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
このスキルは、@ax-llm/ax を使って正しい AxAgent の可観測性コードを LLM が生成するのを支援する。ユーザーが axGlobals.onUsage、usageContext、集中型またはマルチテナントの利用量計測、actorTurnCallback、onContextEvent、agentStatusCallback、onFunctionCall、reportSuccess、reportFailure、getChatLog()、getUsage()、resetUsage()、デバッグトレース、進捗更新、AxAgent 実行のテレメトリについて尋ねる場合に使用する。
このスキルは、LLM が @ax-llm/ax を使って正しい AxAgent RLM/ランタイムコードを生成するのを支援する。ユーザーが RLM コード実行、AxJSRuntime、contextFields、contextPolicy、liveRuntimeState、promptLevel、stage prompt 制御、executorModelPolicy、maxRuntimeChars、agent.test(...)、llmQuery(...)、recursionOptions、長時間実行されるエージェントのランタイム動作について尋ねた場合に使用する。
このスキルは、BMad（Breakthrough Method of Agile AI-Driven Development）を特定のハーネスに依存しないコントロールプレーンプロトコルとして実行し、人間の意図を範囲が明確で、検査可能かつ再開可能なエージェント作業に変換します。意図を5項目の契約（Why、Capabilities、Constraints、Non-goals、Success signal）にまとめ、作業を direct/bounded/initiative に分類して最小限の安全な経路に振り分け、決定を永続的な成果物に記録し、トリアージとしてレビューし、曖昧さが生じたレイヤーに失敗を戻し、観測可能な受け入れ条件と機械可読なステータス（draft/ready-for-dev/in-progress/in-review/done/blocked）を自律性の条件とします。変更要求、機能、委任された構築作業、またはマルチエージェントの大規模作業で、意図の把握、実装範囲の限定、レビュー、再開可能性が必要な場合に使用します。問題の実在性の検証（product-discovery）、計画前の賭けの方向付け（product-shaping）、正式な仕様／ゲートのパイプライン（spec-driven-development）、Issue から PR へのデリバリーフロー（neckbeard）には使用しないでください
bnbagent Python SDK を使って BNB Chain 上でオンチェーン AI エージェントを構築・運用する——エージェント ID を登録し（ERC-8004）、エスクロー型の agentic commerce（ERC-8183）を通じて、プロバイダー（ジョブを引き受け、成果物を納品し、報酬を受け取る）またはクライアント（ジョブを作成、資金を拠出、異議申し立て、返金）として取引する。x402 マイクロペイメントの署名も扱う。BNB Chain のエージェント ID、エージェント間の有償ジョブ、BSC のエスクロージョブ、ERC-8004/ERC-8183/x402 に関わるあらゆる用途に使用する。
Origin からのセッション開始時のブリーフィング。プロジェクトのステータスファイル（/handoff が管理する Active/Backlog 作業の台帳）を読み、次にアイデンティティ、好み、トピックに関連するメモリを読み込むことで、エージェントがコンテキストを持って臨めるようにする。セッションがそれらを使用する前に、daemon が人間による修正が必要とフラグを立てたメモリを提示する。`/brief [topic]` として呼び出す。セッション開始時に、他のどの Origin 動詞よりも先に最初に呼び出す。
超圧縮コミュニケーションモード。原始人のように話すことでトークン使用量を約 75% 削減しながら、技術的な正確さは完全に保つ。強度レベルに対応：lite、full、ultra（デフォルト）、supra（旧別名：super-compress）、silence。ユーザーが "caveman mode"、"talk like caveman"、"use caveman"、"less tokens"、"be brief" と言う場合、または /caveman を呼び出す場合に使用。トークン効率が求められた場合にも自動でトリガーされる。
Claude Code の拡張性：エージェント、スキル、出力スタイル。機能：エージェントとスキルの作成/更新/削除、YAML frontmatter、システムプロンプト、ツール/モデルの選択、再開可能なエージェント、コマンドラインで定義するエージェント。操作：拡張の作成、編集、削除、最適化、テスト。キーワード：agent、skill、output-style、SKILL.md、subagent、Task tool、段階的開示。使用場面：エージェント/スキルの作成、拡張の編集、ツールアクセスの設定、モデルの選択、有効化のテスト。
