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 97,501 件掲載。コマンド 1 行でインストールできます。
データ・データベース
推定される天然物をデリプリケーションし、その化学分類を割り当てます。"is [compound] a known natural product"、"what microbe/organism produces [compound]"、"what chemical class is [compound]"、"dereplicate this metabolite (by formula/exact mass/InChIKey/SMILES)"、"classify this molecule into ChemOnt" に答えるために使用します。NPAtlas で既知の微生物天然物（産生生物 + 文献参照）を検索し、ClassyFire を介して ChemOnt の kingdom→superclass→class→subclass 階層を割り当て、OPSIN を介して体系的な IUPAC 名を構造に解決し、PubChem で同一性を照合します。一般的な薬剤/化合物の同一性や ADMET には使用しません（tooluniverse-chemical-compound-retrieval / tooluniverse-small-molecule-discovery を使用）。メタボロミクスのパスウェイ/エンリッチメント解析にも使用しません（tooluniverse-metabolomics スキルを使用）。
Amazon Payments レポートの手数料エラーを監査します。不正確な FBA 配送手数料（サイズ区分の誤り）、返金時の紹介手数料クレジットの欠落、重複請求、FBA 保管料の不一致を検出し、各指摘について FBA 手数料不一致のケースパッケットを作成します。ユーザーが Amazon の手数料エラー、過剰請求、誤ったサイズ区分、紹介手数料の返金欠落、手数料監査、Payments レポートの分析について尋ねたときに使用します。トリガーフレーズ："fee audit"、"overcharged"、"wrong fee"、"size tier error"、"referral fee refund"、"payments report"、"FBA fee dispute"。ツールは不要です。ユーザーが Payments レポートの行を貼り付けます。
Amazon FBA 在庫をエンドツーエンドで計画する。発注タイミングと数量、安全在庫、週ごとの在庫日数を算出し、12 週間の発注スケジュールを組み、ASIN 単位の補充上限と季節係数を適用し、IPI スコアのレバーを監視し、滞留在庫と長期在庫を可視化する。ユーザーが補充、いつ発注するか、いくつ発注するか、在庫切れ、IPI スコア、補充上限、ASIN 補充上限、在庫日数、90 日予測、補充スケジュール、長期保管手数料、長期在庫、滞留在庫について尋ねたときに使用する。トリガーフレーズ。"inventory management"、"when to reorder"、"restock"、"safety stock"、"IPI score"、"stockout"、"aged inventory"、"long-term storage"、"reorder schedule"、"forecast"、"days of cover"、"ASIN restock limit"。ツールなしで動作する。ユーザーが販売速度とリードタイムを提供する。
ASIN ごとおよびポートフォリオ全体で Amazon の真の収益性を分析する。単品ごとの手数料にとどまらず、広告、返品、保管、プロモーション、隠れた手数料を含め、実際にどこで儲かりどこで損しているかを見つける。ユーザーが収益性、真の純利益、どの商品が儲かるか、利益が予想より低い理由、ポートフォリオの利益分析、粗利を食う隠れた手数料について尋ねたときに使用する。トリガーフレーズ："profit analysis"、"true profit"、"net margin"、"which products are profitable"、"where is my money going"、"hidden fees"。ツールなしで動作する。ユーザーが売上、手数料、コストの数値を貼り付ける。
Amazon 検索語レポート（5 万行以上）を 4 つの実行可能なバケットに解析する：除外の完全一致、除外フレーズ、完全一致の収穫語、主力の拡大語。60% の機会を見落とす目視確認に代わり、数分でバルク操作にアップロード可能なファイルを生成する。ユーザーが STR、PPC バルクシート、検索語分析に言及したときに使用する。トリガーフレーズ："search term report"、"STR analysis"、"PPC bulksheet"、"negative keywords bulk upload"、"harvest exact match"。ツールなしで動作する。
ユーザーがアナリティクスのトラッキングと計測の設定・改善・監査を望むとき。また、ユーザーが「set up tracking」「GA4」「Google Analytics」「conversion tracking」「event tracking」「UTM parameters」「tag manager」「GTM」「analytics implementation」「tracking plan」「how do I measure this」「track conversions」「attribution」「Mixpanel」「Segment」「are my events firing」「analytics isn't working」に言及したときにも使用する。何かが機能しているかを知りたい、またはマーケティングの成果を計測したいと誰かが求めたときはいつでも使用する。A/B テストの計測については ab-testing を参照。
