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。
データ・データベース
MCP Developer エンドポイント経由で Materialize 環境を分析し、必要に応じて MCP クライアント（Claude Code、Cursor、VS Code、Zed、Continue、Windsurf、Claude Desktop）を設定して materialize-developer サーバーに接続します。分析では、環境の健全性確認、パフォーマンス調査、古くなったマテリアライズドビューのトラブルシューティング、メモリ負荷の診断、コンパクションを妨げている一時停止中のクラスターの特定、リソース使用状況の監査、ユーザーオブジェクトへの EXPLAIN ANALYZE の実行、最適化の推奨事項の取得を行います。クライアント接続では、MCP クライアントを設定して materialize-developer（Emulator、Cloud、またはセルフマネージド環境）に接続し、使用するユーザー/ロールを制御し、ID を切り替えます。「環境を確認して」「MV が古いのはなぜ」「クラスターが遅いのはなぜ」「何を最適化できる」「マテリアライズドビューで explain analyze を実行」「Claude Code を materialize-developer に接続する方法」「Materialize MCP 用に Cursor を設定して」などの依頼でも使用します。
トラッキングと指標の設計案ジェネレーター。プロダクト要件やコアなユーザージャーニーから、完全なトラッキング設計ドキュメント（イベント、フィールド、発火タイミング、指標定義、QA 検証チェックリスト）を出力する。発動条件：ユーザーが「トラッキング」「event design」「データ収集」「送信設計」「トラッキング設計」「イベント仕様」「フィールド設計」「指標定義」「データ検収」「QA 検証」などのキーワードに言及したとき。また次にも適用する：ユーザーがプロダクト PRD／要件ドキュメントを提示してトラッキング設計の作成を求めたとき；ユーザーがコアなユーザージャーニーを提示してイベントの分解を求めたとき；ユーザーがイベント命名やフィールド定義の標準化を求めたとき；ユーザーがデータ検収の設計を求めたとき。典型的な入力：イベント命名規則 + フィールド辞書 + コアジャーニーの説明／フローチャート。適用外：純粋なデータ分析（pm-analytics を使用）、純粋な BI ダッシュボード構築、純粋な SQL クエリの記述。
scikit-learn スタイルの API による地球統計解析。バリオグラムの計算、クリギング補間、空間相関分析を行う。エージェントが次のことを必要とする場合に使用する：(1) 空間データから実験的バリオグラムを計算する、(2) バリオグラムモデル（球状、指数、ガウス、Matern）をフィットする、(3) 通常クリギングまたは普遍クリギング補間を実行する、(4) 方向性バリオグラムで空間異方性を評価する、(5) 空間モデルを交差検証する、(6) 時空間データを分析する、(7) 他の地球統計ソフトウェア向けにバリオグラムパラメータをエクスポートする。
DataForSEO MCP サーバー経由のライブ SEO データ。SERP 分析（Google、Bing、Yahoo、YouTube、Google Images）、キーワードリサーチ（ボリューム、難易度、インテント、トレンド）、被リンクプロファイル、オンページ分析（Lighthouse、コンテンツ解析）、競合分析、コンテンツ分析、ビジネスリスティング、AI 可視性（ChatGPT スクレイパー、LLM メンション追跡）、ドメイン分析。DataForSEO 拡張機能のインストールが必要。ユーザーが「dataforseo」「live SERP」「keyword volume」「backlink data」「competitor data」「AI visibility check」「LLM mentions」「image SERP」「google images」「image rankings」「real search data」と言う場合に使用する。
