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
`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。
Inertia Rails スキル用の一度限りのプロジェクト初期化ツールです。Gemfile と package.json からスタックとフロントエンドフレームワーク（React/Vue/Svelte）を検出し、推奨依存関係（alba-inertia、js-routes、pagy、shadcn）のインストールを提案して、適用するスキルパターンを設定する CLAUDE.md セクションを生成します。これらのスキルを初めてインストールするとき、新しい Inertia Rails プロジェクトを立ち上げるとき、またはスタックが変わったときに使用します。
AG-UI プロトコルを実装する TypeScript SDK、Cloudbase Agent（TypeScript）を使って AI エージェントを構築・デプロイします。次の場合に使用します。(1) @cloudbase/agent-server によるエージェントサーバーのデプロイ、(2) ClientStateAnnotation を使った LangGraph アダプターの利用、(3) clientTools() を使った LangChain アダプターの利用、(4) AbstractAgent を実装するカスタムアダプターの構築、(5) AG-UI プロトコルイベントの理解、(6) @ag-ui/client による Web UI クライアントの構築、(7) @cloudbase/agent-ui-miniprogram による WeChat ミニプログラム UI の構築。
MCP を通じて Scenario のワークフローグラフを作成または編集するタスクで使用します。ブリーフからのアプリ構築、ノード（モデル、プロンプト、承認ゲート、ループ）の追加や再配線、editor_info の作成、公開、非公開化、名前変更、エクスポート済みワークフロー JSON のインポート、Weavy、ComfyUI、その他のノードツールで作成したグラフの移行、ワークフローのコピー、プロンプトチェーンのアプリ化が含まれます。ワークフローの実行や料金設定には scenario-workflows を使用します。キーワード：ノードグラフ、editor_info、CEL。
ユーザーの通常のテストスイート（pytest（Python）または Vitest（Node.js））で、LiveKit エージェントのターン単位のテストを作成します。「エージェントのテストを書いて」「このツールのテストを追加して」「ハンドオフをテストして」「このバグを再現して」「エージェントのテストが失敗する理由は？」と依頼された場合や、回帰テストが必要なエージェントの動作を新たに実装・変更した場合に使用します。SDK のテストセッションハーネス、メッセージ・ツール呼び出し・ハンドオフのアサーション、意図に照らした応答の LLM 判定、ツールのモック、マルチターンテスト、組み込みの判定機能による会話全体の評価を扱います。対話的な調査には debugging-livekit-agents、大規模な会話全体の評価には running-livekit-simulations を使用してください。
e2e を基盤としてプロジェクトローカルの verify-<app> skill を生成し、任意のコーディングエージェントがアプリを起動し、動かす価値があるかを確認し、ユーザーと同じように機能を操作し、証跡を残し、バグ出しを行えるようにする。この skill、機能ごとに 1 つの探索チャーターを記した機能マップを作成し、一度実証する。/create-verification-skill、"make a verification skill for this repo"、またはプロジェクトに UI の挙動を実証するスクリプト化された手段がない場合に使用。
AI オブザーバビリティ評価（`hog`（決定論的なコードベース）、`llm_judge`（LLM プロンプトベース）、`sentiment`（ユーザーメッセージの感情）を調査します。既存の評価の検索と設定の確認、特定の生成結果に対する実行、個別結果の照会、評価の定期レポート設定を行います。評価の失敗原因のデバッグ、一般的な失敗パターンの抽出、フィルター間の結果比較、Hog 評価器のドライラン、新しい LLM ジャッジ用プロンプトの試作、感情分類の確認、評価ライフサイクルの管理をユーザーが求めた場合に使用します。
ワークフロー自動化は、AI エージェントの信頼性を支える基盤です。永続的な実行機能がなければ、10 ステップの決済フロー中にネットワークが一度途切れるだけで、資金の損失や顧客の不満につながります。機能があれば、ワークフローは中断したところから正確に再開します。このスキルでは、脆弱なスクリプトを本番品質の自動化に変えるプラットフォーム（n8n、Temporal、Inngest）とパターン（逐次、並列、オーケストレーターとワーカー）を扱います。重要な点：プラットフォームごとに異なるトレードオフがあります。n8n は使いやすさを重視
PostHog の MCP ツールを使って LLM／AI エージェントのトレースをデバッグ、確認します。ユーザーがトレースまたはセッションの URL（例：/ai-observability/traces/<id>、/ai-observability/sessions/<id>）を貼り付けた場合、トレースのデバッグや問題の特定、エージェントがツールを正しく使ったかの確認、コンテキスト／ファイルが提示されたかの検証、サブエージェントの動作確認、LLM の判断の調査、トークン使用量とコストの分析を求めた場合に使用します。`events.properties.$ai_input` / `$ai_output_choices` に対する生の SQL/HogQL が空の結果を返す場合にも使用します。メッセージ内容は専用の `posthog.ai_events` テーブルにのみ格納されています。
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。