CoinMarketCap DEX エンドポイントの API リファレンス。トークン検索、プール、取引、トレンド、セキュリティ分析を含む。ユーザーが DEX API に言及したとき、オンチェーンのトークンデータについて尋ねたとき、コントラクトアドレスでトークンを調べたいとき、セキュリティ/rug リスクのチェックが必要なとき、DEX 統合を構築しているときはいつでもこのスキルを使用。CMC DEX API に関する質問の決定版リファレンス。トリガー："DEX API"、"token by contract address"、"CMC security API"、"liquidity pool API"、"/cmc-api-dex"
蝉妈妈の EC データ照会：インフルエンサー調査（インフルエンサー/配信者/KOL の検索、インフルエンサーの絞り込み、フォロワー属性、販売データ、販売ランキング、XX が何を販売したか）、商品調査（売れ筋ランキング/ヒット商品/この商品の売れ行き/販売インフルエンサー/ユーザーレビュー/商品分析）、店舗調査（店舗データ/店舗の売上/関連商品/販売動向分析）、ブランド調査（XX ブランドの市場での実績/市場シェア/競合比較/ブランドの販売トレンド）、ライブ配信調査（ライブ配信ルームのデータ/視聴者数/コメント分析/ライブ配信の商品/ライブ配信の売上）、動画調査（ヒット動画/人気動画/千川素材/動画の販売データ/動画ランキング）、カテゴリ調査（カテゴリのトレンド/市場分析/カテゴリデータ/属性特徴の分析）。ユーザーが抖音（Douyin）のデータや抖音 EC 関連のデータについて尋ねるときにこの Skill を使用する。
読み手が 3 秒で結論をつかめるように、データセットを表現する正しい方法を選ぶ——20 種類以上のチャートと図の形式のカタログ、それぞれの使用場面と失敗モード、さらにどれでも読みやすくするエンコーディングの判断（要点を伝える見出し、直接ラベル、軸を消す、ハイライトとミュート、注意点の明示）を提供する。スタイル非依存——出力先がすでに持つパレットやデザインシステムと組み合わせて使える。投稿、ブリーフ、デッキ、レポートのために調査結果、ベンチマークデータ、利用指標、研究知見をチャート化するとき、また既定の棒グラフが要点を埋もれさせていると感じるときに使用する。
このスキルを使用して、外部ソース（CSV、PDF、ウェブサイト）からコースカタログデータを移行し、Education Cloud で Learning および LearningCourse レコードを一括作成します。ユーザーがコースをインポートしたい、コースカタログ文書を解析したい、または学期のコースカタログを設定したいときにトリガーされます。マルチソースのデータ取り込み、コース構造のインテリジェントな解釈（IsLinkedOnly フラグで関連付けられた講義+実験コース、単位数、コース種別）、sObject REST API による一括作成、データ品質の検証、既存コースの競合解決、ギャップの特定を処理します。何が不足しているか（説明、種別）を説明し、追加ソースを要求します。複数コンポーネントのコースや競合するデータについては明確化のために一時停止します。個々の Learning Course レコードを手動で作成する場合、Learning Program を作成する場合（ワークフローが異なります）、または受講登録／登録ワークフローではトリガーしないでください。
リアルタイムの Etherscan データと人手で検証可能な Etherscan 証拠リンクを使って、1 ～ 2 件の EVM トランザクションを分析・説明する。ユーザーがトランザクションハッシュを提示した場合や、何が起きたか、トランザクションが失敗した理由、関与したコントラクトや内部呼び出し、資産の移動先、プロキシ実装が実行されたか、どの呼び出しがリバートしたか、2 件のトランザクションの挙動が異なる理由を尋ねた場合に使用する。裏付けのある実行パスを再構成し、呼び出しとイベントをデコードし、資産と権限の変更を要約し、関連する Etherscan のトランザクション・コントラクト・トークン・ラベル・ログ・内部トランザクションのビューを示し、平易な英語、開発者向け、サポート向け、セキュリティ重視の説明を確度と限界とともに提供する。広範なウォレット調査、マルチホップの資金洗浄追跡、完全なコントラクト監査には使用しない。
Kafka 上のストリーム処理向けに、Java で Apache Flink のユーザー定義関数（UDF）を構築・デプロイする。Java でスカラー UDF、ユーザー定義テーブル関数（UDTF）、プロセステーブル関数（PTF）を作成し、Confluent Cloud やローカルの Docker 環境にデプロイして、Flink SQL や Table API から呼び出したいときにこのスキルを使用する。トリガー:Flink UDF、カスタム Flink 関数、process table function、PTF、UDTF、Flink user defined、extend Flink SQL、stateful stream processing with Flink。トリガーしない:Kafka Streams の UDF（kafka-streams-programming スキルを使用）、カスタム関数を含まない一般的な Flink ジョブ開発、Flink を含む CDC ストリーミングデータパイプライン（confluent-cloud-cdc-tableflow スキルを優先）、Flink connector の設定、Kafka のプロデューサー/コンシューマーコード。
