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 96,981 件掲載。コマンド 1 行でインストールできます。
クラウド・DevOps
Capacitorアプリ向けのCI/CDパイプラインを設計・修正します。GitHub Actions、GitLab CI、Fastlane、Capgo Cloud Build（npx @capgo/cli@latest build request）に対応し、Webのビルドとテスト、cap sync、App Store Connect APIキーを使ったiOSのアーカイブ/エクスポート/アップロード、Android AABの署名とPlayへのアップロード、Capgoのライブアップデートのアップロード、シークレット、キャッシュ、ビルド番号の更新を扱います。ランナーイメージやツールチェーン（Node 22/24、macos-26とxcode-27のランナー、JDK 21、Capacitor 9向けGradle 9 / AGP 9）の選定時や、CIが「No signing certificate」「requires a provisioning profile」「Unsupported class file major version」「Android Gradle plugin requires Java 17」「The engine node is incompatible」「Could not find the web assets directory」などのエラーで失敗した場合に使用します。単発の手動ストア申請（capacitor-app-store）、Capgo Cloud Buildの認証情報の詳細なオンボーディング（capgo-native-builds）、Capgoのチャンネル/リリース戦略（capgo-release-workflows）、テスト作成（capacitor-testing）には使用しないでください。
django-storages を使って Django の静的ファイルやメディアファイルを AWS S3 に保存する設定を行う際に使用します。settings.py での STORAGES 設定、S3 バケット、presigned URL、CloudFront、boto3 ベースのファイルストレージを扱うときに呼び出します。Django 4.2+ の STORAGES 辞書、公開/非公開のカスタムバックエンド、presigned GET/POST URL、IAM ポリシー、テスト用の S3 モックを設定します。トリガー語：django-storages、S3、boto3、S3Boto3Storage、STORAGES、presigned URL、CloudFront、media files、collectstatic、AWS_STORAGE_BUCKET_NAME。
Plugin Framework を用いて Terraform provider の ephemeral resources を実装する。Open/Renew/Close のライフサイクル、ephemeral なスキーマ設計、EphemeralResources による登録、期限が近い認証情報の更新、および ephemeral な値が write-only 属性や provider 設定へ流れる仕組みを扱う。ephemeral resource の追加、state や plan に永続化してはならないシークレット／トークン／証明書の公開、ephemeral resource と data source の使い分け、短期認証情報を provider 間で接続する場合に使う。
MAX の `max serve` コマンドでモデルを提供する：環境のセットアップ（max-nightly conda channel / nightly wheel index を使う pixi または uv）、サーバーを Hugging Face リポジトリまたはローカルの checkpoint に向け、`--custom-architectures` でカスタムアーキテクチャを指定し、モデルに適した serve フラグを選ぶ。用户在 MAX 上でモデルを実行・起動・ホストしたい、OpenAI 互換エンドポイントを立てたい、カスタム／移植アーキテクチャを提供したい、`max serve` の起動失敗をデバッグしたい、特定のモデルに必要な serve フラグ（devices、quantization-encoding、max-length、task、trust-remote-code）が分からない、というときに「max serve」と明示していなくても使う。
Destination Service、Connectivity Service、Cloud Connector、Connectivity Proxy、およびKubernetes向けTransparent Proxyを扱うSAP BTP Connectivityスキルです。宛先（HTTP、RFC、LDAP、MAIL、TCP）の設定、クラウドからオンプレミスへの接続、OAuthとプリンシパル伝播の実装、Kubernetes/Kymaでの接続プロキシのデプロイ、接続エラー（405、407、503）のトラブルシューティング、マルチテナントの設定に使用します。
