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
複雑で練り上げられた要件を、詳細な実行計画ドキュメントと、新しいエージェントセッション用の自己完結した起動プロンプトに変換し、後でそのセッションのレポートをレビューする。ユーザーが実行前に計画を求めたり、実行を別のセッションに引き継ぎたい場合、または 执行计划 / 计划文档 / 新会话执行 / 交接 prompt / 审查 report に言及した場合に使用する。計画の実行レポートをレビューする場合や修正ラウンドを派遣する場合にも使う。まだ欠けている点を問いただし、ponytail のテイストを適用し、部分的な完了を正当なものとして扱い、計画自体を決して実行しない。このセッションでの実装には steady-do を、明確で範囲の限られた変更には quick-do を優先する。
オープンソースの Agenta をセルフホストし、その上でエージェントを動かすためのガイド付きセットアップアシスタント。ユーザーが Agenta をセルフホストしたい、自分のマシンやサーバーに Agenta エージェントをセットアップしたい、エージェントをローカルで動かしたい、あるいは「Agenta のセルフホストを手伝って」「エージェントをセットアップして」「セルフホストしてエージェントを動かして」と言ったときに使用。ユーザーを意思決定に沿って導き、OSS セルフホストのドキュメントに沿って実行し、動作しテスト済みのエージェントで締めくくる。
AI ソフトウェアファクトリー向けのスペック駆動開発（SDD）パイプラインを設計・運用する — 構造化された仕様を入力とし、AI エージェントがコードを生成し、品質ゲートが各フェーズで正しさを強制する：SPECIFY → DECOMPOSE → IMPLEMENT → VERIFY → DELIVER。あらゆる AI コーディングツール（Claude Code、Cursor、Hermes Agent、Devin、OpenHands、droid）が従えるスペック駆動パイプラインを構築または改善するとき、あるいはスペック品質ゲート、フェーズゲートの判定、NFR のエンコード、フォーマット変換が必要なときに使う。目標が明確な単一の小さな変更（まず bmad で分類する）、パイプラインを巡る意図契約・自律性ゲーティング・失敗ルーティングのコントロールプレーンプロトコル（bmad）、検証されていない問題（product-discovery）には使わない。
GitHub spec-kit、Ouroboros（ooo）、HKUDS CLI-Anything を 1 つの仕様駆動デリバリースタックに組み合わせる — Write → Freeze → Run、検証済み。`/speckit.*` で仕様を書き、機械検証可能な受け入れ基準を持つ不変の ooo seed として凍結し、CLI-Hub のエージェントネイティブな CLI ハーネスでループを武装し（`--json` 出力を evaluate の証拠とする）、検証が通るまでループする。3 つのパターンをルーティングする — フルスタック（spec-kit → ooo → cli-anything）、ループのみ（ooo）、ドキュメントのみ（spec-kit） — 明示的なアンチパターン付き（2 つの仕様 SSOT、ハーネス優先のビルド、seed なしの ralph ループ）。ユーザーが仕様から検証済み成果物へのデリバリーを望むとき、spec-kit と ooo を衝突させずに連携させたいとき、または検証済みループ内で実際のソフトウェアを動かす必要があるときに使用する。トリガー：spec-stack、spec stack、write freeze run、spec to verified、speckit + ooo、ooo + cli-anything、spec-driven loop、verified delivery stack、seed with tools。
あらゆる LLM や AI アシスタント向けに高品質なプロンプトを作成する——Claude、Claude Code、ChatGPT、Gemini、Cursor、Windsurf、Copilot、または任意のコーディング / チャットエージェント。ユーザーがプロンプトの作成、改善、洗練、短縮、書き直しを求めたとき、"[モデル] にはどう表現すればよいか" や "[タスク] に良いプロンプトは何か" と尋ねたとき、AI にやらせたいタスクを説明したがまだプロンプトとして定式化していないとき、あるいは既存のプロンプトを貼り付けて修正を求めたときにこのスキルを使用する。Boris（Anthropic、Claude Code の作者）のプロンプト方法論に基づく——短く正確なプロンプト、コード前に計画、フィードバックループ、ファイル内の永続コンテキスト。普遍的な原則（短い、計画優先、フィードバックループ、無駄を省く）はどの LLM にも当てはまる；Claude Code 固有のアンカー（CLAUDE.md、@file、スラッシュコマンド）は対象が Claude Code のときのみ適用される。ユーザーの意図が不明確な場合（対象モデル、成果物、範囲、または AI に自己検証の手段があるかが欠けている場合）、プロンプトを書く前に AskUserQuestion で 1〜3 個の的を絞った確認質問をする。