Frappe v14-v16 で frappe.qb を使ってデータベースクエリを構築するときに使用。PyPika ベースのクエリビルダーを扱う：SELECT、INSERT、UPDATE、DELETE、結合、集計、サブクエリ、データベース間の互換性（MariaDB/PostgreSQL）、生の SQL からの移行。SQL インジェクションとデータベース固有の bug を防ぐ。キーワード：frappe.qb、query builder、DocType、Field、pypika、join、frappe.qb example、how to write query、join tables、SQL replacement、parameterized query、aggregate、ImportMapper、cross-database、parameterized query。
SAP AI Core Context Registry を管理する —— データデスティネーション（HDL 接続）、表形式アーティファクト（クエリ可能なテーブルとしての CSV/Parquet/Delta ファイル）、シナリオ設定（名前付きアーティファクトバンドル）。さらに SAP AI Core Tabular Prediction サービス（sap-rpt-1-small / sap-rpt-1-large）を使って表形式予測リクエストを対話的に構築・送信する。ユーザーが context registry、データデスティネーション、表形式アーティファクト、シナリオ設定、TCR、HDL 接続に言及した場合、または SAP AI Core で構造化データソースを登録／一覧表示／削除したい場合にこのスキルを使用する。tabular-orchestration / tcr API の作業では常にこのスキルを使用し、ユーザーが "show me my data destinations" や "register this CSV as a tabular artifact" と尋ねるだけの場合でも同様とする。次にも使用：SAP AI Core 表形式予測、sap-rpt 予測、"predict a column with sap-rpt"、TCR 行分類。一般的なオーケストレーション、汎用 ML 予測、LLM パイプラインには使用しない —— それらには `genai-hub-orchestration` を使用する。SAP AI Core TCR に関係しない一般的な分類／予測リクエスト（例："predict sales next quarter"、"classify this text"）には使用しない。
ユーザーの Chrome プロファイルを使って LinkedIn プロフィールをスクレイプする。リードの探索、LinkedIn プロフィールのスクレイプ、LinkedIn からの連絡先データの抽出、見込み客リストの作成を求められたときに使用する。トリガーには "find founders on LinkedIn"、"scrape this LinkedIn profile"、"get LinkedIn data for these people"、"build a lead list from LinkedIn" が含まれる。
Amazonの逆引き商品選定：過去のビジネス洞察レポートをもとに蓄積した指標データプールを使用し、市場規模と成長、価格帯と価格帯別シェア、競争密度と上位企業への集中度、年齢・性別・収入などの顧客層プロフィール、レビューでの訴求点や課題など、30以上のビジネス指標からAmazonの市場分野やキーワードを絞り込みます。逆引き商品選定、指標による絞り込み、ニッチ市場の逆引き、ブルーオーシャンニッチの発掘、低競争ニッチ、初心者向けニッチ、ブランドが分散した市場、課題を切り口にした選定、訴求点の逆引き、価格帯の機会、顧客層プロフィールに基づく商品選定、Amazon niche reverse search、niche metrics filter、low-competition niche、blue ocean niche、demographic-based selection、pain-point niche、price tier opportunity、sweet spot pricing、brand fragmentationに言及した場合に起動します。「逆引き商品選定」と明言していなくても、ビジネス指標に基づいて条件に合うAmazonの市場分野を絞り込みたい場合は起動します。
RevOS MCP サーバーを通じて RevOS のアクション（連携がテーブルの各行に対して実行する操作。会社を NetSuite に同期する、連絡先情報を補完する、取引を HubSpot に送るなど）とその実行履歴を確認、実行、デバッグします。失敗した、同期されなかった、結果がおかしい場合（「この取引が NetSuite に届かなかったのはなぜ？」「同期が赤くなっている」「このエラーの意味は？」）、ユーザーが利用可能なアクションやアクション列の処理内容を確認したい場合、一部またはすべての行でアクションを実行または再実行したい場合、ID やリンクからレコードをすぐに同期したい場合（「この取引を同期して」「今すぐこの会社を送って」）に使用します。ユーザーが「アクション」という言葉を使わなくても対象です。`action-runs` リソースに対する最初の api_read または api_write の前に読み込んでください。ソースシステムを RevOS に同期する場合（「HubSpot を同期して」「データは最新？」）は `connections` スキルを使用します。
