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。
データ・データベース
強力なウェブスクレイピング、クローリング、データ抽出と、ステルスによるアンチボット回避（Cloudflare Turnstile、CAPTCHA）。使用場面：(1) 通常のリクエストをブロックするサイトのスクレイピング、(2) ウェブページからの構造化データの抽出、(3) 並行して複数ページをクロール、(4) ウェブページのスクリーンショット撮影、(5) リンクの抽出、(6) ステルス/アンチ検出が必要なあらゆるウェブスクレイピングタスク、(7) ユーザーが URL からのスクレイピング/クロール/抽出を依頼、(8) Cloudflare などのボット対策の回避が必要。CSS/XPath セレクター、アダプティブな要素トラッキング（サイトのリニューアル後も動作）、マルチセッションスパイダー、クロールの一時停止/再開、プロキシローテーション、非同期処理をサポート。MyClaw.ai 提供。
PostHog のデータを canvas に正しく取り込みます。ホストが注入する `ph` SDK（loadInsight、query、capture、state、connectors、openExternal、navigate）、データ階層（保存済みインサイトが最優先、次に型付きクエリノード、最後にインライン HogQL）、検証可能性（インサイトに基づくメトリクスは PostHog 内の保存済みインサイトにリンクし、アドホッククエリは実行された正確なクエリを公開する）、インサイトタイプごとの結果形状、クエリごとの段階的ローディング、日付範囲の接続、閲覧者自身の接続（ph.connectors）を通じたライブのサードパーティデータ、canvas からのイベントキャプチャを扱います。canvas がメトリクス、チャート、テーブル、あらゆる PostHog データ、GitHub や MCP サーバーからのデータを表示する場合、または分析イベントを送信する必要がある場合に使用します。
rerun.experimental.Mp4Reader で .mp4 動画を Rerun の chunk ストリームに取り込む。動画を VideoStream に変換するとき、stream モードと asset モードを選ぶとき、FFmpeg でトランスコードするとき（B フレーム、出力コーデック、GOP サイズ）、動画の PTS を録画の実時間タイムラインに合わせるときに読む。rerun-chunk-processing（ストリームの仕組み）と rerun-data-model（録画内で動画がどこに属するか）を前提とする。
セマンティック類似性、RAG などの用途に向けた ScyllaDB Vector Search の実装と最適化をガイドします。埋め込みの保存・検索、ベクトルインデックス（HNSW）の構築、近似最近傍（ANN）クエリの実行、フィルタリング（グローバル／ローカルセカンダリインデックス）の適用、量子化の設定、LLM フレームワーク（例：LangChain）との統合、テスト用の Docker による Vector Search のローカル実行が必要な場合に使用します。ベクトル列以外のスキーマ設計には scylladb-data-modeling を使用します。トリガー語：「vector」「embeddings」「similarity search」「ANN」「nearest neighbor」「RAG」「semantic search」「recommendation system」「vector index」「HNSW」「vector-store」。
JSON manifest を作成して、任意の REST API を Custom source として PostHog データウェアハウスに接続する。データソースごとのコードは不要。ユーザーが、組み込みの PostHog コネクタがない API を指定したとき——"import data from this REST API"、"sync my internal API"、"connect this API from its docs"、"build a custom data warehouse source"——に、ドキュメントの URL またはエンドポイントの自然言語による説明を提示した場合に使用する。RESTAPIConfig manifest の起草（認証——bearer、API key、HTTP basic、または OAuth2 client credentials / refresh token——ページネーション、レコードパス、増分カーソル、親子ファンアウト）、その検証、フィールドマッピングを確認するための実データ行のテスト読み取り、データソースの作成までを順に説明する。API にネイティブの PostHog コネクタがすでにある場合は、代わりに setting-up-a-data-warehouse-source を使用する——このスキルはまずコネクタレジストリを確認し、ネイティブコネクタがない API のみを扱う。
データファイル（CSV/TSV/TXT/XLSX/XLS/JSON）を、単体で動作するインタラクティブな ECharts HTML チャートに変換します。26 種類のチャート、3 種類のテーマに対応し、CDN 不要で完全オフラインで動作します。各チャートには埋め込みファクトシート（plot_stats と data_preview）が含まれ、エージェントが説明文で引用できる数値はその中のものに限られます。追跡可能な事実に基づくチャート生成であり、データ分析やレポート作成ではありません。トリガー：ユーザーが表形式データファイルを提示または指定してチャートを求める場合、画图/出图/可视化/生成图表/generate a chart/make a graph と依頼する場合、表をインタラクティブな HTML チャートにしたい場合。トリガーしない条件：文章によるレポート、叙述的な分析、スライド資料を求めている場合、データファイルがない場合、地理情報や地図の描画、バックエンドが必要なダッシュボード、画像・音声・動画など表形式以外のコンテンツ。