Git Context Controller (GCC) v2 — 実際の git に支えられた軽量なエージェントメモリ。冗長な markdown ではなく、ハッシュ + 意図 + 任意の意思決定メモを保存します。利用可能な場合は aiyoucli のベクトルメモリに自動ブリッジします。デュアルモード：git 連携（軽量な index.yaml）またはスタンドアロン（markdown フォールバック）。/gcc コマンドや「commit this progress」「branch to try an alternative」「merge results」「recover context」のような自然言語でトリガーします。
Python 向け Google Agent Development Kit (ADK)。機能：AI エージェントの構築、マルチエージェントシステム、ワークフローエージェント（順次／並列／ループ）、ツール連携（Google Search、Code Execution）、Vertex AI へのデプロイ、エージェント評価、ヒューマンインザループのフロー。アクション：AI エージェントの構築、作成、デプロイ、評価、オーケストレーション。キーワード：Google ADK、Agent Development Kit、AI エージェント、マルチエージェントシステム、LlmAgent、SequentialAgent、ParallelAgent、LoopAgent、ツール連携、Google Search、Code Execution、Vertex AI、Cloud Run、エージェント評価、ヒューマンインザループ、エージェントオーケストレーション、ワークフローエージェント、階層的調整。使用場面：AI エージェントの構築、マルチエージェントシステムの作成、ワークフローパイプラインの実装、LLM エージェントとツールの連携、Vertex AI へのデプロイ、エージェント性能の評価、承認フローの実装。
書くコードを減らし、それについて語ることも減らします。YAGNI と標準ライブラリ/ネイティブ優先を適用し、エージェントが存在する必要のある最小限のコードだけを書き、簡潔に応答するようにします——冗長な表現、曖昧な言い回し、社交辞令を削りつつ、コード、識別子、技術用語は正確に保ちます。コードの作成、変更、リファクタリング、レビュー、説明を行うとき、または出力量が token コストを押し上げるあらゆる応答で使用します——ユーザーが「最小限」や「簡潔」と言わなくても同様です。特にエージェントコーディングでは、生成されるコードと文章の量が請求額を押し上げます。
LangGraph と SAP GenAI Hub を使って pro-code AI エージェントを生成・デプロイし、SAP BTP Cloud Foundry にデプロイし、A2A（Agent-to-Agent）action を備えた Joule capability を作成して Joule にデプロイする。TypeScript（Express または CAP）と Python に対応。ユーザーが次のいずれかに言及したときは常にこのスキルを使用：Joule 向けのカスタムエージェントの構築、AI エージェントの BTP Cloud Foundry へのデプロイ、Joule との A2A プロトコル統合、pro-code エージェントの拡張性、SAP BTP 上の LangGraph エージェント、外部エージェントの Joule への接続、Joule の "bring your own agent"、A2A action を備えた Joule capability の作成、CAP エージェント、MTA デプロイ、またはエージェント開発の文脈における LangGraph/A2A/Joule/BTP/Cloud Foundry/CAP の任意の組み合わせ。ユーザーが既存の A2A エージェントプロジェクトを雛形作成、変更、再デプロイしたい場合にもトリガーする。
AI エージェント向けの自己進化する行動幾何学とメタ認知レンズ。あらゆる経験から進化する知覚、オーバーライド、保護、自己観察、意思決定、好奇心を追跡する。エージェントが失敗から学び、自己認識を発達させ、意思決定への自信を追跡し、失敗に基づく行動ガードレールを維持し、創発的な振る舞いを保持し、能動的な好奇心を育む必要があるときに使用する。すべての会話、訂正、エラー、内省の瞬間にトリガーされる。新しいエージェントの自己学習システムの設定、フィードバックループの構成、メタ認知能力のパッケージ化にも使用する。
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。