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 96,770 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
（NS）NextStage harness プロジェクトでプロジェクトローカルのエージェントスキルを作成または改善する — .agents/skills/ 配下に SKILL.md を起草し、eval を実行してから harness sync を行う。ユーザーがスキルの作成、このプロジェクトへのカスタムスキルの追加、SKILL.md の執筆、スキル eval／ベンチマークの反復、スキル説明の最適化を求めたときに常に使用する — たとえ「うちのリポジトリ用のスキルを作って」や「skill-creator」と言っても。nextstage-brasil/skills カタログへのコントリビュートには使用しない（そのリポジトリには AGENTS.md に独自のメンテナーワークフローがある）。
構造化されたエージェントメモリと組み合わせ可能なスキル向けの型付きナレッジグラフです。エンティティ（Person、Project、Task、Event、Document）の作成／検索、関連オブジェクトのリンク、制約の適用、複数ステップの操作のグラフ変換としての計画、またはスキル間で状態を共有する場合に使用します。「覚えておいて」「〜について何を知っている？」「X と Y をリンク」「依存関係を表示」、エンティティの CRUD、スキル間のデータアクセスをきっかけに動作します。
pull request を開く前に、ユーザーの OpenCode 環境を通じてローカルでマルチモデルのコードレビューを実行する。Claude Code で実装やバグ修正を終えた直後、変更がまだローカルにあるうち（未コミット、またはブランチにコミット済みだがまだ PR になっていない状態）に、push 前に独立したレビューを行いたい場合に使用する。ユーザーが「review my changes」「review before I open the PR」「run the opencode review」「multi-model review」「review this diff」「second opinion on this」などと言った場合、または完了したばかりの作業に対する PR 前レビューを求めた場合にトリガーする（OpenCode を明示していなくてもよい）。stdout に統合されたレビューレポートを返し、Claude Code が対応できるようにする。すでに開いている GitHub PR のレビューには使用しない——その経路は OpenCode TUI で対話的に処理され、gh を使用する。
公開されている `orca` CLI を使い、Orca が管理する 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、worktree コメント、および Orca アプリに埋め込まれたブラウザーを操作します。ユーザーが「$orca-cli」「use orca cli」「Orca worktree」「child worktree」「cardStatus」「spawn codex/claude in a worktree」「read/wait/send Orca terminal」「terminal send」「full handoff」「handover」「give this to another agent」「another worktree」「Orca browser」「control the browser inside Orcaارف」と言ったときに使用します。タスクが Orca が管理する状態に involved する場合、生の `git worktree`、その場限りの PTY、Playwright、Computer Use よりこの方法を優先してください。Orca の埋め込みブラウザーの外にあるブラウザーウィンドウ、webview、デスクトップ UI には Computer Use を使用します。
Claude Code がなぜ権限を求めているのか（または求めていないのか）を診断する。既定ではリポジトリローカルの層（CLI project、CLI project-local、VSCode workspace）のみを読み取る。ホストグローバルの層（CLI ユーザー `~/.claude/`、VSCode ユーザー設定）は、ユーザーが明示的に確認した場合にのみ読み取る——これらのファイルには無関係なパスやシークレットが含まれている可能性がある。ユーザーが「なぜ承認を求められるのか？」「permission check」「なぜプロンプトが出るのか？」「bypass が機能しない」「権限を確認して」と言ったときに使用する。読み取り専用の診断。
*-polite-mcp の個人自動化リポジトリ（olx-polite-mcp、emag-polite-mcp、altex-polite-mcp、freshful-polite-mcp、temu-polite-mcp）または product-research-pipeline で作業するとき——新しいツールの実装、実際にログインしたサイトに対するライブ spike/CDP 探索の実行、ある操作を実行前に確認すべきかの判断、再注文・買い物フロー中にユーザーへ複数の小さな項目ごとの判断（数量、項目ごとの yes/no）を求める場合に使用。扱う内容：実際の個人アカウントに対する最初のライブ変更操作の前に確認する、入力式のリストを求める代わりにインタラクティブな AskUserQuestion の判断をバッチ化する、実装の前または同時に spike/調査結果を PLAN.md に書き込む。
過去の会話を想起、検索、継続、または分析する。想起のフレーズ（「what did we discuss」「continue where we left off」「we decided」）、振り返りのフレーズ（「do a retro」「post-mortem」「what went well」「lessons learned」「find antipatterns」）、および暗黙のシグナル（過去形の言及、文脈のない所有格、「do you remember」のような前提的な質問）でトリガーされる。
AI／LLM 分析向けのリポジトリパッケージング。機能：リポジトリを単一ファイルにパッケージ化、AI フレンドリーなコンテキストの生成、コードベースのスナップショット、セキュリティ監査の準備、フィルター／除外パターン、トークン数のカウント、複数の出力形式。アクション：パッケージ、生成、エクスポート、LLM 向けにリポジトリを分析。キーワード：Repomix、リポジトリパッケージング、LLM コンテキスト、AI 分析、コードベーススナップショット、Claude コンテキスト、ChatGPT コンテキスト、Gemini コンテキスト、コードパッケージング、トークン数、ファイルフィルタリング、セキュリティ監査、サードパーティライブラリの分析、コンテキストウィンドウ、単一ファイル出力。使用時：AI 向けにコードベースをパッケージ化するとき、LLM コンテキストを生成するとき、コードベースのスナップショットを作成するとき、サードパーティライブラリを分析するとき、セキュリティ監査を準備するとき、リポジトリを Claude／ChatGPT／Gemini に渡すとき。
会話の開始時にユーザーのリクエストを能動的に分析し、タスクの種類を判定し、プロンプトの品質を評価し、有効化すべきスキルをインテリジェントに推薦する。最適なワークフローを確保するため、すべてのユーザーリクエストに対して発動すべきである。明確さ、具体性、完全性を評価し、必要に応じて prompt-optimizer の使用を提案する。UI デザインタスクを識別して ui-analyzer に、コンポーネントのリクエストを識別して react-component-generator に引き継ぐ。インテリジェントなスキルコーディネーターとして機能する。
AGENTS.md/CLAUDE.md に `## Agent skills` ブロックと `docs/agents/` を設定し、エンジニアリングスキルがこのリポジトリの issue tracker（GitHub またはローカルの markdown）、トリアージラベルの語彙、ドメインドキュメントの構成を把握できるようにする。`to-issues`、`to-prd`、`triage`、`diagnose`、`tdd`、`improve-codebase-architecture`、`zoom-out` を初めて使う前に実行する — またはこれらのスキルが issue tracker、トリアージラベル、ドメインドキュメントに関するコンテキストを欠いていると思われる場合に実行する。
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。