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。
クラウド・DevOps
Google Cloud Agent Platform の GenAI モデル（ファーストパーティの Gemini モデルおよびサードパーティの OpenMaaS モデル（Llama、DeepSeek、Qwen など））に接続して推論を実行します。推論の実行、モデルへの質問、テスト用プロンプトの実行、チャット補完の実行、Gemini または OpenMaaS モデル呼び出しコードの生成、GenAI SDK／OpenAI SDK／従来の Agent Platform SDK での認証、ベース URL とグローバル／リージョナルエンドポイントの設定、または 429 Resource Exhausted (DSQ)、400 User Validation、404 Not Found エラーのトラブルシューティングを求められた場合に使用します。エンドポイントへのモデルのデプロイやモデル評価の実行には使用しないでください。
Prometheus / Grafana Mimir / Grafana Cloud Metrics の PromQL を書き、検証し、最適化する。`rate` と `irate` と `increase` の違い、ラベルマッチャーと正規表現、`sum / avg / topk / by / without` による集約、クラシックおよびネイティブの `histogram_quantile`、ゼロ除ガード付きの比率計算、陳腐化 检测の `absent` / `changes`、時間オフセットと `predict_linear`、レコーディングルールの命名、SLO とバーンレート計算、カーディナリティ特定の手順を扱う。メトリクスクエリを書く、p95 が間違っている直す、エラーバジェットのアラートを作る、「query is slow」のデバッグ、増大したカーディナリティの原因ラベルを特定する、ダッシュボードのクエリをレコーディングルールへ移行する、といったときに使う。ユーザーが「calculate the error rate」「p99 latency」「sum by service」「why is this query slow」「what's filling Mimir」のように Prometheus や PromQL の名を明示しなくても適用する。
AWS メッセージングおよびストリーミングサービスの一般的な使い方をガイドする。Amazon SQS、Amazon SNS、Amazon EventBridge、Amazon MQ、Amazon Kinesis Data Streams、Amazon Data Firehose、Amazon Managed Service for Apache Flink、Amazon Managed Streaming for Apache Kafka（MSK）を扱う。メッセージングとストリーミングのパターンを推論するときに使う。また、各顧客通信チャネルを所有する AWS サービスも判別する：メール（Amazon SES）、および WhatsApp、SMS、MMS、RCS、音声、モバイルプッシュ（AWS End User Messaging ファミリー）。リクエストは該当チャネルの専門スキルにルーティングされる。ユーザーがすでに具体的なチャネルを明示している場合は、そのチャネルの専門スキルに委譲するGenerally。具体的なサービスに関する詳細な質問には、専門スキルまたはドキュメント検索を使う。MSK や Managed Service for Apache Flink の質問には使わないこと、専門スキルを優先する。顧客通信チャネルの設定は行わず、専門スキルに委譲する。
YAML を読み取り、検出事項を直接報告して、GitHub Actions のワークフローファイルに含まれるセキュリティ脆弱性をスキャンします。外部ツール、インストール、シェル実行は不要です。ユーザーが `.github/workflows/` ファイルを共有したとき、ワークフロー YAML を貼り付けたとき、CI/CD セキュリティレビューを依頼したとき、または `pull_request_target`、`workflow_run`、アクションのバージョン固定、`GITHUB_TOKEN` の権限、pwn request、テンプレートインジェクション、キャッシュポイズニング、シークレットの窃取、サプライチェーンリスク、GitHub Actions の強化に関する話題に触れたときは、このスキルを使用してください。OSS リポジトリの強化、CI/CD のレッドチーム評価、サプライチェーンスキャン対象の評価、CI/CD セキュリティに関する公開記事の執筆時にもトリガーしてください。記憶だけで回答するより、このスキルの使用を優先してください。ほとんどの環境で CI/CD セキュリティのデフォルト設定は不適切で、ルールも直感的ではありません。
