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
Tabular Editor のドキュメント検索と構成ファイルのガイダンス（.tmuo、Preferences.json、UiPreferences.json、Layouts.json）。ユーザーが "TE docs"、"Tabular Editor features"、"TE3 preferences"、".tmuo files"、"workspace database settings"、"DAX editor settings"、"per-model TE3 configuration" について質問した場合、または Tabular Editor のドキュメントでハウツーのガイダンスを検索する必要がある場合に自動的に呼び出します。
Tenzir のドキュメントを使って質問に回答する。ユーザーが TQL の構文、パイプライン演算子、関数、データの解析や変換、正規化、OCSF マッピング、エンリッチメント、ルックアップテーブル、context、package、node、プラットフォームのセットアップ、デプロイ、設定、Splunk、Kafka、S3、Elasticsearch などのツールとの統合、その他 Tenzir の機能について尋ねるときはいつでも使用する。ユーザーが Tenzir でセキュリティデータを収集、ルーティング、フィルタリング、集計、エクスポートする方法を尋ねるとき、または TQL パイプラインの作成やデバッグの支援が必要なときにも使用する。たとえ 'Tenzir' に明示的に言及していなくても、明らかに Tenzir の文脈で作業している場合も同様。Tenzir という企業や製品、リリースノートと変更履歴、ブログ記事、ソリューションのユースケースに関する質問にも使用する。
Pelosi トラッカー。STOCK Act に基づき連邦議会議員が開示を義務付けられている株式取引を監視します。下院書記官が公開する定期取引報告書（PTR）を掲載直後に読み取り、新しい提出書類ごとに一度通知し、各 PDF を整理された行データ（取引者、所有者、株式、ティッカー、買い／売り、オプションの権利行使価格と満期、取引日、金額範囲、開示までの日数）に変換します。保有株に関する取引にフラグを付けます。上院の報告書には、文書化された手動手順で対応します。ユーザーが「Pelosi は何を買っている？」「Nancy Pelosi を追跡して」「議会の取引」「政治家の株取引」「議員が X を買った？」「Pelosi の提出時に通知して」「Pelosi スキルを実行して」などと言った場合に使用します。
顧客に表示される Billing MCP ツールから PostHog の課金利用量と支出を説明する。利用量や支出が多い理由、どの製品やプロジェクトが利用量を押し上げているか、利用量タイプの意味、利用量を減らす方法、時間の経過で何が変わったか、利用量変更アラートを受け取った理由、急増/急減アラートが実際のものかノイズかをユーザーが尋ねたときに使用する。events、recordings、feature flag requests、exceptions、survey responses、synced rows、logs、AI events、AI credits、Inbox credits など、課金対象の PostHog 製品メトリクスをユーザーが挙げた場合は、製品固有の分析スキルの前に使用する。Billing の利用量/支出ツールから始め、より深い調査のために顧客に表示される製品 MCP サーフェスへルーティングする。
x402 で保護された API を使ったニューラル web 検索とコンテンツ抽出。深い調査では WebSearch より優れ、ブロックされたサイトでは WebFetch より優れる。用途：- 深い web 調査と検証 - 参照 URL に類似するページの検索 - web ページからのクリーンなテキスト抽出 - 標準のフェッチャーをブロックするサイトのスクレイピング - 事実に関する質問への直接回答の取得 - 複数の情報源を必要とする調査。トリガー：- "research"、"investigate"、"deep dive"、"find sources" - "similar to"、"pages like"、"more like this" - "scrape"、"extract content from"、"get the text from" - "blocked site"、"can't access"、"paywall" - "what is"、"explain"、"answer this"。セマンティック／ニューラル検索には Exa、直接スクレイピングには Firecrawl を優先する。重要：エンドポイントのパスを推測しないこと。すべてのパスは https://enrichx402.com/api/{provider}/{action} のパターンに従う。以下の Quick Reference 表の正確な URL を使うか、先に x402.discover_api_endpoints を呼び出すこと。
Edge Impulse REST API のみを使用して XIAO ESP32S3 (Sense) 用の TinyML モデルをトレーニングおよびデプロイする——edge-impulse-cli は不要（その serialport 依存は現代の Node/Windows でビルドに失敗する）。対象：データセットのアップロード、impulse の作成（音声 MFCC / ビジョン転移学習）、トレーニングジョブ、Arduino ライブラリのダウンロード、ESP32-S3 で実際に動作させるために必要なデバイス側の修正。ユーザーがモデルのトレーニング/再トレーニング（"재훈련"、"edge impulse"、"TinyML 훈련"、"모델 배포"）を行いたい場合、Edge Impulse にデータセットをアップロードする場合、または EI Arduino ライブラリのビルド/実行時エラー（mel filterbank、objs.a、tensor arena、EI_MAX_OVERFLOW_BUFFER_COUNT）に遭遇した場合にこのスキルを使用する。
