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 97,222 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
現在のセッションで反復可能なプロセスを再利用可能な SKILL.md スキルファイルとして取り込む。ユーザーがスキルを作成したい、ワークフローをスキルとして保存したい、プロセスを再利用可能なスキルにしたい場合、または "skillify"、"create skill"、"make a skill"、"save as skill"、"capture workflow"、"turn this into a skill"、"new skill" に言及した場合、あるいは先ほど行った反復可能なプロセスを自動化したい場合に使用する。
Claude Code の statusline をカスタマイズする。使用場面：ユーザーが「statusline」「ステータスライン」「statusline をカスタマイズ」「statusline を変更」「statusline 設定」「statusline テーマ」「テーマを変更」「カラースキーム」と言う、セグメント（コスト、git、モデル、コンテキスト）の追加/削除/変更を望む、カラーテーマ（catppuccin、dracula、nord）を切り替えたい、または statusline に何を表示できるか尋ねる場合。
セッションのトランスクリプトを HTML または Markdown に変換して閲覧する。Claude Code の JSONL ログ（~/.claude/projects/ に自動保存）と GitHub Copilot CLI の JSONL ログ（~/.copilot/session-state/*/events.jsonl に自動保存）をサポート。利用可能なディレクトリとファイル形式に基づいてログのソースを自動検出する。現在のセッション、ID 指定による特定セッション、エージェントのバックグラウンドタスク出力ファイル、または日付範囲で絞り込んだすべてのプロジェクトセッションの表示をサポートする。
Mindfold Trellis を理解しカスタマイズするためのメタスキル——9 つの AI コーディングプラットフォーム（Claude Code、Cursor、OpenCode、iFlow、Codex、Kilo、Kiro、Gemini CLI、Antigravity）向けのオールインワン AI ワークフローシステム。このスキルは Trellis システムのオリジナル設計を記録したものです。ユーザーが Trellis のインストールをカスタマイズする場合、変更はプロジェクトローカルの `trellis-local` スキルに記録すべきであり、このメタスキルには記録しません。次の場合にこのスキルを使用します：(1) Trellis アーキテクチャを理解する、(2) Trellis ワークフローをカスタマイズする、(3) コマンド/エージェント/hook を追加する、(4) 問題をトラブルシューティングする、(5) Trellis を特定のプロジェクトに適合させる。
ワークフロースキルにおける手動/自動の制御フローと、任意の ai-proxy オーバーレイ認識のための共有ライフサイクル契約：自動とオーバーレイは完了または中断時に常に手動へ戻る；再入には明示的なトリガーが必要；暗黙の継続がそれらを再び有効化することはない；バッチオーケストレーターは Stage-exit ポリシーを明示的に渡す。オーバーレイは自動キャリア + ポリシーに対応し、charter は ai-proxy-discipline に留まる。ai-proxy トリガーを省略するホストはオーバーレイを無視する。frontmatter dependencies 経由で参照される。トリガー — 「模式生命周期」「切换自动模式」「切换 ai-proxy」 / workflow mode lifecycle。proxy charter としても、第三の制御フロー列挙としても使用しないこと。
AG2 が同梱するツールを `Agent` に組み込む — プロバイダーネイティブのサーバーサイドツール（web search、web fetch、code execution、MCP、image generation、memory）と、ローカルで実行される一般的なツールキット（filesystem、DuckDuckGo、Exa、Tavily、skills）の両方。カスタム Python を書くのではなく、AG2 がすでに同梱する機能を使いたいときに使用。shell コマンドは `ag2-shell-tool`、カスタム Python ツールは `ag2-add-custom-tool` を参照。