AWS SDK for Python（boto3/botocore）の開発パターン。boto3 または botocore 経由で AWS サービスを使用する Python コードを書く際は、必ずこのスキルを使用してください。サービスクライアントやリソースの作成、セッションと認証情報の設定、ClientError によるエラー処理、ページネーターとウェイターの使用、S3 ファイル転送と署名付き URL、DynamoDB テーブル操作、boto3/botocore クライアントの各種設定が含まれます。Python コードが boto3 または botocore をインポートする場合や、ユーザーが Python での AWS 操作について尋ねた場合は、必ず使用してください。
Grafana Loki のログ集約と LogQL クエリ言語。LogQL の構文（ログクエリ、メトリクエリ、ラベルマッチャー、ラインフィルター、パーサー：json/logfmt/pattern/regexp/unpack、ラベルフィルター、line_format）、Loki のアーキテクチャ、Alloy/Promtail/Fluent Bit によるログ取り込み、構造化メタデータ、Logs Drilldown を扱います。LogQL クエリの作成、Loki の設定、ログパイプラインのトラブルシューティング、ログの分析に使います。
このスキルは、公開クライアントライブラリと REST API を使用して Google Cloud Workload Manager の評価、ルール、スキャン済みリソース、検証結果を管理します。ワークロードのベストプラクティスルールの確認、Google Cloud 全般のベストプラクティス、SAP、SQL Server、または組織独自のルールに対する評価の作成と実行、違反の確認、結果を BigQuery にエクスポートする cravings needed場合、およびサービス固有の公開 CLI や MCP サーバーが存在しないためクライアントライブラリ経由で Workload Manager を自動化する必要がある場合に使用します。一般的な Google Compute Engine のインスタンス管理、VPC 設定、標準的な IAM 監査には使用しないでください。
OpenTelemetry（OTel）メトリクスを使用して AI エージェントにベストプラクティスのアラートポリシーを設定し、出力を Terraform（.tf）設定ファイルとして生成する。エージェントのレイテンシ、エラー率、トークン使用量、品質メトリクスを監視するためのアラートポリシーを分析・作成・デプロイする際に使う。AI エージェントと無関係な標準的なインフラ監視や、OpenTelemetry で計測されていないエージェントには使わないこと（信頼性、コスト、安全、セキュリティのアラートの場合）。注意：信頼性、コスト、安全、セキュリティのアラートは汎用の OTel メトリクスを使い、Cloud Run や Vertex AI などのランタイム agnostic に機能する。品質アラートは Vertex AI Online Monitors に依存し、Vertex AI のデプロイに厳密に紐づく。
GKE 上で AI/ML 推論ワークロードをデプロイし最適化する。GPU、TPU、モデルサーバーを利用する。GKE の推論サーバーのデプロイ、推論のための GKE GPU リソースの設定、GKE 上での LLM のデプロイ時に使用してよい。既存の AI ワークロードを GKE へ移行する場合（google-cloud-solution-guided-gke-ai-migration を使用）、Cloud SQL/AlloyDB を用いた GKE の RAG（google-cloud-solution-rag-enterprise-search-gke-sqldb を使用）、バッチ/HPC（gke-batch-hpc を使用）には使用しないこと。
Windows アプリケーションを Microsoft Store に公開するための Microsoft Store Developer CLI（msstore）。Store の資格情報の設定、Store アプリの listings、提出状況の確認、提出の公開、パッケージフライトの管理、Store 公開のための CI/CD の設定、Partner Center との統合を求められたときに使用します。Windows App SDK/WinUI、UWP、.NET MAUI、Flutter、Electron、React Native、PWA アプリケーションに対応しています。