AKShare ライブラリを使用して中国 A 株市場のデータを取得・分析する。AKShare は無料のオープンソース Python 金融データインターフェースライブラリで、登録や Token は不要。対応：株式のリアルタイム相場、過去の K 線、財務諸表、バリュエーション指標、資金の流れ、テクニカル指標、定期タスクなど。ユーザーが A 株の株価の取得、個別銘柄のファンダメンタルズ分析、財務データの照会、テクニカル指標の計算、資金の流れの分析を必要とするときにこの skill を使用する。
TÜBİTAK Açık Bilim Politikası（オープンサイエンス政策）への準拠と、Aperta（aperta.ulakbim.gov.tr にある TÜBİTAK ULAKBİM の国内オープンアーカイブ）への登録を推進し、その原則を実装する（İlke 1：採択時に受理済み原稿を Aperta に登録する；İlke 2：STEM は出版後最大 6 か月、SSH は 12 か月でオープンアクセス；İlke 6：KVKK などの理由で非公開を維持すべきデータを記録する；İlke 9：最終報告書で準拠状況を報告する）。また、ARDEB 申請とともに提出する 5 問の TÜBİTAK Veri Yönetim Planı / VYP（データ管理計画）の枠組みを整える。Aperta への登録、TÜBİTAK açık bilim 政策への準拠、TÜBİTAK データ管理計画（VYP）の作成、最終報告書でのオープンアクセス準拠の報告、正当な理由のあるデータ embargo の記録をユーザーが求めたときに使用する。Zenodo/Dryad/OSF および国際的な DMP には alterlab-open-science を、KVKK の適法性根拠/匿名化計画には alterlab-kvkk-dmp を優先する。AlterLab Academic Skills スイートの一部。
トルコの研究向けに KVKK 準拠（法律第 6698 号、法律第 7499 号による改正 — 2024 年 3 月 12 日に官報で公布、KVKK の規定は 2024 年 6 月 1 日施行）のデータ管理計画を作成し、açık rıza（明示的同意）をデフォルトの根拠とすること、第 28(1)(b) 条の匿名化免除を主要な準拠手段とすること、健康/遺伝子/生体データに対する第 6 条の特別カテゴリ制度、目的終了時の第 7 条の削除/破壊/匿名化、第 13 条の 30 日のデータ主体対応期間、クラウド/海外データに対する第 9 条の越境十分性決定ルール、処理前の第 16 条 VERBIS 登録を実装し、KVKK と GDPR の対照表を提供する。KVKK データ管理計画、トルコ法に基づく研究データセットの匿名化、VERBIS チェック、トルコ向けに EU DMP の定型文を修正することが必要なときに使用する。純粋な GDPR/HIPAA には alterlab-research-ethics を使用する。AlterLab Academic Skills スイートの一部。
YÖK Atlas（yokatlas.yok.gov.tr）からトルコの高等教育プログラムと入学統計を取得する——定員（kontenjan）、合格者数（yerleşen）、最低合格スコア（taban puan）、合格順位（başarı sırası）、職位別の教員数——キー不要の yokatlas-py ラッパー（≥0.6.0、現行 0.7.0、MIT）を介し、/api/tercih-kilavuz/ の JSON API（検索に加え大学・プログラムグループ・県の照会）を利用する。SearchFilters は puan türü（SAY/SÖZ/EA/DİL/TYT）、大学種別（DEVLET/VAKIF）、県、合格順位の範囲に対応する。YÖK Atlas、プログラム統計、kontenjan/定員データ、taban puan/最低合格スコア、başarı sırası/合格順位、合格者数、プログラム教員数について、機関調査、ベンチマーク、進学指導のために言及された場合に使用する。研究者の CV/プロフィール/所属は alterlab-yok-akademik を優先し、学位論文は alterlab-yok-tez を優先する。レガシー PHP ページは 2026 年 4 月以降使用できない。AlterLab Academic Skills スイートの一部。
byted-emr-skills は、Volcengine EMR（Volcengine E-MapReduce（略称「EMR」）はオープンソースの Hadoop エコシステムのエンタープライズ向けビッグデータ分析システムで、オープンソースと完全に互換）を管理するスキルを提供する。EMR on ECS クラスター、EMR on VKE クラスター、EMR serverless キュー、コンピュートグループ、ジョブテンプレート／インスタンス、ログ、モニタリングの管理を含み、EMR Agent によるインテリジェント診断とナレッジ Q&A の機能を提供する。ユーザーが「EMR on ECS クラスター」「EMR on VKE クラスター」「Serverless キュー」「Serverless ジョブ」「SparkSQL/PrestoSQL/Ray/PySpark/SparkJar ジョブ」「ジョブログ」「ジョブモニタリング」「ジョブ診断」などのニーズに言及した場合、このスキルを優先的に使用する。