Firecrawl MCP によるアドホックな Web スクレイピング、サイトマッピング、サイト全体のクロール。生の HTML、解析済みメタデータ（og:*、twitter:*、JSON-LD、canonical、robots）、JS レンダリング後の DOM、WebFetch では取得できないスクリーンショットを返す。SE Ranking 系スキル（キーワード/トラフィック/SERP データを提供）や WebFetch（markdown の文章のみを提供）とは異なる。ユーザーが「このページをスクレイプして」「このサイトをクロールして」「このサイトをマップして」「〜上のすべてのページを探して」「OG タグを取得して」「JSON-LD を取得して」「この JS 多用ページをレンダリングして」と言った場合、または生の HTML head メタデータ、構造化データスクリプト、JS 実行後の DOM が実際の成果物となるあらゆるタスクに使用。生の HTML を必要とする他のスキルからサブステップとして呼び出されることもある。
SimpleITK Python を用いて 3D 医用画像（MRI、CT、顕微鏡画像）の位置合わせ、セグメンテーション、フィルタリング、リサンプリングを行います。DICOM、NIfTI、マルチモーダルに対応。剛体/アフィン/変形位置合わせ、閾値/領域拡張法によるセグメンテーション、ガウス/モルフォロジーフィルタリング、ラベル統計、形式変換。時点やモダリティをまたぐボリュームの位置合わせ、蛍光画像のセグメンテーション、DICOM→NIfTI の変換に使用します。
プロセスベースの離散事象シミュレーション。待ち行列、共有リソース、時間指定イベントをモデル化：製造、サービス業務、ネットワークトラフィック、物流。プロセスはイベントを yield する Python ジェネレータです。リソース：容量制限（Resource/Priority/Preemptive）、バルク（Container）、オブジェクト（Store、FilterStore）。連続系には SciPy ODE、エージェントベースには Mesa を使用してください。
スプレッドシートファイルが主要な入力または出力となる場合は、常にこのスキルを使用します。既存の .xlsx、.xlsm、.csv、.tsv ファイルを開く、読み取る、編集する、修正する（列の追加、数式の計算、書式設定、グラフ作成、乱雑なデータの整理など）、新しいスプレッドシートを一から作成する、または他のデータソースから作成する、表形式ファイル間で変換するタスクが対象です。ユーザーがスプレッドシートのファイル名やパスに触れ（「ダウンロードにある xlsx」のような軽い言及も含む）、その処理や作成を求める場合は特に使用します。形式の崩れた行、ずれたヘッダー、不要データを含む乱雑な表データを適切なスプレッドシートに整理・再構成する場合も対象です。成果物はスプレッドシートファイルである必要があります。主な成果物が Word 文書、HTML レポート、単独の Python スクリプト、データベースパイプライン、Google Sheets API 連携の場合は、表データが関係していても使用しません。
世論モニタリングのスキルで、最終的に世論レポートを生成します。ユーザーが「ある出来事/トピックの世論はどうか」「世論はどうなっているか」「世論分析をして」「世論分析を実行して」と尋ねた場合、またはキーワード/プラットフォームでクロールして世論レポートを生成する場合に、このスキルを使用します。取り決め：世論に関連する意図であれば全フロー（クロール→感情分析→レポート生成）を実行します。クロールはこのスキルが担当し、感情分析はメイン Agent がプロンプトに従って自律的に判断し、レポートは generate_report が生成します。
Alpha Vantage API を通じて、リアルタイムおよび過去の株式市場データ、為替レート、暗号資産価格、コモディティ、経済指標、50 以上のテクニカル指標にアクセスする。株価（OHLCV）、企業のファンダメンタルズ（損益計算書、貸借対照表、キャッシュフロー計算書）、決算、オプションデータ、市場ニュース/センチメント、インサイダー取引、GDP、CPI、国債利回り、金/銀/原油価格、ビットコイン/暗号資産価格、為替レートの取得、またはテクニカル指標（SMA、EMA、MACD、RSI、ボリンジャーバンド）の計算に使用する。alphavantage.co の無料 API キーが必要。
matplotlib、seaborn、plotly を独自の出版スタイルで統括し、ジャーナル投稿可能な図を作成します。太字のパネルラベル付きマルチパネルレイアウト、統計的有意性の注釈、エラーバー、色覚に配慮したパレット (Okabe-Ito)、特定ジャーナルの書式 (Nature、Science、Cell) が必要なジャーナル投稿用の図を準備するときに使用します。生の低レベル描画や個々のプロット要素の細かな制御は対象外です。カスタムプロットを一から作る場合や各 artist と rcParam を細かく調整する場合は alterlab-matplotlib を優先してください。AlterLab Academic Skills スイートの一部です。
