mcpField

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。

データ・データベース

A
aurelius-mapping
aurelius-mapping
tmssoftware / skills

TMS Aurelius ORM の属性を使って Delphi クラスをリレーショナルデータベースにマッピングする。エンティティクラスの作成、既存クラスへの Aurelius マッピングの追加、マッピング属性の修正やレビュー、クラスのマッピング方法の説明、関連、継承、オートマッピング、NULL 許容フィールド、BLOB、複合識別子の扱いをユーザーが求めたときに使用する。"create Aurelius entities for..."、"map this class to Aurelius"、"add ORM mapping"、"fix the mapping on this class"、"how do I map a one-to-many in Aurelius" などのリクエストでトリガーされる。

開発39
A
aurelius-objects
aurelius-objects
tmssoftware / skills

TMS Aurelius ORM(TObjectManager)を使ってエンティティオブジェクトを保存、読み込み、更新、削除、マージ、ナビゲートする。Aurelius でデータを永続化または取得する方法、オブジェクトのライフタイム管理、実行時の関連やコレクションの扱い、トランザクション処理、キャッシュ更新の使用、並行性の制御をユーザーが尋ねたときに使用する。クエリ DSL や criteria/プロジェクションは対象外(別のスキルにある)。"save an entity with Aurelius"、"load a customer from the database"、"add items to a collection"、"how do I update an object"、"flush changes"、"delete a record with Aurelius"、"merge a transient object"、"how do transactions work in Aurelius"、"batch updates Aurelius" などのリクエストでトリガーされる。

開発39
A
autoresearch-setup
autoresearch-setup
d-laub / dlaub-togo

自律型 ML 実験ハーネス(「autoresearch」ループ)を設定する際に使用します。固定のハーネスがデータとメトリクスを管理し、変更可能なトレーニングスクリプトを LLM が定められた時間内で反復します。harness.py/train.py/program.md のひな形作成、エージェントが読み取れる構造化されたトレーニング動態ログの設計、または実験によるメトリクスの不正な攻略の防止に使用します

データ・データベース39
B
Backend Database Expert
Backend Database Expert
boshi-xixixi / traeskill

データベース設計、SQL 最適化、マイグレーション戦略に特化。

データ・データベース39
B
batch-research
batch-research
miantiao-me / aigc-weekly

バッチデータ収集スキル。researcher agent をバッチ単位で並行にスケジューリングし、すべてのデータソースを取得します。

生産性39
B
biz-cac-ltv
biz-cac-ltv
asgard-ai-platform / skills

顧客獲得コスト(CAC)と顧客生涯価値(LTV)を計算・分析し、ユニットエコノミクスとマーケティング効率を評価する。ユーザーが顧客獲得が収益性を持つか評価したり、マーケティング支出の配分を最適化したり、ビジネスモデルの実現可能性を評価したりする必要があるときにこのスキルを使用する — 「are we spending too much on ads」「what's each customer worth」「is our growth sustainable」と言う場合でも同様。

マーケティング・グロース39
B
browser-use
browser-use
bmaltais / browser-use-skill

Web テスト、フォーム入力、スクリーンショット、データ抽出のためにブラウザ操作を自動化する。ユーザーが Web サイトを閲覧し、Web ページを操作し、フォームに入力し、スクリーンショットを撮り、または Web ページから情報を抽出する必要がある場合に使用する。

エージェントワークフロー39
B
building-purpose-limitation-enforcement
building-purpose-limitation-enforcement
mukul975 / privacy-data-protection-skills

GDPR 第 5 条(1)(b) の目的制限原則の技術的な執行。目的タグ付きデータストア、目的ごとのアクセス制御、第 6 条(4) の適合性評価要因、目的の逸脱を防ぐシステム設計を扱う。目的バインディングアーキテクチャと適合性テストの実装を含む。

セキュリティ39
C
cc-canary-html
cc-canary-html
delta-hq / cc-canary

/cc-canary の HTML レンダリング版——長文の nerf-detection レポートをスタンドアロンのダークテーマ HTML ファイルとして生成し、ブラウザで自動的に開く。分析内容は /cc-canary(フォレンジックな markdown レポート)と同じで、ナラティブのプレースホルダーも同じだが、出力は閲覧・共有・印刷に適したスタイル付き HTML ページとなる。`./cc-canary-<YYYY-MM-DD>.html` をカレントディレクトリに書き込む。

データ・データベース39
C
charles-proxy-extract
charles-proxy-extract
wannabehero / charles-proxy-extract-skill

