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
OpenAI Agents SDK で AI アプリケーションを構築する — テキストエージェント、音声エージェント（リアルタイム）、ハンドオフを伴うマルチエージェントワークフロー、Zod スキーマを使ったツール、入力/出力ガードレール、構造化出力、ストリーミング。Cloudflare Workers、Next.js、React に human-in-the-loop パターンでデプロイできる。用途：ツールと Zod スキーマを使ったテキストベースのエージェントの構築、WebRTC/WebSocket を使ったリアルタイム音声エージェントの作成、専門エージェント間のハンドオフを伴うマルチエージェントワークフローの実装、安全性のための入力/出力ガードレールの設定、重要な操作に対する人手による承認、エージェント応答のストリーミング、Cloudflare Workers や Next.js へのエージェントのデプロイ、あるいは Zod スキーマの型エラー、MCP トレースの失敗、無限ループ（MaxTurnsExceededError）、ツール呼び出しの失敗、スキーマの不一致、音声エージェントのハンドオフ制約のトラブルシューティング。
`orca` CLI を通じて、Orca が管理する worktree、フォルダコンテキスト、ターミナル、リポジトリ、自動化、artifact、スキル共有、worktree コメント、ゴール/サブタスク、Orca 内蔵ブラウザを操作します。ユーザーが「$orca-cli」「Orca worktree」「child worktree」「spawn codex/claude in a worktree」「read/wait/send Orca terminal」「handoff」/「handover」/「give this to another agent」「Orca browser」「orca artifacts」「orca goal」「share skills」と言ったときに使用します。Orca の状態が関与する場合は、生の git worktree、アドホックな PTY、Computer Use より優先します。CLI、ファイルシステム、API では実行できない GUI 操作が可視ウィンドウに必要な場合にのみ Computer Use を使用します。
git worktree を使って複数の AI コーディングエージェントセッションを並行実行する——各エージェントは自身の worktree に隔離され、別々のブランチで作業する。ユーザーが次のことを望む場合は常にこの skill を使用：2 つ以上の AI エージェントを異なる機能やバグに対して同時に実行する、同じリポジトリ内に隔離されたエージェントワークスペースを設ける、並行ブランチを GitHub にプッシュして PR を作成/更新する、同時実行中のエージェントセッション間で調整する、マージ後にクリーンアップする。トリガー："parallel agents"、"multiple agent sessions"、"git worktree"、"run agents in parallel"、"work on two things at once"、"isolated agent workspace"、"spin up another agent"、または同時進行の AI 支援開発ストリームを含むあらゆるリクエスト。
Herdr でコーディング worker を編成・調整する：git worktree のタブで並列の Codex worker を起動し、ステータスを追跡し、待機前に worker の状態を突き合わせ、生の結果に対してレポートを検証し、ユーザーに答える前にキューに入ったレポートを処理し、ストリーム間で一致する失敗を関連付け、ある制約がトランスクリプトのエビデンスに基づいてユーザー指示、worker プロンプト、編成側の追加のどれに由来するかを確認し、タスク、レビュー、プルリクエストのライフサイクルをルーティングする。リクエストが Herdr に言及し、編成、調整、委譲、ルーティング、待機前の状態突き合わせ、キューに入ったレポートの処理、一致する失敗の関連付け、制約の出所の説明、worker レポートの検証を求める場合、またはプロンプトが自分は編成側に報告する Herdr worker だと述べている場合に使う。単一ペインまたは単一エージェントの Herdr 操作、ペイン出力の質問、一般的な CLI の質問、Herdr を使わない並列作業や git worktree は除外する。
既存スキルの仕様ではなく、実際の使用履歴に基づいて評価を作成します。brain の会話アーカイブ（conversations/）と各ハーネスのセッショントランスクリプトから呼び出しを抽出します。呼び出し後のユーザーによる修正が最も重要なシグナルです。次に eval_contract と、正直さを示すラベル（SPEC-DERIVED／HISTORY-IMPLIED）付きの再実行可能なケースを 4～8 件作成し、skills/<name>/eval/autobench-<date>.md に PENDING-HUMAN-APPROVAL として配置します。SKILL.md は決して書き換えません。2 つのガード機能も備えています。パネルの整合性（マルチモデル判定では各プロバイダーが実際に応答したことを証明）と、失敗改善の分類（記録された LLM フォールバック事例を時間をかけて決定論的なコードに置き換える）です。
書籍の内容（Markdown ファイル）から Claude スキルを作成します。長編の書籍知識を、細分化された参照ファイル、ワークフロー、ユースケースのガイドラインを含む、構造化されコンテキスト効率の高いスキルパッケージに変換します。次の場合に使用します： - 書籍（Markdown）を再利用可能な Claude スキルに変換する - 技術書、ガイド、ドキュメントからナレッジベースを作成する - 大量のコンテンツを段階的に開示するスキルを構築する - コンテキストを効率よく読み込めるよう書籍の知識を構成する
スキルをインストールまたは使用する前に、SkillTester.ai でその独立したベンチマークレポートを確認する。ユーザーがサードパーティスキルのインストールコマンドやインストール計画を示したときにこのスキルを自動的にトリガーする。特に `npx skills add <repo-or-url> --skill <skill-name>`、`skills add ...`、リポジトリ URL と `--skill` の組み合わせ、`SKILL.md` への直接 URL、または `Check this skill <skill_url>` の場合。インストールコマンドを解析し、対象の SKILL.md を解決し、スキル名で SkillTester.ai に問い合わせ、説明が完全一致または高い重複度の近似一致（より新しいスキルの改訂版である可能性が高い）の場合にベンチマーク結果を返す。
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。