Dynatrace における 3 つのソースにまたがるネットワークフロー分析：OneAgent フロー（`default_network_flows` Grail バケット内のホスト/プロセス/Pod からピアへの接続）、NetFlow/IPFIX/sFlow（OpenTelemetry Collector 経由）、クラウドフローログ（AWS VPC / Transit Gateway。Azure と GCP は計画中）。エンティティ間のトラフィック解析、帯域幅による上位トラフィックの発信元特定、通信依存関係の把握、接続の健全性調査（リセット、タイムアウト、再送、RTT）、ピアの監視対象エンティティへの解決に使用します。各質問は適切なソースにルーティングされ、ソース固有の DQL はリファレンスファイルにあります。トリガー：「network flows」「top talkers」「traffic between hosts」「connection resets」「TCP retransmissions」「RTT」「pod connections」「network dependencies」「NetFlow」「IPFIX」「sFlow」「VPC flow logs」「cloud network traffic」。ホストの NIC スループットやパケットドロップ（dt-obs-hosts を使用）、サービスのリクエストレートやレイテンシ（dt-obs-services を使用）、合成/稼働時間監視（dt-obs-ext-monitors を使用）には使用しないでください。
Terraform provider のリソースとデータソースを Plugin SDKv2 から Plugin Framework へ移行します。1 つの provider で両プラグインを多重化する手法（terraform-plugin-mux、tf5to6server）、リソース単位の移行ワークフロー、SDKv2 から Framework へのスキーママッピング（ForceNew、ValidateFunc、DiffSuppressFunc、Default、Timeouts、blocks）、null とゼロ値烨理の挙動の落とし穴、状態の互換性検証等内容を含みます。SDKv2 のリソースを Framework に変換・移行する)mux 化した provider サーバーを構築する、特定のリソースを移行すべきか判断する、移行後に現れた plan の差分や状態エラーを調査するといった場合に使います。
[非推奨] MCP 経由で CloudBase Relational Database を操作するエージェント向けの必須ドキュメントです。`queryMysqlDatabase`、`manageMysqlDatabase`、`queryPermissions`、`managePermissions` を使った標準的な SQL 管理フローを定義し、破棄フロー、非同期の状態確認、安全なクエリ実行、スキーマの初期化、権限更新を含みます。MCP 経由の MySQL プロビジョニングは利用できなくなりました。新しい環境では PostgreSQL を使用してください。詳細は postgresql-development スキルを参照してください。
Dynatrace 内で SNMP により監視されているネットワークデバイス（スイッチ、ルーター、ファイアウォール、ロードバランサー）を分析します。3 つのデータレイヤー：Smartscape 拓扑（`EXT_NETWORK_DEVICE` / `EXT_NETWORK_INTERFACE` ノード、`belongs_to` と `calls` エッジ）、`com.dynatrace.extension.network_device.*` メトリクス（CPU、メモリ、アップタイム、スループット、飽和度、エラー）、ログ（SNMP トラップ、syslog、自动検出）。デバイスの一覧作成、停止または飽和したインターフェースの特定、デバイスの CPU/メモリ/アップタイム確認、 topologies と隣接関係のマッピング、インターフェースエラーの検出、トラップや syslog イベントの調査に使用します。トリガー：「network device」「switch」「router」「firewall」「SNMP」「interface status」「interface down」「interface utilization」「link saturation」「device CPU」「device memory」「device uptime」「device neighbors」「LLDP」「CDP」「SNMP trap」「syslog」。ネットワークフロー/トラフィックや top talkers には使用しないでください（dt-obs-network-flows を使用）。ホストの NIC スループットには dt-obs-hosts、サービスリクエスト/レイテンシーには dt-obs-services を使用してください。
イメージ、コンテナ、本番環境へのデプロイに関する Docker の包括的なベストプラクティスです。次の場合に積極的に利用します：(1) 本番対応の Dockerfile の作成、(2) 軽量イメージのためのマルチステージビルド、(3) ベースイメージ（distroless、alpine、scratch、slim）の選定、(4) レイヤーキャッシュと順序、(5) .dockerignore の適切な管理、(6) HEALTHCHECK とグレースフルシャットダウン、(7) 非 root ユーザーと最小権限のパターン、(8) ENV と ARG の使い分けとシークレットの取り扱い、(9) タグ／ダイジェストの固定と再現性、(10) ローカル開発での Compose の利用。言語別 Dockerfile テンプレート、イメージサイズ最適化チェックリスト、.dockerignore テンプレート、HEALTHCHECK パターン、Compose 開発スタックの例を提供します。