`agent-council` CLI を通じて、任意の問いに対して専門家エージェントのパネルを生成し、構造化されたマルチエージェント討論を実行する。収束を意識した反復と型付きの統合出力を伴う。意思決定に真のトレードオフ、高い利害、または敵対的な協働に値する隠れた前提があるとき、あるいは単一の推奨よりも信頼度の診断が重要なときに使用する。agentskills.io のスキルをサポートするあらゆる AI エージェントハーネス（Claude Code、Cursor、Hermes Agent、OpenHands など）と互換。単純な事実の検索、明確な正解があるタスク、定型的な単一視点の作業、討論を超えたコード実行やツールオーケストレーションには使用しない。
Vercel AI SDK v5/v6 でバックエンド AI を構築する。v6 beta（Agent 抽象化、ツール承認、リランキング）、v4→v5 移行（破壊的変更）、最新モデル（GPT-5/5.1、Claude 4.x、Gemini 2.5）、Workers 起動修正、12 のエラー解決策（AI_APICallError、AI_NoObjectGeneratedError、streamText のサイレントエラー）を扱う。使用場面：AI SDK v5/v6 の実装、v4→v5 の移行、エラーのトラブルシューティング、Workers 起動問題の修正、最新モデルへの更新。
各ラウンドでユーザーが取り次ぐことなく、文書レビューループの作者側を実行します。レビュアーの <DOC>.revN.notes.md を待ち、<DOC>.rev(N+1).md で回答します。レビュアーが最終版に進めると判断する、ラウンド上限に達する、またはユーザーだけが先に進められる状態になるまで繰り返します。rev1 が存在し、計画、ロードマップ、技術文書、またはエクスペリエンス文書を作成したセッションでユーザーが /answer-notes-loop <feature> [max-rounds] を実行したときに使用します。新しいセッションで対応するのは review-doc-loop です
ウェブ調査に基づくベストプラクティスの書き直しと、Karpathy 流の自律的な二値評価ループを組み合わせて、既存の Claude Code skill、CLAUDE.md、サブエージェント定義、slash-command、またはプロンプトの markdown ファイルを改善する。ユーザーが既存の SKILL.md、CLAUDE.md、.claude/agents/ 配下の agent ファイル、.claude/commands/ 配下の slash-command ファイル、または任意のプロンプト markdown ファイルを「auto-research」「self-improve」「auto-improve」「optimize」「modernize」「research-improve」したいときに使用する。「use auto-research to improve skill X」「auto-improve this CLAUDE.md」「research best practices and rewrite Y」「self-research and optimize this agent」といったフレーズでトリガーする。並列サブエージェントで権威ある情報源（Anthropic のドキュメント、anthropic.com のエンジニアリングブログ、anthropics/skills GitHub）を調査し、引用付きの書き直し案を提示し、テスト可能な成果物に対して git commit と reset の記録を伴う自律的な二値アサーション評価ループを実行し、最後にのみ改善前後のスコアと完全な情報源リストを示してユーザーに確認を求める。
Amazon Bedrock のリソース（agents、knowledge bases、data sources、guardrails、prompts、flows、inference profiles）向けの AWS CloudFormation パターンを提供する。action groups を備えた Bedrock agents の作成、knowledge bases による RAG の実装、vector stores の設定、コンテンツモデレーション guardrails のセットアップ、prompts の管理、flows によるワークフローのオーケストレーション、モデル最適化のための inference profiles の設定に使用する。
ユーザーが専門的な能力を活かせるタスクに直面したとき、関連する Claude スキルを自動的に発見して推薦する。次のいずれかのパターンを検出したら、このスキルを積極的に使用する：(1) 特定のファイル形式（PDF、DOCX、Excel、画像など）を扱うとユーザーが言及した場合、(2) 反復的または専門的なタスク（データ分析、コードレビュー、デプロイ、テスト、ドキュメント処理）をユーザーが説明した場合、(3) 何かに対するツールや機能があるかをユーザーが尋ねた場合、(4) ドメイン固有の作業（React 開発、SQL クエリ、DevOps、コンテンツ作成）でユーザーが苦戦している場合、(5) ある技術のベストプラクティスやパターンが必要だとユーザーが述べた場合、(6) 専門的なスキルが時間の短縮や品質向上につながるあらゆる状況。SkillsMP API（設定済みの場合）、skills.sh のリーダーボード、またはフォールバックとして GitHub を使って検索する。最も関連するスキルを 1〜3 個推薦し、npx skills add でのインストールを提案する。