SpacetimeDB 1.0 から 2.0 への移行時、または 2.0 の破壊的変更の影響を受けたコードを修正するときに使用します。reducer コールバック、イベントテーブル、イベント型の変更、サブスクリプション API、テーブルアクセサの命名、データベース名による接続、`sender()` メソッド、更新メソッド、スケジュール関数、プライベート codegen、light mode、`CallReducerFlags`、確認済み読み取りを扱います。トリガー：upgrade、migrate、1.0、2.0、breaking changes。
LLM が生成した合成アンケート回答と Semantic Similarity Rating（SSR）を用いた、迅速で低コストな市場調査。購買意向、コンセプトテスト、価格調査を数週間ではなく数分で、回答者 1 人あたり $0 で実施する。PyMC Labs の検証済み手法（57 件の調査で実在の人間との相関 90%）に基づく。トリガー：synthetic research、market research、survey、purchase intent、concept test、consumer research、SSR、synthetic survey、product validation、pricing research、Likert scale。
株式スクリーナー。ユーザー独自のルール（売上成長率、利益率、EPS、P/E、益回り、セクター、指標ファイル内のあらゆる指標）に照らして企業リストを確認し、各企業がどのルールをどれだけ満たすか、または満たさないかを正確に示し、合格した企業を候補リストとして順位付けします。SEC提出書類から /trader-analyst が書き込む指標、または任意の CSV を読み取ります。ユーザーが「株をスクリーニングして」「条件に合う企業を探して」「ウォッチリストを絞り込んで」「この中でルールを満たすのはどれ」「候補を絞って」「これらの株を順位付けして」「株価収益率 30 倍未満の成長企業」などと言った場合に使用します。
エンジニアリング分析（PR / CI）データを保存済みの PostHog インサイト、ダッシュボード、サブスクリプションに変換し、SQL で製品データを直接クエリする方法を説明する。engineering-analytics-sources でチームごとの GitHub ウェアハウステーブルを発見すること、HogQL で厳選された列のセマンティクスを再現すること、製品ロジックが関わる箇所（CI コスト、フィンガープリントされた失敗行、コミットの帰属）で公開されている engineering_analytics_* ウェアハウスビューを読むこと、insight-create でクエリを保存すること、subscriptions-create で配信をスケジュールすることを扱う。「save this as an insight」「put CI health / merge times on a dashboard」「email me PR throughput weekly」「chart CI cost」「track time to first review」「subscribe to these numbers」「alert on CI success rate」「what data/tables/views does engineering analytics read」と尋ねられたときに使用する。アドホックな CI とマージの質問には diagnosing-ci-and-merge-bottlenecks を、特定の CI 失敗の調査には investigating-ci-failures を使用する。
ユーザーインタビューの文字起こしを構造化されたリサーチ結果に統合する。インタビューノートの分析、定性調査の統合、インタビューからのテーマ抽出、生のインタビューデータを実行可能なプロダクトインサイトへの変換を求められたときに使用する。テーマごとに裏付けとなる引用、'so what' の示唆、推奨される次のステップを含むテーマ別の統合結果を出力する。インタビュー以外の混合ソース（アンケート、チケット、フィードバック）には、代わりに user-research-synthesis を使用する。
会話内に直接、インラインのインタラクティブなビジュアル（SVG 図、HTML ウィジェット、チャート、解説図）を描画する。ユーザーが何かを可視化、図解、グラフ化、図示、視覚的に説明したいとき、またはテキストより空間的・インタラクティブな図の方が理解に適する場合にこのスキルを使用する。次の場合にも発動する：フローチャート、アーキテクチャ図、データ可視化、インタラクティブな解説、比較レイアウト、UI モックアップ、および 'show me'、'draw'、'map out'、'visualize'、'diagram' を含むあらゆるリクエスト。ユーザーが明示的にビジュアルを求めていなくても、トピックに空間的・順序的・体系的な関係があり、散文より図の方が明確になる場合はこのスキルを積極的に使用する。
PostHog サンドボックスで問題なく動作する Streamlit アプリのソースコードを書く——PostHog データを読み取る posthog_apps.query() ブリッジ、サンドボックスイメージに組み込まれたパッケージ、Streamlit の再実行をまたぐキャッシュとセッション状態、レイアウトとグラフのパターン、および隣に同梱されるヘルパーモジュールやデータファイルを含む app.py エントリポイント。PostHog Streamlit アプリの Python ソースを作成・デバッグするとき、アプリ内のクエリが失敗したとき、または「write a streamlit app that shows PostHog data」と依頼されたときに使用。
