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
Render 上で Docker コンテナをビルド、デプロイします。Dockerfile、マルチステージビルド、Blueprint の Docker フィールド、プライベートレジストリ、レイヤーキャッシュ、プラットフォームの制約を扱います。ユーザーが Docker、Dockerfile、コンテナイメージ、マルチステージビルド、コンテナレジストリ、GHCR、ECR、BuildKit、dockerContext、ランタイムの docker またはイメージに言及した場合や、Render 上の Docker ビルドを最適化する場合に使用します
Vercelでマイクロフロントエンドを構築、設定、デプロイするためのガイドです。ユーザーがマイクロフロントエンド、マルチゾーン、チーム間でのアプリ分割、独立デプロイ、アプリ間ルーティング、段階的な移行、単一ドメイン配下での複数フロントエンドの構成、microfrontends.json、@vercel/microfrontends、microfrontendsローカルプロキシ、Vercelプロジェクト間のパスベースルーティングに言及した場合に使用します。プロジェクト間の共有レイアウト、マイクロフロントエンド間のナビゲーション、フォールバック環境、アセットプレフィックス、フィーチャーフラグによるルーティングについて質問された場合にも使用します。
electron-builder (v26.x) によるパッケージング、コード署名、自動更新、リリースワークフローの包括的なガイドです。次の場合に使用します。(1) electron-builder のビルド（electron-builder.yml または config.js/ts）の設定、(2) macOS/Windows のコード署名または公証の設定、(3) electron-updater による自動更新の実装、(4) GitHub Releases、S3、または汎用サーバーへの公開、(5) プラットフォームターゲット（NSIS、DMG、AppImage、Snap、PKG、MSI）の設定、(6) ビルドフック（beforePack、afterSign、afterAllArtifactBuild）の使用、(7) プログラム API の使用。トリガー：electron-builder、electron-updater、コード署名、公証、NSIS、DMG、AppImage、自動更新、リリース公開、ビルドフック、electron のパッケージング、electron の配布。
本番環境で LiveKit エージェントをデプロイ、運用します。LiveKit Cloud へのバージョンのリリースとロールバック、シークレットと設定、ワーカープロセスモデルと事前ウォームアップ、ワーカープロセス内での安全な非同期処理、プロバイダーのタイムアウトと縮退、正常なシャットダウン、SDK のアップグレード、可観測性を扱います。「エージェントをデプロイして」「デプロイをロールバックして」「エージェントのログを追って」「再起動後の最初の通話が遅い」「別のループに接続した／イベントループが閉じている」「VAD を事前ウォームアップして」「通話を切断せずにシャットダウンして」「livekit-agents を安全にアップグレードして」「セッションごとにログを関連付けて」といった依頼や、稼働中のエージェントコードベースの変更時に使用します。エージェントの設計（building-livekit-agents）や、問題のあった会話をローカルで再現する作業（debugging-livekit-agents）には使用しません。
Hono ルーティング、Vite プラグイン、Static Assets を使用して Cloudflare Workers をセットアップします。エクスポート構文、ルーティングの競合、Vite 8 の nodejs_compat、base オプションのリグレッション、キャッシュ破損など、10 種類のエラーを防ぎます。Workers プロジェクトの作成、Hono/Vite の設定、エクスポート構文、API ルートの競合、HMR の問題、Vite 8+ の互換性のトラブルシューティングに使用します。
SageMaker Managed MLflow（mlflow-app または mlflow-tracking-server ARN）に MLflow バックエンドとして接続し、その後ほかの MLflow スキルに引き継ぎます。SageMaker MLflow ARN（arn:aws:sagemaker:...:mlflow-app/... または arn:aws:sagemaker:...:mlflow-tracking-server/...）または「SageMaker Managed MLflow」で起動します。
