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
プロジェクトでのcodecontext導入を設定または修復します。ユーザーがリポジトリに@contextアノテーションを追加したい、codecontextツールチェーンをインストールしたい、AGENTS.mdのガイダンスを更新したい、意思決定の記録に関するエージェントワークフローを改善したい、または既存のcodecontext設定の整合性を監査したい場合に使用します。曖昧な「ツールのドキュメント化」作業よりこのスキルを優先してください。リポジトリでcodecontextを実際に使えるようにすることに特化しています。
ユーザーが opencode Fusion エージェントチームのセットアップ、設定、インストール、再設定を希望する場合に使用します。チームには、計画とレビューを行うもののファイルを編集できず、すべての編集をより低コストの sidekick サブエージェントに委任する強力なメイン／ビルドエージェント、explore 検索エージェント、任意のリサーチ／デザイン／レビュアー／ビジョン専門エージェントが含まれます。「set up fusion」「configure fusion」「install fusion」「fusion setup」「undo fusion」／「remove fusion」といった依頼、main、sidekick、explore エージェントが使用するモデルの変更、または既成プロファイルを使うためのサブスクリプション指定（例：「set up fusion with my OpenCode Go subscription」、OpenCode Zen、ChatGPT Plus/Pro、GitHub Copilot）をきっかけに使用します。~/.config/opencode/ にグローバル opencode 設定を書き込みます。
@opencode-ai/plugin SDK を使用して OpenCode プラグインを作成します。カスタムツール、イベントフック、認証プロバイダーの構築や、ツール実行のインターセプトに使用します。.opencode/plugin/ または ~/.config/opencode/plugin/ で新しいプラグインを開発する際は積極的に使用してください。例：- ユーザー：「危険なコマンドをブロックするプラグインを作成」→ ブロックロジックを備えたツール実行前フックを実装 - ユーザー：「jira 用のカスタムツールを追加」→ SDK コンテキストを使ってツールスキーマと実装を設計 - ユーザー：「ファイル編集時にトーストを表示」→ ファイル編集イベントに反応してステータスメッセージを表示 - ユーザー：「カスタム認証プロバイダーを構築」→ 新しいモデルプロバイダーの認証フローを実装 - ユーザー：「git コミットをインターセプト」→ 実行前にコミットメッセージを検証するフックを追加
Firebase AI 機能の作業を、アプリ／クライアントへの Firebase AI Logic SDK の直接統合、またはサーバー側で管理する Genkit ワークフローのいずれかに振り分けます。Web、モバイル、バックエンド、フルスタックの機能で、モデル呼び出し、型付き出力、再利用可能なフロー、ツール、検索、プロンプトファイル、評価、可観測性、デプロイが必要な場合に使用します。client-ai-logic、flow-foundation、tool-and-agent、retrieval-and-prompt、evaluation-and-observability、deployment-runtime、comparison-or-fallback から選択します。Firebase プラットフォーム／運用作業は `firebase-cli` に、広範なフレームワーク比較は `survey` に振り分けます。
リアルタイム音声エージェントから音声対応アプリまで、音声 AI アプリケーションの構築に精通しています。OpenAI Realtime API、音声エージェント向けの Vapi、文字起こし向けの Deepgram、音声合成向けの ElevenLabs、リアルタイムインフラストラクチャの LiveKit、WebRTC の基礎を扱います。低遅延で本番環境に対応した音声体験の構築方法を解説します。利用場面：音声 AI、音声エージェント、音声からテキストへの変換、テキストから音声への変換、リアルタイム音声。
影分身を召喚：genjutsu のフルスケールパイプラインで、Web サイトや Web アプリ全体をゼロから構築するか、全面的にリデザインします。クライアントの実際の素材を収集し、並行して調査を行い、Impeccable が方向性を、genjutsu がモーションを担当します。並列エージェントでページを構築し、修正、評価、客観的なアートディレクションを繰り返します。軽微な問題だけになるか、選択したティアのラウンド上限に達するか、ラウンド内で何も修正されなくなるまで続けます。最初に費用を提示し、2回確認します。Web 向け。サブエージェントを起動できるホストが必要です。
厳選したスキルを含む Claude Code ワークフローディレクトリを作成します。ユーザーが (1) 特定の用途（メディア制作者、開発者、マーケターなど）の新しいワークフローを作成する、(2) スキルを事前設定した Claude Code プロジェクトをセットアップする、(3) GitHub リポジトリからスキルをダウンロードして整理する、(4) ワークフロー用の README.md と AGENTS.md ドキュメントを生成する場合に使用します。トリガーとなる語句：「create workflow」「new workflow」「set up workflow」「build a xxx-workflow」。
ZenMuxアカウント情報（サブスクリプションプラン、5時間および7日間のクォータ使用量を示す色分けされたプログレスバー、PAYGウォレット残高）と、標準的なセッション情報（モデル、git、コンテキスト使用量、プロンプトキャッシュ）をリアルタイムで表示するClaude Codeステータスラインをインストールして設定します。トリガー：「status line」「statusline」「set up status bar」「show ZenMux in status bar」「install ZenMux statusline」「configure status line with ZenMux」「状态栏」「配置状态栏」「安装状态栏」「在状态栏显示ZenMux信息」。ZenMuxアカウント情報を含むClaude Codeステータスラインのセットアップ、インストール、設定、カスタマイズをユーザーが希望する場合に有効化します。インタラクティブな使用量照会（zenmux-usageを使用）、ドキュメント（zenmux-contextを使用）、一般的なセットアップ（zenmux-setupを使用）では起動しません。
`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。
実行中のブラウザー UI から React 要素の正確なコンテキストを取得し、コンポーネント名、ソースファイルパス、行番号、HTML として AI コーディングエージェントに渡します。`react-grab`、要素コンテキストのコピー、ブラウザーからのコンポーネントソース検索、クリップボード経由のエージェント向け React デバッグ、MCP を使った React アプリの要素選択に使用します。一般的なブラウザー自動化やログイン／セッションの再利用（`browser-harness`、`playwriter`）、広範な UI 注釈／レビュー（`agentation`）、React のパフォーマンス監査（`react-best-practices`）、一般的なデザインシステム作業（`design-system`）には使用しません。トリガー：react-grab、要素コンテキストの取得、コンポーネントを AI にコピー、ブラウザーコンポーネントピッカー、React コンポーネントインスペクター、クリップボードのコンポーネントソース、ブラウザーから要素コンテキストを取得、UI 要素の取得。
MCP サーバーおよびツールとのやり取りにおけるトークン最適化のベストプラクティスです。効果を維持しながらトークン消費を抑えます。使用する場合：ユーザーが「token usage」「optimize tokens」「reduce API calls」「MCP efficiency」に言及する、「how to use less tokens」「MCP best practices」「limit output size」「efficient queries」について質問する場合。使用しない場合：コード最適化には `performance` を使用してください。テキスト圧縮は対象外です（ここでは API の使用パターンを扱います）。インフラのコスト最適化にはクラウド／DevOps のスキルを使用してください。
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。