Dynatrace Compliance Assistant を使って EU の DORA 準拠状況を監視・調査する。準拠スコア、CIF の健全性、インシデントのライフサイクル、ICT リスク入力（脆弱性、セキュリティ検出の所見、Misconfiguration）をカバー。トリガー：「DORA compliance」「Digital Operational Resilience Act」「compliance score」「compliance snapshot」「score tier」「Critical or Important Functions」「CIF」「CIF health」「unclassified problems」「potential major incident」「classified major incident」「incident classification under DORA」「compliance.incident bizevent」「DQL for classified incidents」「set up Compliance Assistant」「DORA onboarding」。他のコンプライアンスフレームワーク（SOC2、PCI-DSS、HIPAA、ISO 27001）、DORA や CIF の文脈がない一般的な Davis の問題、DORA の範囲外の一般的なセキュリティ所見、コンプライアンスの文脈がないスコアクエリには使用しないこと。
vLLM を使って AMD Instinct GPU ハードウェア上で AI モデルをサーブします。AMD GPU、AMD Instinct、MI300X、MI325X、MI350X、MI355X で言語モデルを実行、デプロイ、起動、ホスティングしたいときはいつでもこのスキルを使用します。ROCm 上の vLLM、AMD 上の vLLM、HBM 上のサーブに触れたときや、AMD のデータセンターハードウェア上でモデルを動かす方法についても使用します。「Qwen3 を動かして」「DeepSeek をサーブして」「vLLM エンドポイントを起動して」「自分の AMD マシンでモデルを動かしたい」といった質問にも当てはまります。GPU の検出、環境の検証、vLLM の構成、起動、ヘルス検証までの一連の流れを扱います。NVIDIA GPU、コンシューマー向け AMD GPU (RX シリーズ、Radeon)、Ryzen AI、NPU、MI250X、MI100 には使用しないでください。
BPA CSV/cache と CAM/MCP の検出を介して、レガシー AEM（6.x、AMS、オンプレミス）を AEM as a Cloud Service に移行します。1 セッションにつき 1 パターンを扱います。AEMaaCS 移行に向けたプロジェクトのレビュー／スキャンに使用すると、読み取り専用の migration-runbook.md を生成します。また、scheduler、ResourceChangeListener、replication、EventListener、OSGi EventHandler、DAM AssetManager、HTL data-sly-test lint、Classic UI / ExtJS / Coral 2 → Coral 3 ダイアログ移行（lui）、Custom Design Widgets（cdw）、Vault パッケージのインストール時依存関係（vault-package-dependencies）、Guava cache → Caffeine の置き換え（guavaCache）、java.io.InputStream 使用状況のトリアージ（inputStream）、Oak インデックス変換（oakIndex、ベータ）、静的テンプレートから編集可能テンプレートへの刷新など、特定の Cloud Service 移行阻害要因の修正にも使用します。さらに、OSGi 設定のシークレットを Cloud Manager に外部化し（ui.config/.cfg.json の $[secret:]/$[env:] プレースホルダーをスキャン）、AMS／オンプレミスの Dispatcher 設定を AEMaaCS に変換し（Branch E）、ローカル Cloud SDK で移行済みコードを検証します（Branch G、ベータ）
モデルを本番対応にしたり、MLOps パイプラインを構築したり、LLM を統合するための ML エンジニアリングスキル。モデルデプロイ、feature store、ドリフト監視、RAG システム、コスト最適化を扱う。ML モデルの本番デプロイ、MLOps インフラ（MLflow、Kubeflow、Kubernetes、Docker）の構築、モデル性能やドリフトの監視、RAG パイプラインの構築、リトライロジックとコスト管理を備えた LLM API の統合など、ユーザーがthese を尋ねる場合に使用する。モデルの研究や初期学習ではなく、本番運用上の課題に焦点を当てる。
ML Diagnostics の `Megascale XLA (MXLA) Hang Analyzer`（`gcloud alpha mldiagnostics monitored-events`）と 1 分間隔の Cloud Monitoring マルチスライス遅延メトリクス（`kubernetes.io/container/multislice/*`）を使用して、GKE Cloud TPU のマルチスライストレーニングのハング（Megascale の `HANG_DETECTED` ログおよび監視対象のハングイベント）を診断します。XLA コンパイラー／HLO 起動の不整合やホストのデータ入力停滞と、TPU チップ、SparseCore、ICI、ネットワークファブリックの障害を区別します。マルチスライス TPU トレーニングジョブがステップを進めずに停止する、`HANG_DETECTED` を出力する、または集合演算で停滞する場合に使用します。ハングを伴わないステップ時間のスループット低下には使用せず（gke-ai-troubleshooting-tpu-performance-degradation を使用）、Pod のプリエンプション／エビクションによる再起動にも使用しないでください（gke-ai-troubleshooting-jobset-interruption を使用）。
