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
実際のコーディング作業を、独自の完全なハーネスを実行するピア AI エージェント（Claude Code、Codex（ChatGPT）、Gemini（Antigravity）など）に委任する、またはそのピアを独立したレビュアー、敵対的レッドチーム、アイデア出しと計画のパートナーとして使用する。ユーザーが"use agent bridge""ask <another agent>""delegate to <agent>""have <agent> implement/build/fix this""get <agent> to review/critique""get a second opinion"と言ったとき、または会話中のエージェントとは別のエージェントに作業を渡したときにトリガーする。このブリッジはあなたがどのエージェントかを自動検出し、他のエージェントをピアとして提示するため、どのエージェント内で実行していても同じ指示が機能する。ユーザーが自分で行うべき通常の作業ではトリガーしない。
任意の領域のスキルフォルダーを、範囲が制限されたエージェントループに変換します。目標を検証可能なタスク計画にまとめ、その領域固有のツールでタスクを実行し、機械実行チェックですべてのタスクを検証し、上限付きで再試行し、予算を使い切ったら人にエスカレーションします。すべてが検証されるか明示的に免除されるまで、完了扱いにしません。このリポジトリの 20 領域のいずれかで、エージェントまたはサブエージェントに目標を引き受けさせ、検証済みの完了まで進めたい場合に使用します（「この目標をエンジニアリングハーネスで実行」「マーケティング業務にエージェントループを設定」「財務領域を自己検証可能にする」）。Claude Code Workflow-tool の .js スクリプト作成（workflow-builder）、単一タスクでの複数エージェント競争（agenthub）、単一ファイルの指標最適化（autoresearch-agent）、公開済みループレシピの検索（loop-library）には使用しません。
複数のコーディングエージェントが会話、連携、議論するための共有ファイルベースの広場です。サーバーは不要です。複数のエージェントが同じリポジトリ（並行する Claude Code または Codex のセッション、別々の git worktree、タスクを分担するエージェント群）で作業し、互いの作業を妨げずに連携する必要がある場合に使用します。「別のエージェント/セッションと連携して」「agora に投稿/確認して」「他のエージェントに聞いて」「X を担当している人にメッセージを残して」「変更するファイルを知らせて」「他に編集している人はいる？」などの表現や、他のエージェントが稼働中に共有コードを編集しようとする場合に起動します。エージェントが行き詰まり、仲間の意見を求める場合や、複数のエージェントが設計（API、スキーマ、アーキテクチャ）をそれぞれ作成し、案を比較して最善案に合意する必要がある場合も対象です。Claude Code に限らず、Python スクリプトを実行できるあらゆるエージェントで利用できます。
プロジェクトコンテキストの全体像を監査・管理する：CLAUDE.md のメモリ階層、プロジェクトドキュメント、Markdown のフットプリント、コンテンツの重複。プロジェクト種別を検出し、品質を採点し、古いドキュメントにフラグを立て、コンテキストの総コストを報告する。トリガー：'audit context'、'audit memory'、'update CLAUDE.md'、'restructure memory'、'session capture'、'check project docs'、'markdown footprint'、'what docs does this project need'。
6 つのパターンで作業を並列化する — 組み込みエージェント、worktree 分離エージェント、バックグラウンドエージェント、カスタムインラインブリーフエージェント、マルチターンのエージェントチーム、並列タスクディスパッチ — エージェントが状態を共有する必要がある場合はチームを、独立している場合はサブエージェントを選ぶ。使用タイミング: 並列実行、エージェントチーム、swarm、spawn agents、fan out、divide and conquer、multi-agent、coordinate agents、custom agents。
offensive-claude に着想を得た、Cursor ネイティブの攻撃的セキュリティエンゲージメントおよび悪用可能性の自動研究オーケストレーター。許可された攻撃的エンゲージメント、レッドチームやペネトレーションテストのワークフロー、Kill Chain 形式の評価、スコープを定めた Web/ネットワーク/クラウド/モバイル/AD/バグバウンティの攻撃計画、防御側の検出事項の悪用可能性検証に使用します。validate-findings モードでは、重複排除された検出事項に対して、有界でユーザー制御の自動研究ループを実行します：仮説、実験、観察、改善を数回の仮説パス/サイクルで回します。自動研究ループの実行、反復的または複数パスの仮説ループ、検出事項に対する指定回数のループや反復をユーザーが求めたときはいつでも使用します。engagement モードと validate-findings モードに対応。命令のみ：スキャナー、エクスプロイト実行ツール、ペイロードビルダー、ローカルスクリプトは同梱しません。
improve-my-MCP キャンペーンを実行する。eval ハーネスで MCP エージェント体験を測定し、本番データから最も影響の大きいツール問題を選び、範囲を限定した修正を 1 つ行い、前後のスコアが改善した場合にのみ採用する自動リサーチ型のループ。「improve my MCP」を求められたとき、MCP 改善キャンペーンを実行するとき、証拠に基づいてツールの見つけやすさや説明を修正するとき、ツール変更のための eval に基づく PR を準備するときに使用する。出荷するすべての変更は eval の証拠を伴う必要があり、以下のガードレールは厳格なルールである。
ユーザーが「/li」と言ったとき、または内容作成に関連するが意図が曖昧でどのツールを使うか不明確なときにこの skill を使用します。li ツールボックスのメインエントリとして、意図を判断し対応する専門 skill にルーティングします。トリガーしない場合：ユーザーのリクエストがすでに特定の li-* skill に明確に一致しているとき（例：「スクリプトを書く」→ li-writer、「テーマを深掘り」→ li-topic）は、このエントリではなくその skill を直接トリガーします。DO NOT trigger for non-content-creation tasks. Use when the user says "/li" or the intent is ambiguous across multiple li-* tools.