Alibaba Cloud Realtime Compute for Flink のエキスパートアシスタント。Alibaba Cloud Realtime Compute for Flink（阿里云实时计算 Flink 版）に関する専門的な支援が必要な場合に使用する。製品パラメータ、エンジンバージョン、課金情報、一般的なトラブルシューティング、Flink SQL の生成（DDL/pipeline/リスク監視シナリオ）、および明示的なファイル出力リクエストを含む。対象: パラメータ/バージョン/課金の照会、問題診断、SQL 生成、ファイル出力。
GrowthBook のプロダクトデータをグラフ化し、Analytics ダッシュボードを構築し、メトリクスカタログを管理し、またはウェアハウスを直接クエリする — Product Analytics の探索を実行し、チャートをダッシュボードにまとめて保存し、メトリクスとファクトテーブルを検索し、ファクトメトリクスとそのファクトテーブルを作成し、またはアドホック SQL にフォールバックする。"show me signups by country"、"chart daily active users"、"how many orders last week"、"build me a dashboard"、"put these metrics on a dashboard"、"add a chart to this dashboard"、"set up reporting for X"、"find our revenue metric"、"what fact tables exist"、"create a metric"、"define a metric on the orders table"、"what tables contain user data"、"run a SQL query"、およびプロダクトデータに関するあらゆる "show me / chart / plot / how many" の質問に使用する。A/B テストの結果や実験メトリクスの選択には experiments を使用する。フィーチャーフラグには feature-flags を使用する。初回の API key 設定には gb-setup を使用する。
ユーザーが財務分析、決算リサーチ、投資関連のレポートを求めたときはいつでもこのスキルを使用する。対象：決算説明会の要約、四半期財務分析、株式リサーチ、エクイティリサーチレポート、財務デューデリジェンス、企業評価、DCF モデル、貸借対照表分析、損益計算書の内訳、キャッシュフロー分析、SEC 提出書類の要約、投資家向けメモ、ポートフォリオ分析、IPO 分析、M&A リサーチ、信用分析。次の場合にもトリガーする：ユーザーが 分析财报、做个估值、股票研究、财务尽调、现金流分析、收入分析、季度财务分析 と言ったとき。財務リサーチや分析が必要な場合は、このスキルを使用する。
CARTO で地理的加重回帰（GWR）のワークフローを構築します。ユーザーが GWR、地理的加重回帰、空間的に変化する関係、局所回帰、局所係数、空間回帰、「what drives X in different areas」、「why do prices vary spatially」、「local factors affecting Y」、変化する係数、係数マップ、空間的非定常性に言及した場合、または従属変数と予測変数の関係が地理によってどのように変化するかをモデル化したい場合にトリガーされます。セルごとの回帰係数を生成し、予測変数の重要度が場所ごとにどのように変化するかを明らかにします。
CARTO MCP サーバーを通じて、保存済みの CARTO Builder マップをチャット内にインラインでプレビューします。まず read_maps でマップを解決し（名前または検索）、次に view_map でマップ ID を指定してレンダリングします。ユーザーが保存済みの Builder マップを URL、ID、名前で参照したときに使用します。軽量な読み取り専用プレビュー（レイヤー、ベースマップ、ビューポート、ポップアップ、凡例）をレンダリングします。ウィジェット、SQL パラメータ、マップの説明、その他の Builder 専用機能は含まれません。ユーザーは「Open in Builder」をクリックすると完全な体験を得られます。「show me the X map」「open the Y map」「preview the Z map」、および新しく作成したマップのインラインプレビューでトリガーされます。carto-create-builder-maps（作成）、carto-render-inline-map（アドホックな deck.gl 仕様）、carto-develop-app（開発者向けアプリ）とは異なります。
CARTO MCP サーバーの view_map ツールを通じて、deck.gl の宣言的な仕様からアドホックなインタラクティブマップをチャット内にインラインでレンダリングします。ユーザーがポイント、ポリゴン、ヘックス、quadbins、クラスター、密度（ヒートマップ）、またはラスターの地理的分布を地図化・可視化・表示するよう求め、そのマップが探索的または使い捨てで、永続的な CARTO Builder マップとして保存する意図がない場合に使用します。「show me X on a map」「visualize Y」「make a heatmap of Z」「render the points/clusters/raster of W」でトリガーされます。carto-create-builder-maps（永続マップの作成）、carto-preview-builder-map（保存済み Builder マップの読み込み）、carto-develop-app（TypeScript / JavaScript でゼロから deck.gl アプリを書く）とは異なります。
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。