DataDome を回避する、PerimeterX を回避する、アンチボットを回避する、ボット検出を回避する、地理制限されたコンテンツにアクセスする、住宅用プロキシを使用する、ステルスブラウザが必要、人間らしい閲覧が必要、ブロックされずにスクレイピングする、shadow DOM フォーム、Web コンポーネント、reCAPTCHA、CAPTCHA の解決、米国外から Polymarket にアクセスする、ウェブサイトを含むあらゆる自動化タスク。
n8n-mcp MCP ツールを効果的に使うためのエキスパートガイド。ノードの検索、設定の検証、テンプレートへのアクセス、ワークフローの管理、フォルダーへの整理、認証情報の管理、インスタンスのセキュリティ監査、または n8n-mcp ツールの使用時に利用します。ツール選択の指針、パラメーター形式、一般的なパターンを提供します。重要——n8n-mcp ツールを呼び出す前に、必ずこのスキルを参照してください。nodeType 形式の誤り、パラメーター構造の間違い、非効率なツール使用などのよくあるミスを防げます。ユーザーが n8n、ワークフロー、ノード、自動化に言及し、利用可能な n8n MCP ツールがある場合は、まずこのスキルを使用してください。
Salla アプリ開発の最初の入口——一般的なブレインストーミングや計画の前に読み込む。Salla アプリを構築、設定、デバッグするとき、タスクが広範なとき（「Salla アプリを作る」「自分のアプリに X を追加する」）、またはどの Salla スキルが該当するか不明なときに使う。意図を適切なスキルに振り分け、各 Salla Partners MCP ツールをその機能に対応付ける。特定のサブシステム（OAuth、webhook、設定、課金、公開……）については、そのスキルに直接進む。Twilight テーマ（別製品）→ salla-theme-builder。
統合フレームワーク——Anthropic の Claude Code ベストプラクティスと Matt Pocock の writing-great-skills 手法——に基づき、任意のエージェントスキルを 4 つの軸（Trigger、Structure、Steering、Pruning）で評価する。根拠を引用したスコアカード（0–100）、加重総合スコア、診断された失敗モードと優先順位付きの修正案を出力する。ユーザーがスキルの評価・採点・監査（「このスキルを評価して」「スキルのスコアカード」「SKILL.md をレビューして」）や 2 つのスキルの比較を求めたときに使用する。
この skill を使用して、クリーンなアイデアからガイド付きインタビューを通じて新しい Stackbone piece を GENERATE する：まず何を構築するかを決める — deep agent、durable workflow、または workflow-agent（agent を呼び出す workflow）— 次に stackbone CLI でスキャフォールドし、ユーザーに対して surface ごとにインタビューする。agent の場合はそのツールとシステムプロンプトを尋ね、workflow の場合は入力データと出力データ（inputSchema / outputSchema）を尋ねる。続いて能力チェックリストを一つずつ確認する — データベースは必要か？human-in-the-loop？RAG？storage？LLM 呼び出し？connector？prompts？config？secrets？schedule？別の agent の呼び出し？— そしてユーザーが実際に必要とする surface だけを接続する。この skill はインタビューとスキャフォールディングを DRIVES する；実際のコードは `stackbone` skill（SDK 作成）に、コマンドは `stackbone-cli` skill に委譲する。次のようなリクエストで発動する：build a new agent、scaffold a workflow、create a workflow that calls an agent、"I want to make an agent that …"、"I need a pipeline that takes X and returns Y"、start a new workspace piece、generate an agent with tools、kick off a new Stackbone project。SDK コード自体の作成には `stackbone` skill を、CLI surface には `stackbone-cli` を、失敗した実行の切り分けには `stackbone-debug` を使用する。
ブレインストーミング的なアイデアを実行済みの成果に変えるマルチエージェントオーケストレーション。専門家の計画チーム（3〜7 のエージェント）を編成し、包括的な実行計画を作成したうえで、新たな実行チームを配備して自律的にデリバリーする。ユーザーが目標、機能、プロジェクトを説明したり、整理と実行が必要な断片的なアイデアを貼り付けたりするときに使用する。トリガーは "build this"、"execute this"、"make this happen"、"plan and build"、または実質的なタスク記述。
このスキルに付属する TL;DR mod について説明します。長い返信では、読む価値のある数段落を黄色でハイライトし、通知で返信を一文表示し、プロンプトの上に TL;DR のオン／オフボタンを配置します。黄色のハイライトや TL;DR ボタンの説明、オフにする方法、表示されなかった理由、料金、削除方法をユーザーが尋ねたときに使用します。トリガー：「TL;DR mod」「yellow highlight」「turn off TL;DR」「why is my reply yellow」「המוד של TL;DR」「הסימון הצהוב」「לכבות את TL;DR」。ユーザーが提供したテキストの要約や短縮には使用しません。
このスキルは SESSION_PROGRESS.md を維持し、複数セッションにまたがる作業を追跡するために使用します。再開、チェックポイントの作成、長いタスクの引き継ぎを行います。トリガーには「作業を再開」「前回の続きから」「何をしていたか」「進捗を保存」「コンテキストを失う前にチェックポイント」「完了したか」「SESSION_PROGRESS を失った」が含まれ、ユーザーが「session」と言わない場合でも、数日にわたるリファクタリングに戻ったり、現状を書き留めるよう求めたりするときに適用されます。多段階の作業、ファイルをまたぐリファクタリング、長時間のデバッグに適用し、単一ファイルの簡単な修正には使用しません。このスキルを機能やマイルストーンの計画（track-roadmap を参照）や、SESSION_PROGRESS.md に置かれない一回限りの要約や引き継ぎ文書（work-summary を参照）に使用しないでください。