SigNoz ドキュメントの情報を調べます。ユーザーが「どうすればよいか」「ドキュメントのどこにあるか」「ドキュメントには何と書かれているか」「関連ドキュメントを探して」と尋ねた場合や、SigNoz の計装、OpenTelemetry のセットアップ、セルフホスト型デプロイ、API エンドポイント、認証ヘッダー、トラブルシューティングの参考情報を必要とする場合は、「ドキュメント」と明示されていなくても必ずこのスキルを使用します。ドキュメントの検索のみを行います。SigNoz 内での操作には、Agent が該当する `signoz-*` アクションスキルを選びます。
自然言語で Alibaba Cloud データベースの診断と管理を行います。CPU 高負荷、クエリの遅延、異常な接続、ロック待ちなどの性能問題のトラブルシューティング、インスタンス状態の確認、ディスク容量の分析、SQL の最適化、ヘルスチェックの実行、セキュリティベースライン違反の検出に使用します。RDS（MySQL/PostgreSQL/SQL Server）、PolarDB、MongoDB、Redis（Tair）、Lindorm に対応します。「データベースが遅い」「接続できない」「この SQL を確認して」「ディスクがほぼ満杯」などの簡単な説明でも、このスキルを起動してください。PolarDB Serverless や DAS の自律機能など Alibaba Cloud 固有のデータベース機能の相談や、RDS と PolarDB の製品比較にも適しています。一般的な SQL チュートリアル、Alibaba Cloud 以外のデータベース、ローカルデータベース管理には使用しないでください。
MongoDB Atlas Stream Processing (ASP)のワークフローを管理します。ワークスペースのプロビジョニング、データソース／シンク接続、プロセッサのライフサイクル操作、デバッグ診断、ティアのサイジングに対応します。ストリーミングデータのワークロードとイベント処理向けに、Kafka、Atlasクラスター、S3、HTTPS、Lambdaとの連携をサポートします。一般的なMongoDBクエリやAtlasクラスター管理には使用しません。Atlas API認証情報を持つMongoDB MCP Serverが必要です。
スタートアップ向けのエンジニアリング担当副社長（VPE）アドバイザリー：デリバリースループット（DORA 4 指標とボトルネックの特定）、エンジニア採用ファネル（ソーシング → スクリーニング → オンサイト面接 → オファー転換率、採用所要期間、パイプラインの不足）、エンジニアリングチーム構成（スクワッド／トライブ／チャプターの設計とテックリードマネージャー設置の判断基準）、本番運用の規律（オンコール、デプロイ頻度、ポストモーテム文化）を扱います。スプリントのベロシティ低下、エンジニア採用の不調、チーム構成の不明確さ、テックリードマネージャーを追加する時期の判断に使用します。CTO 向けのスキルではありません（CTO はアーキテクチャを担当）。VPE はデリバリー運用とチームのリリース方法を担当します
Factorial Code CLI（fcode）を使ったローカル開発とクラウド同期に対応します。pull → add → run → push のフロー、ローカル webhook/forms サーバー、ワークスペースのバージョンとエイリアス、ワークスペース設定ファイル（metadata.json、settings.json、variables）を扱います。fcode コマンドの実行、プロセスのローカルテスト、クラウド同期、開発チームのすべての App のクローン、ローカルとクラウドの差分の確認や解決、プロセスの webhook、Factorial Action（`factorial` ブロック：form、UI trigger、agent tool、backend）、バージョン設定の構成に使用します。
自然言語の意図から新しい SigNoz ダッシュボードを作成します。適切なテンプレート（PostgreSQL、Redis、JVM、k8s、hostmetrics、APM、LLM など）があれば厳選テンプレートをインポートし、なければメトリクス／トレース／ログのパネルを備えたカスタムダッシュボードを一から作成します。ユーザーが「〜のダッシュボードを作成」「〜の監視を設定」「ダッシュボードを作って」「〜の可観測性が必要」「ダッシュボードテンプレートをインポート」と言う場合や、サービス、データベース、クラスター、AI/LLM プラットフォームの追跡／可視化を求める場合は、明示的に「ダッシュボード」と言っていなくても必ず使用します。技術を「監視」「見守る」「メトリクスを確認」したいという要望に対して、ダッシュボードが自然な解決策となる場合にも使用します。