Miaoda（Spark/Miaoda）アプリの開発とホスティング：アプリの作成、ローカルでのフルスタック開発、クラウドでの生成と反復、クリエイティブデザイン（UI モックアップ／インタラクティブなプロトタイプ／ワイヤーフレーム／ランディングページ／ダッシュボード／スライドデッキ／ビジュアル探索）、AI 関連機能や Feishu プラットフォーム機能、その他の外部機能との統合、ログ／Trace／監視指標／PV／UV の確認、環境変数の管理、アプリのコラボレーターと共同作業権限の設定、アプリのロールとメンバーの管理、自動化トリガー（スケジュール／レコード変更／Webhook／Feishu 承認）。システム・ツール・プラットフォーム・アプリの開発や新規作成、ローカル／クラウドでの開発、変更、デプロイ、公開、リリース、共有可能なリンクの取得、HTML によるページやウェブサイトの作成と Miaoda へのデプロイ、デザイン／モックアップ／プロトタイプ／ワイヤーフレーム／PPT／デッキ／ビジュアル探索を希望する場合に使用。また、Miaoda/Spark/Miaoda アプリ（`/app/app_xxx` または `/page/<token>` 形式のリンク、*.aiforce.cloud 形式の実行時ドメイン）、アプリデータベース、アプリファイルストレージ、公開 API Key、公開範囲、アプリのコラボレーター／開発権限、アプリのロール／ロールメンバー、本番ログ、API リクエスト数、エラー数、レイテンシ、アクセス数、環境変数、Miaoda アプリの自動化タスク／スケジュールトリガー／承認後の自動トリガーに関する場合にも使用。通常のクラウドドライブへのファイルアップロード（lark-drive）、Feishu ドキュメントの編集（lark-doc）、ネイティブのスライド作成（lark-slides）は対象外。
Standard クラスタと Autopilot クラスタの両方に対し、Google Kubernetes Engine (GKE) のアップグレードとメンテナンス操作を計画・実行・検証する。アップグレード計画、アップグレード前後のチェックリスト、gcloud コマンドを含むメンテナンスランブック、リリースチャネル戦略、トラブルシューティングガイドを作成する。ノードプールのアップグレード戦略（surge、蓝緑）、バージョン互換性、PDB 管理、ワークロード固有の考慮事項（ステートフル、GPU、オペレーター）も扱う。GKE アップグレード、Kubernetes のバージョン更新、ノードプールメンテナンス、GKE のパッチ適用、クラスタのバージョン管理、リリースチャネルの選択、メンテナンスウィンドウ、surge アップグレード、アップグレードの停止など、GKE ライフサイクル管理に関するタスクにはユーザーが何気なく言及した場合でもこのスキルを使う（"クラスタをアップグレードしたい""次回の GKE メンテナンスを計画して""アップグレードが止まった"など）。GKE クラスタの作成、アプリのオンボーディング、一般的なネットワーク/ルーティング設定、セキュリティポリシーの設定には使用しない（代わりに gke-basics やその他の該当する GKE スキルを使う）。
JDBC データベース（Oracle、SQL Server、PostgreSQL、MySQL、RDS）、Redshift、Snowflake、BigQuery への AWS Glue 接続の作成とトラブルシューティングを行う。ユーザーから接続情報のヒントを聞き、既存の接続と RDS/Redshift の候補を検出し、Secrets Manager や IAM データベース認証に資格情報を登録し、VPC を設定してテストする。トリガー語：データベースに接続、Glue 接続の設定、データソースの登録、Snowflake/BigQuery/RDS への接続、接続タイムアウト、接続テスト、接続のトラブルシューティング。データの移動（ingesting-into-data-lake を使用）、テーブルの作成（creating-data-lake-table を使用）、クエリ（querying-data-lake を使用）、カタログの探索（exploring-data-catalog を使用）、SaaS（Salesforce、ServiceNow、SAP、MongoDB、Kafka）には使用しない。