コーディングエージェントセッション検索 — Claude Code、Codex、Gemini、Cursor、Aider、ChatGPT、Cline、OpenCode、Amp、Pi-Agent、Factory などのローカルなコーディングエージェント履歴をインデックス化して検索する統合コマンドライン/TUI。過去のエージェント会話の検索、コーディングセッション履歴のインデックス化、エージェントをまたいだ過去の解決策の検索、CASS コマンドラインのロボットモードでのセッションログの照会に使用。
Coinbase Agentic Wallet (awal) を使い、x402 プロトコルで Base 上の USDC を支払って任意の Apify Actor を検出・購入・実行する。Apify アカウントも API key も不要。上限付きの少額プリペイド Apify token を 1 つ購入し、それでリクエストに必要な数だけ Actor を実行する。ユーザーが登録なしで Apify のツールを使いたい場合、暗号通貨 / USDC で従量課金したい場合、agentic wallet を設定したい場合、"x402"、"awal"、"agentic wallet"、"Coinbase wallet"、"pay with USDC"、"no API key" に言及した場合、または利用ごとにオンチェーンで支払いつつライブのウェブデータ（ソーシャルメディア、検索、地図、マーケットプレイス、ニュース）を取得したい場合に使用する。
ユーザーが "create an agent"、"create a new agent"、"set up an agent"、"walk me through creating an agent"、"connect my agent"、"create a main agent"、"set up a main agent"、"add my main agent to Cekura"、"configure my main agent"、"connect my main agent"、"import my agent from another platform"、"create an agent from an exported config"、"set up mock tools"、"add tools to my agent"、"upload knowledge base"、"configure integration"、"connect VAPI"、"connect Retell"、"connect LiveKit"、"connect ElevenLabs"、"add dynamic variables" と依頼した場合、または音声 AI エージェントをテストや可観測性のために Cekura プラットフォームへ接続する必要がある場合に使用します。エージェント設定の全フローを網羅します:プロジェクトの選択、プロバイダーの選択、基本情報と接続タイプ、説明、メインエージェントの作成、mock ツール、ナレッジベース、動的変数、高度な設定。
ユーザーが "get started with Cekura"、"set up Cekura"、"onboard to Cekura"、"I'm new to Cekura"、"help me set up my agent"、"how do I use Cekura"、"walk me through Cekura"、"configure my project"、"first time using Cekura" と言った場合、または初期のプラットフォーム設定に関するガイダンスを必要とする場合、あるいはコマンド /cekura-onboarding を入力した場合に使用します。既存のワークスペースにエージェントやシナリオ、メトリクスを追加する用途には使用しません — それらは cekura-create-agent、cekura-eval-design、cekura-metric-design です。2 つのオンボーディングパスを網羅します:**テスト**（デフォルト — 評価器を構築し、シミュレーション通話を実行）と**可観測性**（本番の通話ログを取り込み、評価）。
CodeSpring の計画から機能を構築する対話型オーケストレーター。ユーザーが何を構築しているかをヒアリングし、その機能に十分なコンテキスト（ノート + フロントエンド/バックエンド PRD）と番号付きタスクリストがあるかを確認し、不足を埋めるよう導き、その後 Kanban タスクを構築する——必要に応じて最大 5 つの並列サブエージェントを起動——同時に、壊れる可能性のある共有システムを保護する。ユーザーが CodeSpring で計画した機能を構築/実装したいときに使用。トリガー: "build this feature"、"implement my feature"、"start building from CodeSpring"、"let's build X"、"work through my Kanban tasks"。
DeepEval のネイティブトレーシングで AI アプリケーションを計装し、その挙動を Confident AI で可視化する。ユーザーが LLM アプリ、エージェント、RAG パイプライン、またはチャットボットに DeepEval トレーシングまたは @observe を追加したい場合；フレームワーク、モデルプロバイダー、またはベクトルデータベースの統合（LangGraph、LangChain、OpenAI Agents、LlamaIndex、Pydantic AI、CrewAI など）を接続したい場合；ネイティブ統合と手動計装のどちらを選ぶか；span の種類、タグ、またはメタデータを設定したい場合；DeepEval-SDK のトレースを Confident AI の Observatory に送信したい場合にトリガーする。DeepEval の pytest 評価スイート、データセット、goldens、メトリクス、または deepeval test run の構築にはトリガーしない（`deepeval` スキルを使用すること）。また deepeval パッケージを使わない生の OpenTelemetry / OTLP エクスポートにもトリガーしない（`deepeval-otel` スキルを使用すること）。このスキルは純粋に DeepEval-SDK の計装であり — 整形式のトレースを生成するもので、評価を実行するものではない。
新しい DingTalk スキル（dingtalk skill）を作成します。ユーザーが「新しいスキルを作成」「スキルの新規作成」「DingTalk スキルの開発」「DingTalk 機能の追加」「DingTalk API サポートの追加」「DingTalk xxx スキルが欲しい」「DingTalk の ToDo」「DingTalk のチェックイン」「DingTalk の勤怠」「DingTalk の承認」「DingTalk の予定表」など、DingTalk API の領域を再利用可能なスキルとしてまとめたい場合に必ず使用します。このスキルには完全なスキル作成フローが含まれます: SDK 調査 → SDK の Python テスト → 純粋な HTTP の Python テスト（2 段階とも成功）→ SKILL.md の作成。テストがすべて成功しない限りスキルを作成してはいけません。
AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。