Coding Agent Harness エンジニアリング方法論。Coding Agent（Codex、Claude Code、Gemini CLI など）を使った長期プロジェクト開発を行うチームが、ユーザーのプロジェクト上に完全な harness エンジニアリング体系を構築するためのもの。含まれる内容：プロジェクト診断、AGENTS.md + CLAUDE.md エントリファイルの生成、coding-agent-harness/ ディレクトリの構築、Planning Loop、SSoT ガバナンス、Delivery Operating Model、Repository Governance、CI/CD、Long-Running Task Protocol、Adversarial Review Report、Review Routing、Worktree 並行開発、Regression SSoT と Evidence Depth による段階的リグレッション、Walkthrough / Closeout Index による収束、Cadence Ledger、タスクローカルの lesson 候補と promoted lesson 詳細ドキュメント、Harness Ledger グローバルコンテキスト書き戻し台帳。ユーザーが coding agent の開発プロセス構築、リグレッションテスト体系の確立、AGENTS.md / CLAUDE.md の設計、長期 agent タスクの実行フレームワークの計画、サブエージェントのレビューループ、敵対的レビューレポート、harness の構築を求めたり、harness engineering に言及した場合にこのスキルを使用。"agent 開発規範を一式作ってほしい""長いタスクで AI を脱線させない方法""agent のリグレッションテストのやり方""プロジェクトの harness を初期化してほしい"といった場面にも適用。
Agent が Flutter アプリ内でカスタム MCP ツールとリソースを登録し、アプリ固有のインターフェースを公開する場合にこのスキルを使用します（mcp_toolkit dynamic registry — AgentCallEntry、addEntries）。ツールとリソースと式評価の違い、Map ベースのハンドラー、スキーマの厳密さ、fmt_list_client_tools_and_resources、fmt_client_tool、fmt_client_resource による検出、ライフサイクル上の注意点を扱います。
[Hyper] ユーザーが推論、リサーチ、AI アシスタンスのために Google Gemini CLI（`gemini`）を呼び出したいときに使用。トリガーフレーズ："use gemini"、"ask gemini"、"run gemini"、"call gemini"、"gemini cli"、"Google AI"、"Gemini reasoning"、またはユーザーが Google の Gemini モデル、ウェブ検索を伴うリサーチ、plan-mode レビューを求めたり、以前の Gemini セッションを再開したいとき。Gemini CLI を必要としない一般的なライティング、runbook の整理、ローカル編集には使用しない。
エージェントにグラフエンジニアリング——その両輪——を教える。ナレッジグラフ（オントロジー設計、エンティティ/リレーション/イベント抽出、融合、GraphRAG/メモリ提供。東南大学大学院のナレッジグラフ講座 npubird/KnowledgeGraphCourse、4.4K stars から抽出・翻訳）とタスクグラフ（エージェントオーケストレーション——並列ファンアウト、検証器の分離、停止ルール、ヒューマンゲート）。使用条件：ナレッジグラフの構築、テキストからのエンティティ/リレーション抽出、オントロジーの設計、エンティティの重複排除/統合、エージェントへのグラフメモリや GraphRAG の追加、マルチエージェントワークフローのグラフとしてのオーケストレーション、またはグラフエンジニアリングの学習を求められた場合——ティーチングモードでは、エージェントが各段階を実例を交えて説明し、視覚的な図の成果物を生成する。
Harbor CLI のコマンドリファレンスと使用パターン。harbor run、harbor jobs、harbor trials、harbor datasets、harbor adapters、harbor tasks、harbor view、harbor sweeps、harbor traces、harbor cache、harbor admin コマンドを扱う。Harbor の評価を実行する、データセットを管理する、結果を表示する、タスクをデバッグする、trace をエクスポートする、その他いずれかの harbor CLI コマンドを扱うときは常にこのスキルを使用する。harbor のコマンドラインを組み立てる、flag 名を調べる、CLI エラーのトラブルシューティングを行うときにも使用する。
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。