配布用にGodot 4.7プロジェクトをエクスポートしてビルドします。エクスポートテンプレートのインストール、エクスポートプリセット（Windows/macOS/Linux/Web/Android）の定義、CI向けのヘッドレスコマンドラインエクスポートの実行、Web（HTML5）のCOOP/COEPおよび専用サーバー／ヘッドレスビルドへの対応を行います。Godotゲームのエクスポート、export_presets.cfgの設定、Web／デスクトップ／モバイル向けのビルド、コマンドラインからのビルド自動化に使用します。
Azure CLI の探索と Azure Verified Modules (AVM) を使って、既存の Azure リソースを Terraform にインポートする。稼働中の Azure インフラをリバースエンジニアリングしたいとき、既存のサブスクリプション/リソースグループ/リソース ID から Infrastructure as Code を生成したいとき、依存関係をマッピングしたいとき、ダウンロードしたモジュールソースから正確なインポートアドレスを導出したいとき、設定のドリフトを防ぎたいとき、およびあらゆる種類の Azure リソースに対して検証と plan の準備ができて AVM ベースの Terraform ファイル NOV を生成したいときに使う。
Flox（宣言的な Nix ベースの環境マネージャー）で、再現性のあるクロスプラットフォーム（macOS/Linux）の開発環境を作成する。プロジェクトツールチェーンの準備、システムレベル依存（コンパイラ、データベース、ネイティブライブラリ）のインストール、チーム向けにパッケージバージョンを固定する、開発者オンボーディング、ローカルサービス（PostgreSQL、Redis、Kafka）の実行、「自分のマシンでは動く」問題の解決にを使う。sudo なしでプロジェクトスコープのツールが必要な Agent／vibe-coding 環境も対象。.flox/、manifest.toml、flox activate、FloxHub に言及した場合も使う。
コマンドラインから Vercel プロジェクトをデプロイ、管理、点検、トラブルシューティングする。Vercel のデプロイ、Vercel Toolbar のコメント、ビルド失敗、プロジェクトとチーム、環境変数、ドメインと DNS、ログ、メトリクス、Speed Insights、Core Web Vitals、リクエストトレース、使用量、アクティビティ、アラート、ファイアウォールルール、キャッシュ、cron ジョブ、デプロイフック、Edge Config、機能フラグ（`vercel flags`）、インテグレーション、コネクター、Blob ストレージ、コンテナレジストリ（VCR）、マイクロフロントエンド、ロールアウトリリース、カスタム環境、Sandbox、agent/MCP 設定、プレビューアクセス、ローカル開発、`vercel api` フォールバック_entropy適用。
sf CLI v2 を使用した Salesforce DevOps の自動化。次の場合に使用：メタデータのデプロイ、デプロイの検証またはドライラン、Production 組織へのデプロイ、検証済みジョブ ID のクイックデプロイ、本番環境へのリリース／昇格、scratch org または sandbox の作成／管理、CI/CD パイプラインの設定、sf project deploy によるデプロイエラーのトラブルシューティング。次の場合は使用しない：Apex コードの作成、LWC コンポーネントの構築（experience-lwc-generate を使用）、メタデータ定義の作成（platform-custom-object-generate を使用）、組織からのメタデータ削除（platform-destructive-deploy を使用）、組織データのクエリ（platform-data-manage を使用）。
Cloud Logging、Cloud Monitoring、マネージド Prometheus など、GKE の可観測性を設定します。GKE のモニタリングやロギング、Prometheus のメトリクス収集の設定、および Managed Service for Prometheus（GMP）のメトリクス欠落、スクレイプ対象の異常、PodMonitoring の設定ミス、ルール／アラート評価の失敗、モニタリング権限エラーなどの問題のトラブルシューティングに使用します。ローカルのアプリケーションログフレームワークや、GKE 外部の APM の設定には使用しないでください。