Amazon Brand Analytics レポートを意思決定に変える。Search Query Performance、Search Catalog Performance、Market Basket、Repeat Purchase、Top Search Terms のエクスポートを読み込み、優先順位付けしたアクションに変換する。ユーザーが Brand Analytics データを貼り付けたり説明したりする場合、Search Query Performance、SQP、マーケットバスケット分析、検索頻度ランク、クリックシェア、コンバージョンシェア、リピート購入行動について尋ねる場合、または Brand Analytics が何を示しているのか知りたい場合に使用する。トリガーフレーズ：\"brand analytics\"、\"SQP\"、\"search query performance\"、\"market basket\"、\"click share\"、\"conversion share\"、\"repeat purchase\"。ツールなしで動作する。ユーザーがレポートデータを貼り付ける。
SKU の寸法、個数、目的地の予測を踏まえ、Amazon の入庫貨物の配置オプション（最小分割と Amazon 最適化分割、部分分割、任意の統合在庫）を比較する。1 個あたりの最も低い着地コストを返す。ユーザーが STA（Send to Amazon）、入庫配置手数料、貨物の分割、フルフィルメントセンターのルーティング、入庫輸送の最適化について尋ねたときに使用する。トリガーフレーズ：\"STA\"、\"inbound placement\"、\"shipment split\"、\"placement fee\"、\"fulfillment center routing\"。ツールなしで動作する。
Best Seller Rank から Amazon の月間販売数と売上を推定し、観察可能なシグナルからニッチや競合の規模を見積もる。BSR と販売数の関係を説明し、カテゴリーと価格で調整し、信頼度の注記を付けた販売数レンジを返す。ユーザーが商品が何個売れるか、BSR から販売数を推定したい、市場やニッチの規模を測りたい、競合の販売量を知りたい、需要を判断したいと質問したときに使用する。トリガーフレーズ："sales estimate"、"how many units"、"estimate from BSR"、"best seller rank"、"market size"、"competitor sales"、"monthly sales"。ツール不要で動作する。ユーザーが BSR、カテゴリー、価格を提供する。
欧州 11 か国/地域（CZ、SK、PL、DE、UK、NL、RO、HR、SE + EU レベル + ESG）の公的登記所から公式な企業データを照会する。会社登記、所有権、財務申告、VAT ステータス、ESG データを網羅する。ユーザーが「会社を調べる」「登記所を確認する」「会社情報を探す」「IČO/KRS/LEI/CRN を調べる」「会社のデューデリジェンス」「VAT ステータスを確認する」「所有権構造を調べる」を求める場合、または欧州の登記所からの公式データを必要とする場合に使用する。追跡対象の会社は data/companies.json から読み込む。一部の照会は Python スクリプト（標準ライブラリ）を使用し、一部はスクレイピングベースの登記所向けに Apify actors にフォールバックする。
Apache Doris 向けのワークロードを考慮したアーキテクチャ設計。データアーキテクチャの設計、データモデルの選択、取り込み戦略の計画、クラスターのサイジング、ビジネス要件の Apache Doris システム設計への変換を行うときは必ず使用。意思決定フレームワークとサイジング優先のワークフローで doris-best-practices を補完する。ユーザーが次のようなワークロードを説明したときに使用：IoT、センサーデータ、テレメトリ、リアルタイム分析、ダッシュボード、ログ分析、ログ検索、CDC 同期、時系列、デバイス監視、ポイントクエリサービス、アドホック分析、レイクハウス連携、ETL/ELT パイプライン、レポート分析、クリックストリーム、ユーザー行動、可観測性、メトリクス、フリート追跡、またはゼロからテーブル設計が必要なあらゆる OLAP ワークロード。次のようなプロンプトでもトリガーされる："design a table for..."、"how should I store..."、"build an architecture for..."、"we have X devices sending data every Y seconds"、"recommend a cluster size for..."、"what data model should I use for..."、"we need to ingest X GB/day"、"migrate from MySQL/PostgreSQL to Apache Doris"。Apache Doris が明示的に名指しされていない場合でも、従来の分析/検索/サービングスタックの統合に関するプロンプトに使用。Impala、Kudu、Elasticsearch/ES、Greenplum、Presto、HBase、Hive、Hadoop、Redis、または Lambda 型のマルチエンジンデータプラットフォームからの置き換えや移行を含む。
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。