AI が提案した計画・修正・アーキテクチャ・主張について、その前提を実際の成果物と照らして検証したうえで、異なるプロバイダーの新しいモデルによるパネルを展開し、それぞれ独立に回答させて独立した判断を得る。"double check"、"proof this"、"are you sure"、"second opinion"、"am I right or is he right"、"this still isn't working"、"not sure this is the right approach" に使用。
世界クラスのプロンプト生成エンジン。インテリジェントな 7 問フロー、15 の専門領域（テクニカル、ビジネス、クリエイティブ、法務、金融、人事、デザイン、カスタマー、エグゼクティブ、製造、研究開発、規制、専門テクニカル、リサーチ、クリエイティブメディア）にまたがる 69 の包括的プリセット、複数の出力形式（XML/Claude/ChatGPT/Gemini）、品質検証ゲート、OpenAI/Anthropic/Google の文脈に沿ったベストプラクティスを通じて、あらゆる役割、業界、タスクに対応する実運用可能なメガプロンプトを生成する。コアモードと高度モードの両方をサポートし、テストシナリオとプロンプトバリエーションを提供する。
**ワークフロー技能** — Ralph ループパターンを使ってスキルの frontmatter 準拠を反復的に改善する。使用場面："run sensei"、"sensei help"、"improve skill"、"fix frontmatter"、"skill compliance"、"frontmatter audit"、"score skill"、"check skill tokens"。呼び出すもの：トークン計数ツール、テストランナー、git コマンド。単発の操作：カウントやチェックには token CLI を直接使う。
コーディングエージェント向けにプロジェクトをセットアップまたは監査します。まず set-up-machine でマシンを確認し、唯一のルールファイルとして `AGENTS.md` を置いて `CLAUDE.md` から参照します。課題トラッカー、トリアージラベル、ドメイン文書、リリースライフサイクルを整え、フォルダー標準の `.gitignore` を適用し、プロジェクトハーネスファイルは許可リスト方式にします。新規・既存プロジェクト、エージェント設定の監査、またはスキルが課題トラッカー未設定を検出した場合に使用します。
前提となる CLI ツール（gh、glab、jq）をインストールし、GitHub/GitLab 認証を案内し、uvx をインストールして、OpenCode で Jira 用の既存の mcp-atlassian MCP サーバーを設定します。冪等であり、このスキルは安全に再実行できます。ユーザーが「setup」「install prerequisites」または「configurer jira」と言ったときに起動します。既存のサーバーの設定ではなく新しい MCP サーバーを構築するには、代わりに mcp-builder を使用してください。
APM を通じてプロジェクトのスキルを選ぶためのメタスキル。ユーザーが apm.yml のセットアップ、プロジェクトに必要なスキルの選択、またはカタログの一致の評価を明示的に求めた場合にのみ呼び出してください——通常のプロジェクト初期化や apm 管理タスクでは自動的に呼び出さないでください。2 段階：まず厳選されたカタログから選び、カタログに適合するものがない場合にのみ、より広範な検索/評価に進みます。使わないスキルを衝動的にインストールしたり、検証済みの答えがすでにあるのに GitHub を手動で検索したりする失敗を避けます。
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。