Firebase なら、認証、データベース、ストレージ、関数、ホスティングを含むバックエンドを数分で用意できます。しかし、セットアップの手軽さの裏には本当の複雑さが隠れています。セキュリティルールは最後の防衛線ですが、誤っていることがよくあります。Firestore のクエリには制限があり、それに気づくのはデータモデルの設計後です。このスキルでは Firebase Authentication、Firestore、Realtime Database、Cloud Functions、Cloud Storage、Firebase Hosting を扱います。重要なポイント：Firebase は読み取りが多い非正規化データ向けに最適化されています。I
ダッシュボードパネルやアラートに組み込まずに、SigNozのオブザーバビリティデータ（メトリクス、ログ、トレース）に対するアドホッククエリを生成、作成、実行します。「エラー率を表示して」「タイムアウトエラーのログを検索して」「カートサービスのp99レイテンシは？」「決済エンドポイントへのリクエスト数は？」「遅いトレースを探して」「過去1時間のエラー」など、ライブのオブザーバビリティデータを必要とする探索的な質問があれば、ユーザーが明示的に「クエリ」や「検索」と言わなくても必ず使用します。
Azure Functions 開発に関する専門知識を提供します。トラブルシューティング、ベストプラクティス、意思決定、制限とクォータ、セキュリティ、構成、統合とコーディングパターン、デプロイを扱います。Functions を HTTP/ストレージ/キューに接続する場合、バインディング、VNet/プライベートエンドポイント、マネージド ID、CI/CD デプロイを使用する場合、その他の Azure Functions 関連の開発タスクで使用します。Azure App Service（azure-app-service を使用）、Azure Logic Apps（azure-logic-apps を使用）、Azure Container Apps（azure-container-apps を使用）、Azure Kubernetes Service (AKS)（azure-kubernetes-service を使用）には使用しないでください。
Render 上のマネージド PostgreSQL を設定・最適化します。接続文字列（内部／外部）、作成時の制約、ストレージの自動スケーリング、接続数の上限、高可用性、読み取りレプリカ、バックアップ、MCP による調査を扱います。Postgres、PostgreSQL、Render database、connection string、DATABASE_URL、バックアップ、スナップショット、レプリカ、HA、ディスクストレージ、コネクションプーリング、データベース接続のトラブルシューティングについてユーザーが言及した場合に使用します。
Google Cloud Agent Gateway が ext-proc（Service Extension）コールアウトとして呼び出す Apigee API プロキシを構築します。エージェントの LLM トラフィックを対象に、モデルごとのトークン使用量の計測、呼び出し元の識別情報の抽出、Model Armor によるプロンプト審査、またはセマンティックキャッシュを適用します。Agent Gateway の背後に AI ゲートウェイとして Apigee を接続する場合、エージェントのモデルへの送信トラフィックを管理する場合、またはコールアウトプロキシが判定を返さず原因を調べる場合に使用します。重要な違いは、Apigee がトラフィックを転送するのか、検査のみを行うのかです。このスキルは検査のみを行い、プロキシ自体を構築します。Apigee がリクエストを受け取りバックエンドへ転送する場合（Apigee の背後で MCP サーバーをホストする場合を含む）は使用しないでください。その場合はターゲットを持つプロキシが必要です。エージェントによるツールや MCP サーバーの呼び出しの管理、リクエストに使用するモデルの選択・切り替え、Agent Gateway 自体の作成、Apigee hybrid には使用しないでください
Atlassian の「Optimise Forge platform costs」ガイダンスを使用して、Atlassian Forge アプリを最適化し、プラットフォームの消費量を抑えて不要なコストを回避します。ユーザーが Forge アプリのコスト最適化、Forge 呼び出しの削減、GB-seconds の低減、ストレージやログ使用量の削減、メモリの調整、ポーリングの置き換え、スケジュールトリガーの改善、KVS 書き込みの削減、フロントエンドへの処理移行、bridge API の使用、API 呼び出しのバッチ化、キャッシュの追加、Forge Remote のトレードオフ評価を求めた場合に使用します。デフォルトでは、まず監査を行い、結果を提示してから推奨変更の実施を提案します。ユーザーが Agent に最適化の実装または適用を明示的に求めた場合に限り、すぐにファイルを変更します。