Basecamp から自分の Claude Code セッションを操作します。ローカルコネクター（basecamp connect）を起動し、Basecamp エージェントとしてアカウントのイベントフィードを監視して、信頼されたリクエストごとに1行を出力します。対象は、メンション、割り当て、オペレーターからの ping、エージェントが追跡するスレッドへのコメント、エージェントが書いた内容への boost です。コネクターは依頼を受け取るとすぐに boost し、このセッションはその内容を自分の言葉で伝え、プロジェクトのリポジトリを選び、バックグラウンドのサブエージェントに依頼を渡します。サブエージェントはコンテキストを読み、設定とツールを使って作業し、エージェントとして返信します。セッションは次の依頼を受けられる状態を保ち、そのまま利用できます。また、エージェントをこのコンピューターに接続して、設定（エージェントの認証情報（basecamp auth agent connect）、作業を依頼できる人、担当プロジェクト（basecamp connect setup））やステータス、doctor を管理します。エージェントの接続、Basecamp からのエージェント操作、エージェント宛てのメンションの監視、コネクターの起動・停止、作業を依頼できる人や担当プロジェクトの変更を求められた場合に使用します。
BKN の全ライフサイクル編成の入口。必要に応じて OpenBKN SDK / CLI の操作リファレンスを参照する。BKN の作成、PRD/ドキュメントからのオブジェクト関係の抽出、`.bkn` の生成・更新、データビューバインディング、環境チェック、テストセット生成、検証とプッシュに関わるときは、bkn-creator を優先して使ってフローのルーティング、ステージゲート、サブ skill の編成、結果の回執を行う。BKN の create/read/update/delete/extract/copy/validate の場面、スキルパッケージの能力補完 / skill 草案生成の場面、および利用フィードバックの点検と改善の場面（定期タスクのトリガー、Agent 対話品質の異常、feedback_brief の入力、ナレッジネットワークの継続的最適化）に適用する。純粋なデータセマンティッククエリには使用せず、その場面は data-semantic が処理する。
ユーザーが漠然としたアイデアを持ち、計画や構築の前にそれを具体的なプロジェクト仕様にまとめたいときに使用。トリガー：\"brainstorm this\"、\"I have an idea for...\"、\"help me think through this project\"、\"what should I build\"、\"spec this out\"。範囲を明確にするための構造化された質問を必要とする曖昧な機能説明も対象。コードの記述、実装計画、戦略ドキュメントのレビュー、戦略インタビューは行わない — 対話を通じて HOW の計画ではなく WHAT/WHY の仕様を生み出す。
健全な "smart zone"（デフォルト 150k tokens、コンテキスト腐敗が始まる前に品質が高く保たれる範囲）に対して Claude Code のセッションコンテキストを分析、削減、監視する。使用場面：起動時に smart zone がどれだけ読み込まれているかと最大の消費元を確認したい、クリーンアップ（/clear か /compact）すべきか毎セッション読み込まれるもの（MCP サーバー、スキル、memory、CLAUDE.md）を削減すべきかの判断、ステータスラインの選択/設定、独自の健全なウィンドウサイズの設定。トリガーには "analyze startup context"、"why is my context so big"、"clean up context"、"reduce context usage"、"status line template"、"configure statusline"、"set healthy window"、"smart zone size" が含まれる。
タスクのキーワードから vercel-labs/skills レジストリで再利用可能なスキルを探し、適合性を評価し、MicroClaw 向けにインストールまたは適応させる方法を提案します。ユーザーが 'do we have a skill for X?'、'find skills for a given task' と尋ねる場合や、ゼロから書くのではなく既存のスキルを発見したい場合に使用します。find skill、search skills、skill registry、reuse skill への言及でトリガーされます。