GitHub Actions ワークフローを監査し、Claude Code Action、Gemini CLI、OpenAI Codex、GitHub AI Inference などの AI エージェント連携におけるセキュリティ脆弱性を検出する。攻撃者が制御可能な入力が CI/CD パイプラインで動作する AI エージェントに到達する攻撃ベクトルを、环境変数中継パターン、直接式インジェクション、危険なサンドボックス設定、ワイルドカードのユーザー許可リストなど.Callback形で見つける。AI コーディングエージェントを呼び出すワークフローファイルの確認、プロンプトインジェクションリスクに対する CI/CD パイプラインセキュリティの監査、エージェント型アクション設定の評価_byteに使��。
GKE クラスタのコアネットワークを設計、設定、管理します。プライベートクラスタ、VPC ネイティブ構成、DHS、ノードの送信通信、Dataplane V2、IP 計画を対象とします。GKE のネットワークレイアウトの設計、プライベートクラスタの設定、Dataplane V2 の導入、GKE の IP レンジの計画、VPC ネイティブのクラスタモードの管理に使用します。アプリケーションの Ingress、ロードバランシング、サービスネットワークには使用しないでください（代わりに gke-service-networking を使用してください）
AWS Glue Data Catalog の資産（S3 Tables、Redshift フェデレーテッド、リモート Iceberg カタログ）の完全な棚卸しと監査。トリガー：カタログの棚卸し、データベースの監査、全テーブルの一覧、カタログ概要、データ全体像、カタログの列挙、データインベントリ、カタログ検索。特定のデータの探索（finding-data-lake-assets）、クエリの実行（querying-data-lake）、テーブルの作成（creating-data-lake-table）には使用しないでください。
デフォルトおよびフェデレーテッドカタログ（Glue、S3 Tables、Redshift）全体で Athena SQL クエリを実行・管理。トリガー：データのクエリ、SQL の実行、athena クエリ、テーブルの分析、SQL クエリ、workgroup のステータス、テーブルのプロファイル、Redshift カタログのクエリ、S3 Tables のクエリ。特定のデータ資産の探索（finding-data-lake-assets）、カタログ全体の監査（exploring-data-catalog）、データの取り込み（ingesting-into-data-lake）には使用しないでください。
sf project retrieve start で組織のメタデータをローカルプロジェクトに取得する際は、常にこのスキルを使用する。すべての変更、ソースディレクトリ、メタデータタイプ（ワイルドカード）、マニフェスト（package.xml）、パッケージ名での取得に対応し、ソース形式またはメタデータ（ZIP）形式Advances選択できる。ユーザーがメタデータ、Apex クラス、カスタムオブジェクトの取得、プル、同期、ダウンロードを求めた場合_CALLBACK。メタデータのデプロイ（platform-metadata-deploy を使用）、メタデータの一覧表示、package.xml の生成（platform-manifest-generate を使用）にはトリガーしない。MCP ツールは絶対に使用しない。
Amazon S3 Vectors を使ってベクトル埋め込みを保存・検索します。S3 Vectors は独自の API 名前空間（s3vectors）を備えた、コスト効率の高い長期ベクトルストレージサービスです。発動条件：S3 ベクトルバケット作成、ベクトルインデックス、埋め込みの保存、语义検索、RAG ベクトルストレージ、類似度検索、ベクトルデータベース、他ベクトル DB からの移行。使用了いいけません：表形式データの検索（querying-data-lake を使用）、S3 オブジェクトストレージ、数百〜数千 QPS の継続的なクエリ（OpenSearch を使用）。
GKE のストレージ（PVC、PersistentVolume、Filestore）を管理します。GKE ストレージの設定や PVC の作成時に使用します。GCS FUSE のマウントには google-cloud-storage-fuse を使用してください。ストレージ障害（ボリュームのアタッチ／マウントエラー、ディスク的性能やノードのストレージ圧迫、Cloud Storage FUSE の OOM）の診断には gke-storage-troubleshooting を使用してください。ボリュームのプロビジョニング以外のデータベース管理やレプリケーション戦略には使用しないでください。
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。