statsmodels による Python での統計モデリング——OLS/WLS/GLS、GLM、離散選択モデルとカウントモデル、混合モデル、ARIMA/SARIMAX/VAR を、診断、ロバスト標準誤差、係数レベルの推論とともに扱う。計量経済学、時系列、または係数表と信頼区間を伴う厳密な推論のために特定のモデルクラスを当てはめるとき、あるいは statsmodels 0.15 向けにコードを更新するとき（result_object は results という名前、rng キーワード）に使用。APA 報告を伴う統計検定の選択ガイドが必要な場合は alterlab-statistical-analysis を推奨。AlterLab Academic Skills スイートの一部。
このスキルは、ユーザーが Amazon の検索結果から商品データを自動的に抽出できるようにするためのものです。ユーザーがキーワードに関連する商品の検索、特定ブランドのベストセラー商品の検出、Amazon 上の商品価格と在庫状況の監視、市場調査のための商品リスティングの抽出、競合分析のための商品評価とレビュー数の収集、指定した最大件数までの特定商品の検索、ローカライズされた結果を得るための異なる言語での Amazon 検索、ブランド商品の月間売上推定の追跡、商品カタログ用の商品 URL とタイトルの収集、特定カテゴリでの Amazon の Best Seller タグのスキャン、ブランド商品の配送・配達情報の監視、Amazon 検索結果の構造化データセットの構築を依頼した場合、Agent はこのスキルを積極的に適用すべきです。
データベースの本番準備状況を GO/NO-GO グリッドで表示する — 読み取り専用の監査を実行し、その結果を固定のローンチチェックリスト（PITR／バックアップ、テナントテーブルの RLS、FK インデックス、金額を numeric で保持、timestamptz/UTC、接続プールのサイズ設定、マイグレーションの可逆性、secrets-not-in-schema、文字コード／utf8mb4）にマッピングする。各行は検出 id 付きの PASS/WARN/FAIL/NEEDS-LIVE で、冒頭に平易な言葉での判定を添える。読み取り専用。データベースが本番対応か、ローンチ／リリース可能か、go/no-go か、ローンチ前または準備状況のチェックリスト、本番稼働前に修正すべきことをユーザーが尋ねたときに使用。
A 株企業と中国産業向けの競合ランドスケープ分析。競合他社を洗い出し、ポジショニングを比較し、相対的な強みを評価する。オリジナルの competitive-analysis スキルを中国市場の文脈向けに改変したもの。"A股竞争格局"、"行业竞争分析"、"competitive landscape China"、"competitive analysis A-share"、"[company] competitors China" でトリガー。
PowerShell 経由で TOM と ADOMD.NET を使い、Power BI Desktop のローカル Analysis Services インスタンスに接続するためのガイダンス。モデルの列挙、DAX クエリ、メタデータの変更、注釈、カレンダー定義、フィールドパラメータ、クエリのトレース、DAX ライブラリのパッケージ管理（daxlib.org）、およびレポートキャンバスの再読み込みとスクリーンショットのための Desktop Bridge を扱う。ユーザーが "Power BI Desktop"、"Analysis Services port"、"TOM"、"ADOMD"、"daxlib"、"DAX library"、"DAX UDF package" に言及した場合、または "connect to PBI Desktop"、"query PBI Desktop with DAX"、"modify PBI Desktop model"、"add a measure to PBI"、"capture visual queries"、"create a field parameter"、"validate DAX"、"intercept DAX queries"、"install daxlib"、"add DAX SVG"、"add IBCS"、"reload the report canvas"、"screenshot a report page"、"Desktop Bridge" を求められた場合、あるいは Power BI Desktop のモデルとレポートをまとめて扱いたい場合に自動的に呼び出す。
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。