Claude Code のクラウドセッションおよび GitHub Copilot コーディングエージェント環境で GitHub CLI（`gh`）を有効にする。次の場合に本スキルを使用：(1) クラウド AI エージェントが PR、issue、リリースに `gh` を使えるようプロジェクトを設定する、(2) `gh` のインストール用に setup スクリプトや SessionStart フックを構成する、(3) GitHub Copilot エージェント用に `copilot-setup-steps.yml` を追加する、(4) クラウドセッションでの `gh` 認証失敗をトラブルシューティングする、(5) ヘッドレス環境用に `GH_TOKEN` を構成する。トリガー："enable gh"、"github integration"、"Claude Code cloud setup"、"copilot setup steps"、"gh auth in cloud"、"gh not working in cloud"、"setup script"、またはクラウドベースの AI コーディングエージェントから GitHub CLI にアクセスするあらゆるリクエスト。
あるタスクに適した GPT-5.6 のモデル階層（Luna/Terra/Sol）と推論エフォート（Low..Ultra）を推奨し、ユーザー自身の成功と失敗から学び、品質問題を診断し、現在のセッションのモデルとエフォートを報告する。助言的——根拠のある出発点とエスカレーションルールを提案するもので、決定して切り替えるのは人間。ユーザーがどのモデルやエフォートを使うべきか尋ねたとき、階層を意識的に選ばずに実質的なタスクを始めたとき、結果が良くない・不満だと報告したとき、品質を落とさずにコストを下げたいとき、またはセッションがどのモデルで動いているか尋ねたときに読み込む。トリガー——"which model"、"which effort"、"reasoning effort"、"cut cost"、"is a bigger model worth it"、"do I need max/ultra"、"result is bad"、"quality dropped"、"what model am I on"、"record this combo"。
エージェント間（A2A）ワークフローまたは MCP サーバーの前に IndyKite Agent Gateway (IAG) を構成する。オプションで、セルフホスト可能な IndyKite Token Service (ITS) を併用し、`X-IK-Token` に含まれる委任トークンを発行してマルチホップのチェーンをホップごとに伸ばす。A2A または MCP のポリシー適用を組み込むとき、IKG でワークフローをモデリングするとき、`JARVIS_*` / `config.yaml`（`token_service` を含む）を構成するとき、Token Service を実行するとき、IAG の監査レコードを読むとき、または IAG の 401/403 応答をデバッグするときに使用する。
Karpathy スタイルの LLM ナレッジベースを構築・維持します — 自己コンパイル型の Obsidian markdown wiki で、エージェントが生のソースを取り込み、相互リンクされた概念/エンティティ/要約ページをコンパイルし、コーパスに基づいて質問に回答し、グラフの健全性を lint し、Obsidian またはローカルの Web ビューアから提出された文脈内の人間のフィードバックを監査します。次の場合に使用します：(1) 任意の研究テーマの新しいナレッジベースの雛形作成、(2) 記事/論文/PDF/Web ページを raw/ に取り込む、(3) 既存の生の素材から wiki 記事をコンパイルまたは再構成する、(4) wiki に基づいて質問に回答し、恒久的な回答を書き戻す、(5) デッドリンク/孤立ページ/カバレッジの不足/監査形態の lint パスを実行する、(6) audit/ ディレクトリの人間のフィードバックを処理し修正を適用する。一般的なノート作成、日記、wiki 以外の Obsidian 用途には適していません。
(NS) 計画された SDD バージョン向けに execution-handoff.md を生成・更新する —— 運用プロンプト、タスクごとのステータス表、トークン合計、秒単位の時間追跡。すべての task-NNN-*.md ファイルが存在する計画の最後、タスクは存在するがハンドオフがない場合、またはバージョン実装中にタスクステータスを更新する場合に使用する。バージョンライフサイクルのないアドホックなコーディング、バージョン分割（ns-sdd-version-partitioner）、GitLab 専用の issue 実行（ns-execution-gitlab-issue）には使用しない。
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。