ユーザーがサプライチェーンにおける炭素排出量の測定、追跡、削減を希望する場合に使用します。ユーザーが “carbon accounting”、“GHG emissions”、“Scope 1/2/3 emissions”、“carbon footprint calculation”、“emissions reporting”、“carbon reduction”、“climate impact”、“decarbonization”、“emissions baseline” に言及した場合にも使用します。循環経済のアプローチについては circular-economy を参照してください。持続可能な調達については sustainable-sourcing を参照してください。
Google Sheets またはエクスポートした JSON の Support Ops の日次チケット指標を準備、検証、インポート、照合、修正し、CawPlan の cawplan_csm キーメトリクスドメインに取り込みます。利用場面：Support からチケットダッシュボードデータの取り込みを依頼された場合、Support のチケット件数の遡及入力やアップロード、Support 指標のエクスポート検証、CawPlan の指標と Support のシートの比較、安全な Apps Script エクスポーターの生成。不適用：一般的な CawPlan ビジネス指標、デバイス／アプリのテレメトリー、Support ダッシュボード UI の編集、週次 Google Doc の作成、新しい CSM 指標名やタグの創作
CodeBurn を操作する。CodeBurn は無料のオープンソースでローカルファーストの CLI/TUI/web/menubar ツールであり、40 種の AI コーディングツール（Claude Code、Codex、Cursor、Gemini CLI、Grok、OpenCode など）がディスク上に既に持つセッションファイルを読み取り、トークン使用量とドルコストをタスク、モデル、ツール、プロジェクト別に分解する。ユーザーが AI コーディングの支出がどこへ行ったかを見たい、Claude Code / エージェント構成のトークン浪費を見つけて修正したい、セッションの予算が暴走する前に上限を設定したい、どのモデルが本当にその価格に見合うか比較したい、AI 支出が出荷されたのか取り消されたのかを確認したい、または MCP 経由でライブの使用量/節約データをエージェントに接続したいときに使用する。トリガー："codeburn"、"npx codeburn"、"AI token usage"、"AI coding cost"、"where did my Claude spend go"、"codeburn optimize"、"codeburn guard"、"codeburn compare models"、"codeburn yield"、"token waste in CLAUDE.md"、"AI spend dashboard"。
v2.0.1 仕様に従った BKN（Business Knowledge Network）定義ファイルの作成をガイドする。network、object_type、relation_type、action_type、concept_group を扱う。ナレッジネットワーク、BKN ファイル、オブジェクトタイプ、リレーションタイプ、アクションタイプ、コンセプトグループを作成する場合、またはユーザーが BKN 形式でビジネスナレッジをモデリングしたい場合に使用する。kweaver-core も読み込まれている場合は、ファイルが存在した後に kweaver コマンドライン（auth、bkn push）を実行するために使用する。
データ分析プロスキル。データ分析、データ解釈、データ可視化という 3 つの中核機能を提供する。**使用場面**：(1) データ分析 - 統計、フィルタリング、集計、計算（例：「総売上を計算」「100 より大きいデータを抽出」）(2) データ解釈 - トレンド分析、パターン発見、レポート生成（例：「売上トレンドを分析」「データの変化を解釈」）(3) データ可視化 - グラフ生成、データ表示（例：「棒グラフを描画」「円グラフを生成」）**トリガーキーワード**：analyze data、statistics、calculate、interpret trends、generate chart、visualize、plot **前提条件**：環境変数 CHARTGEN_API_KEY を設定する（chartgen.ai から取得）
Denser Retriever API を使ってドキュメントからナレッジベースを構築・検索する。ノーコードの RAG パイプライン — PDF、DOCX、PPTX などのファイルをアップロードし、自然な会話を通じたセマンティック検索で検索する。用途：ナレッジベースの作成、ドキュメントのアップロード、セマンティック検索、ドキュメント検索、PDF 検索、ファイルのインデックス作成、RAG（検索拡張生成）、ベクトル検索、AI 検索、ドキュメントに対する質問応答、テキスト検索 API、ドキュメント Q&A、ナレッジ管理、エンタープライズ検索。トリガー：'knowledge base'、'semantic search'、'document search'、'RAG'、'search my files'、'upload documents'、'PDF search'、'denser retriever'、'index documents'、'search knowledge base'、'document retrieval'、'vector search'、またはファイルを検索・照会・検索可能なコレクションとして構築するあらゆるリクエスト。