診断の前に、ランタイムログの依頼を1つのエビデンスパケットに振り分けます。ユーザーがアプリ／サーバー／コンテナ／ブラウザー／CI／JSONのログ出力を共有し、最初に対処すべき阻害要因、繰り返し現れるパターン、影響範囲の見込み、または最も安全な次の読み取り専用チェックを求めている場合に使用します。パケットを1つ選択します：app-runtime、container-runtime、browser-plus-api、ci-cascade、structured-json、security-signal。トリガー：ログを確認、どの行が重要か、実際のエラー、最初の阻害要因、ノイズの多いスタックトレース、リトライストーム、ブラウザーの401/500、Podログ、ワーカーのクラッシュ、CIの中断、Webhookの失敗。エンジン固有のUnity/Unrealログは `game-build-log-triage` に、オブザーバビリティ設計は `monitoring-observability` に、修正／デバッグの仮説は `debugging` に振り分けます。
Railcode CLI で Railcode 管理エージェントを構築、テスト、公開、呼び出し、スケジュール設定、更新します。組織または個人の管理エージェントの作成、エージェントマニフェスト（JSON または YAML）の編集、下書きまたは保存済みエージェントの実行、実行状況の調査、cron スケジュールの管理、Slack（@Railcode $agent）からの実行、コンパニオンアプリとの連携、サンドボックス内のファイル処理、個人所有のコネクター（本人の Gmail、Slack、Granola など）を通じた操作に使用します。静的な Railcode アプリ、アプリ内の LLM ツールループ（llm.generate({ tools }) — create-railcode-app を参照）、一般的な組織管理には使用しないでください。
ユーザーの要件とガードレールに従って、すべての変更をリリースします。開始時、重要な場面、完了時のスクリーンショットを撮影し、画像付きの個別の変更履歴バージョンを作成し、テストで検証します。自分が変更したファイルのみをコミットし、最新の main にマージしてファストフォワードでプッシュし、その main とまったく同じ内容を公開します。各手順を確認し、実測サイズを報告します。50 MB を超えるアップロードの前には確認を求めます。各変更（機能、修正、微調整、アート、バランス調整、仕上げ）の完了時、およびユーザーが「ship it」「commit」「push」「merge」「publish」「deploy」「go live」「update the changelog」と言った場合に使用します。ホスティング、変更履歴のパイプライン、マージコンフリクトなどのプロジェクト固有情報は、このスキルと同じ場所にある任意のローカル references/<project>.md に記載します
Internet Computer アプリの構築とデプロイに使う icp コマンドラインツールを案内します。プロジェクト設定（icp.yaml）、レシピ、環境、canister のライフサイクル、ID 管理、プロジェクトを自己完結型の .icp パッケージにまとめる方法（icp project bundle）を扱います。IC プロジェクトの構築、デプロイ、管理時に使用します。ユーザーが icp、dfx、canister のデプロイ、ローカルネットワーク、プロジェクトのセットアップ、またはアプリの .icp ファイルへのパッケージ化に言及した場合に使用します。アクセス制御、canister 間呼び出し、安定メモリなど、canister レベルのプログラミングパターンには使用せず、代わりにドメイン固有のスキルを使用してください。
アプリケーションに Pydantic Logfire のオブザーバビリティを追加します。ユーザーが「logfire を追加」「logfire で計装」「オブザーバビリティを追加」「トレーシングを追加」「logfire を設定」「モニタリングを追加」と依頼した場合や、どのような文脈でも Logfire に言及した場合に使用します。Python、JavaScript/TypeScript、Rust に対応します。プロジェクトにロギング、トレーシング、メトリクスを追加する場合にも使用します。推奨される方法は Logfire です。ユーザーが単に「ログを追加したい」または「アプリが何をしているのか見たい」と言った場合でも、Logfire の提案を検討してください。
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。