ML Diagnostics Workload Monitoring（`gcloud alpha mldiagnostics monitored-events` / `hypercomputecluster.googleapis.com/v1alpha`）と 1 分間隔の Cloud Monitoring システム指標（`kubernetes.io/node/accelerator/*`）を使用して、GKE Cloud TPU のトレーニングスループット低下とステップ時間の悪化（TPU デューティサイクルが 15% 以上低下）を診断します。ハードウェアやネットワークファブリックのスロットリングと、ワークロードのリソースボトルネック（HBM 容量、ホストメモリー、ホスト CPU の飽和）を区別します。Pod がクラッシュせずに TPU トレーニングのスループットまたはデューティサイクルが低下した場合、`PERFORMANCE_DEGRADATION` の監視イベントが発生した場合、または低速なマルチスライストレーニングのステップを調査する場合に使用します。`HANG_DETECTED` ログを伴うマルチスライス XLA 実行の完全な停止（gke-ai-troubleshooting-tpu-mxla-hang を使用）、または Pod の退避・中断による再起動には使用しないでください（gke-ai-troubleshooting-jobset-interruption を使用）。
Infisical Secret Syncs を設定し、シークレットを Infisical からサードパーティサービスへプッシュするためのガイドです。AWS Secrets Manager、GCP Secret Manager、Azure Key Vault、GitHub、Vercel、HashiCorp Vault、Cloudflare、Snowflake、Databricks、Railway など、48 のすべての同期先を扱います。次のような-awaited 者に聞かれたときにこのスキルを使います: AWS/GCP/Azure へのシークレット同期、GitHub Actions や Vercel の環境変数へのシークレットのプッシュ、Secret Sync の設定、App Connections、マッピングの挙動、キースキーマ、初回同期の挙動、「Infisical のシークレットを [service] に入れるにはどうすればいいか」。必要な App Connection の作成（infisical-app-connections）、アプリへのシークレットの取り込み（infisical-setup）、証明書の同期（infisical-pki PKI Syncs）、クレデンシャルのローテーション（infisical-secret-rotation）には使いません
既存の Ionic Appflow プロジェクトを Capawesome Cloud に移行する手順をエージェントに案内します。Capawesome CLI の apps:import コマンドで Ionic Appflow の組織エクスポート（アプリ、署名証明書、環境、ライブアップデートチャネル、ネイティブ設定、ストアの配信先、ビルド自動化、リポジトリリンク）をインポートし、残りの作業として Live Update SDK（@capacitor/live-updates または cordova-plugin-ionic）の置き換え、設定オプションの対応付け、手動での後続作業、CI/CD パイプラインの更新、ビルド・ライブアップデート・ストアへのデプロイの確認を扱います。Appflow 組織の管理者権限がないチーム向けに手動の代替手順も含みます。Cordova のみのアプリでは @capawesome/cordova-live-update を使用します。既存の Appflow プロジェクトなしで Capawesome Cloud をゼロからセットアップする場合、Capacitor 以外のモバイルフレームワーク、または Ionic Enterprise プラグイン（Auth Connect、Identity Vault、Secure Storage）の移行には使用しないでください。代わりに ionic-enterprise-sdk-migration スキルを使用してください
Nx Cloud CI パイプラインを監視し、自己修復による修正に対応します。ユーザーが「monitor ci」「watch ci」「ci monitor」「watch ci for this branch」「track ci」「check ci status」と言う場合、CI 状態の追跡を希望する場合、または自己修復 CI の修正支援が必要な場合に使用します。CI の監視には、ネイティブの CI プロバイダーツール（gh、glab など）よりこのスキルを優先してください。これらのツールでは利用できない Nx Cloud の自己修復機能と連携します。
`max benchmark` コマンドで MAX 上でホストされているモデルのベンチマークを実行します。稼働中の `max serve` エンドポイントに負荷をかけることで、スループット（tokens/sec）、レイテンシ（TTFT、TPOT、トークン間レイテンシ）、GPU 利用率を測定します。MAX モデルのベンチマーク、負荷試験、性能測定、tokens-per-second / TTFT / TPOT の数値取得、並列数やリクエストレートのスイープ、レイテンシとスループットの比較、デプロイサイズ_paddingの決定、ベンチマーク JSON の生成を求めるときに使う（「ベンチマーク」と明示していなくても）。また、`max benchmark` の実行が接続に失敗した場合や、数値がゼロ・不正な場合も使います。
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。