IBM watsonx.data integration でパラメーターセット（paramset）を作成、編集、使用するためのガイド。パラメーターの種類、値セット、PROJDEF、ローカルパラメーター、ランタイムパラメーター、フローパラメーター、DataStage（バッチ）と StreamSets（ストリーミング）の両方のフローで使う #param# と ${param} の参照構文、外部パラメーターセットによる接続プロパティのパラメーター化を扱う。ユーザーがパラメーターセットの作成、一覧表示、更新、削除を行いたい、値セットを管理したい、フローや接続にパラメーターセットを関連付けたい、接続プロパティをパラメーター化したい、またはフローや接続内でパラメーターを参照したいときに使用する。
GrowthBook の A/B テストを設計、起動、分析、停止し、実験をまたいで永続的な Learnings を検索または記録します。実験、スプリットテスト、バリエーション、仮説、サンプルサイズ、ガードレール指標、SRM、勝率、リフト、勝者の宣言、"what have we learned"、"have we tested this before"、"record this learning" に使用します。バンディットについては、それを特定しユーザーを GrowthBook UI へ誘導します。フィーチャーフラグとロールアウトには feature-flags を使用してください。プロダクト分析や指標カタログの作業には analytics を使用してください。API キーの設定には gb-setup を使用してください。
PostHog MCP の意図クラスターを探索する —— 意味的類似性でグループ化されたエージェントの目標。各クラスターのツール分布とエラー率、さらにツール中心の視点（意図ごとのキャプチャ率、宣伝されているカタログに対する発見率、説明の適合度、ツールの重複）を含む。ユーザーが "what are agents trying to do with the MCP?"、"group the intents"、"which goals fail most?"、"what does each cluster route to?"、"when agents have this intent do they find my tool?"、"which tools get mixed up?" と尋ねたとき、クラスタリングを再計算したいとき、または MCP 分析の意図クラスタリング URL を貼り付けたときに使用する。
個々の PostHog MCP セッションを調査する —— 1 回の実行で 1 つのエージェントが行ったツール呼び出しの連続、それが何をしようとしていたか、どこで失敗したか。ユーザーが "what did this MCP session do?"、"show me the tool calls for session X"、"what was the agent's goal?"、"which sessions had errors?"、"who is connecting to my MCP?" と尋ねたとき、または MCP 分析のセッション URL を貼り付けたときに使用する。
MCP ツールの出発点となる分類体系（ユーザーがそのツールにたどり着く前に何を成し遂げようとしていたか）を構築し、PostHog notebook として公開します。各セッションの冒頭のツール呼び出しから目標を再構築し、それらの目標を名前付きカテゴリにクラスタリングして、規模、割合、ファセットの構成を示します。ユーザーが「なぜ人はこのツールを使うのか」、「ユーザーは実際に何をしようとしているのか」、「どんな問題が人をここに導くのか」、「これらのセッションはどこから始まるのか」、「<tool> の利用を目標別にセグメント化する」と尋ねたとき、または Clio スタイルの MCP 利用分類体系を求めたときに使用します。セッションがなぜ始まったかではなく、呼び出しごとにエージェントが何をしたかをグループ化する exploring-mcp-intent-clusters を補完します。このスキルを実行するエージェントは目標ラベルを自ら書き、コーパスクエリの出力をセッションごとに読みます。同梱のスクリプトは機械的なファセットを網羅しますが、目標の高度を明らかに損なうため、そのフィールドをスクリプトに委ねないでください。
PostHog MCP のツール呼び出しの品質を調査する —— エラー率、レイテンシ、到達範囲、どのツールが失敗しているか、または遅いか。ユーザーが "which MCP tool has the highest error rate?"、"what's the slowest tool?"、"which tools fail most often?"、"how reliable is tool X?" と尋ねたとき、ツール品質マトリックスを求めたとき、または MCP 分析のツール品質／ダッシュボード URL を貼り付けてその内容を尋ねたときに使用する。
Replay Vision スキャナーの観察結果を取得し、その所見を読み、それに基づいて行動するようエージェントを導く — セッションをまたいだパターンの要約、個々の録画への掘り下げ、実際に裏付けられた問題を PostHog のタスク、インサイト、または investigating-replay への引き継ぎに変換する。\nトリガーする場合：ユーザーが Replay Vision の観察結果を取得/閲覧/トリアージしたい、\"what has my scanner found\" と尋ねる、スキャナーの所見に基づいて行動または要約したい、観察結果をタスク/作業に変換したい、または /replay-vision/<scanner-id> URL を指す場合。\nトリガーしない場合：スキャナーの作成や規模設定（creating-replay-vision-scanners を使用）、分析しない単発スキャンの実行、signals scout の作成。
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。