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
どのタスクを開始する前にも必ず読み込みます。過去の作業から学習するためのセッションをまたぐ永続メモリを提供します。タスク開始時にメモリを読み、同じミスを繰り返さないようにし、タスク終了時にメモリを書き込み、うまくいった内容を記録します。decisions.json(アーキテクチャ上の選択)、patterns.json(実証済みのアプローチ)、failures.json(過去のエラーと修正)、preferences.json(プロジェクトの規約)、およびセッションのアクティビティログを対象とします。
非自明な開発作業のコンダクター:粗いアイデアであっても、出荷できるコードまで導き、適切なプロセス量(1 行の修正か完全な製品仕様か)を選び、場当たり的ではなくエンドツーエンドで推進する。トリガー:漠然としたアイデアをオープンクエスチョンに落とし込む、計画を掘り下げて共通理解に至る、未知の事項を調査する、PRD を書く、作業を issue に分解する、技術またはドメイン設計、UI のプロトタイピング、機能の実装、テスト駆動開発、コードレビュー、独立した検証、PR 説明の作成、根本原因までのデバッグ、アーキテクチャの改善、マージコンフリクトの解消。一度きりの文章作成やライティング作業には向かない。
ディスク上にすでにあるコーディングエージェントのセッション記録(Claude Code、Codex、OpenCode、Cursor、Pi)を収集し、持続的な知識——トピック、人物、事実、出来事、引用——を抽出して、エージェントが到達できる任意の永続メモリに書き込む。Cursor で追跡され、予算が設定され、ソースは読み取り専用。セッション履歴をメモリに収集/インポート/マイニングするよう求められた場合、過去のセッションからメモリを構築する場合、または定期タスクとして使用する。本スキルが植えたものを手入れする memory-gardener と組み合わせて使用する。
持続的で知的な想起を実現する、活性化拡散を伴う連想記憶。以下の場合に PROACTIVELY に使用する:(1)セッションをまたいで事実、決定、エラー、コンテキストを記憶する必要がある(2)ユーザーが「覚えていますか……」と尋ねる、または過去の会話に言及する(3)新しいタスクを開始するとき——記憶から関連するコンテキストを注入する(4)決定を下した後やエラーに遭遇した後——将来の参照用に保存する(5)ユーザーが「X はなぜ起きたのか?」と尋ねる——記憶を通じて因果連鎖をたどる。LLM への依存はゼロ。Hebbian 学習、記憶の減衰、矛盾検出、時間推論を備えたニューラルグラフ。
OpenAI の Responses API(Chat Completions のステートフルな後継)でエージェント型 AI アプリを構築する。ターンをまたいで推論を保持し、マルチターン性能を 5% 向上させ、キャッシュ利用率を 40-80% 改善する。使用場面:永続的な推論を備えた AI エージェントの構築、外部ツール用の MCP サーバーの統合、組み込みの Code Interpreter/File Search/Web Search の使用、ステートフルな会話の管理、長時間タスク向けのバックグラウンド処理の実装、多態的な出力とサーバーサイドツールを得るための Chat Completions からの移行。
`orca` CLI を通じて、Orca 管理の worktree、フォルダーコンテキスト、ターミナル、リポジトリ、自動化、成果物、スキル共有、worktree コメント、Orca 内蔵ブラウザーを操作します。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」「share skills」と言った場合に使用します。Orca の状態が関係する場合は、通常の git worktree、臨時の PTY、Computer Use より優先します。CLI、ファイルシステム、API では操作できない可視ウィンドウの GUI 操作が必要な場合に限り、Computer Use を使用します。
アーキテクチャ準拠、並列の品質/セキュリティ分析、指摘の検証、重大度監査を含む厳密なマルチエージェントコードレビューを実行する。構造化された、深い、徹底的な、複数パスまたはマルチエージェントのコードレビューをユーザーが求める場合、またはアーキテクチャ/パターン準拠、信頼度スコア付きの指摘、重大度監査を含むレビューを求める場合に使用する。ローカルにチェックアウトされたリポジトリでコミット範囲、期間、または直近 N 件のコミットにわたるコードレビューをユーザーが求める場合に使用する。
sales business-pod を 1 tick 実行する(ADR-164 §4.1、フェーズ 2)。templates/sales.json を読み込み、pod-schema に対して検証し、ruflo のエージェントレジストリに対してエージェントを解決し、フェーズ 2 のファイルベースの stub ledger で予算を確保し(アトミックな SQLite トラッカーは ADR-164.1 によりフェーズ 3)、エージェントごとの dry-run プロンプトを構築し、federation_bbs_publish の JSONL バッキングストア経由でルーム "sales" にサマリー envelope を投稿し、/loop の取り込み用に構造化された {podName, tickId, agentsRan, totalUsd, envelopeId, status} 行を出力する。デフォルトは dry-run。--live はフェーズ 3 用に予約されている。
コンテキストセーフなフェーズ、検証基準、終了条件を備えた Web プロジェクト向けの構造化された計画ドキュメントを生成する。IMPLEMENTATION_PHASES.md と条件付きドキュメント(DATABASE_SCHEMA、API_ENDPOINTS、UI_COMPONENTS、CRITICAL_WORKFLOWS)を作成する。使用場面:新しい Cloudflare Workers/React プロジェクトの開始、既存アプリへの大規模機能の追加、大きな作業を管理可能なフェーズに分割する場合、コーディング開始前に検証済みの計画が必要な場合。
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。