Charles Proxy のセッションファイル(.chlsj 形式)から HTTP/HTTPS のリクエストとレスポンスのデータを抽出します。URL、メソッド、ステータスコード、ヘッダー、リクエストボディ、レスポンスボディを含みます。Charles Proxy のデバッグセッションでキャプチャしたネットワークトラフィックの分析、API 呼び出しの検査、HTTP リクエストのデバッグ、プロキシログの調査に使用します。

開発39
C
chart-assistant
chart-assistant
visactor / chart-assistant-skill

Feishu Docs でレポートを作成する際に、チャートアシスタントの編集可能なチャートカードを作成、編集、提供します。棒グラフ(積み上げ、グループ化、割合、重ね合わせ比較)、折れ線、面、散布図/バブル、二軸、円/ドーナツ、ローズ、レーダー、ファネル、ワードクラウド、サンキー、ヒートマップ、Treemap/Sunburst など、30 種類以上の組み込みチャートに加え、ウォーターフォール/ブリッジ、Mekko、ブレット、ダンベル、バタフライ、小 multiples パネルなどのビジネスチャートに対応します。チャートの種類、注釈、編集機能は全体として ThinkCell に準拠しています。デフォルトで MBB(McKinsey/BCG/Bain)のコンサルティングスタイルに沿った作図規範を採用し、差異注釈(合計差異、階層差異、複合成長率)、トレンドライン、基準線/基準領域、強調色など、レポート向けの分析注釈を提供します。Feishu Sheet/Base/Fengshen のデータソースへの接続と同期、参照画像からのチャート再現、Feishu Docx の新規作成、既存文書へのチャートアシスタントカードの挿入/置換に対応し、チャートアシスタントの設定の説明や検証にも使えます。ユーザーがチャートアシスタント、編集可能なチャートや設定、組み込みテンプレート、チャートアシスタントカード、データソースの同期、Fengshen または Feishu Sheet/Base のリンクから編集可能なチャートを作ることに明示的に言及した場合、または MBB/コンサルティングスタイルや参照画像からの再現を求めた場合に、スキル名がなくても使用します。「チャートにして」「トレンドを描いて」などの一般的な依頼では、上記の製品機能が求められない限り先回りして対応しません。文章での説明だけを求め、チャートを作成しない場合は、作図フローを開始しません。

データ・データベース39
C
chartjs
chartjs
vamseeachanta / workspace-hub

canvas ベースの Chart.js を使って、シンプルでレスポンシブなチャートをすばやく作成します

データ・データベース39
C
children-data-minimization
children-data-minimization
mukul975 / privacy-data-protection-skills

GDPR 第 5(1)(c) 条、前文第 38 項、UK AADC 標準 8、COPPA 第 312.7 条に基づき、子どもの個人データに対する厳格なデータ最小化と保持制限を実装する。厳格な必要性テスト、より短い保持期間、限定的なプロファイリング、保護者向けダッシュボードの設計、自動削除を網羅する。キーワード:データ最小化、子ども、保持、必要性テスト、保護者向けダッシュボード。

セキュリティ39
C
churn-analysis
churn-analysis
mohitagw15856 / pm-claude-skills

回避可能な解約と不可避免な解約を切り分ける構造化されたチャーン分析を作成します。顧客が離れていく理由の調査、リスクのあるセグメントの特定、純収益維持率の計算、解約防止の介入計画の策定を行うときに使用します。解約率の計算、回避可能性別に分類した理由、セグメント別の内訳、タイミング分析、早期警告シグナル、推定インパクト順に優先順位付けした介入策を含むチャーンレポートを作成します。

マーケティング・グロース39
C
churn-analysis
churn-analysis
w95 / awesome-claude-corporate-skills

顧客のチャーン パターンを分析し、リスクのあるアカウントを特定し、リテンションプレイブックを作成し、早期警告システムを構築する

データ・データベース39
C
clickhouse-best-practices
clickhouse-best-practices
langfuse / langfuse

ClickHouse のスキーマ、クエリ、設定をレビューする際は必ず使用すること。推奨事項を示す前に必ず確認すべき 28 のルールを含む。常に関連するルールファイルを読み、回答で特定のルールを引用すること。

データ・データベース39
C
clickmeter
clickmeter
membranedev / application-skills

ClickMeter 連携。データとレコードを管理し、ワークフローを自動化する。ユーザーが ClickMeter のデータを操作したいときに使用する。

マーケティング・グロース39
C
consent-record-keeping
consent-record-keeping
mukul975 / privacy-data-protection-skills

GDPR 第 7 条(1) に基づく有効な同意を証明するための同意記録システム構築ガイド。タイムスタンプ、バージョン、目的、仕組み、識別情報を含む必須フィールドを扱う。Kantara Initiative Consent Receipt Specification と監督機関の期待に沿った監査対応の同意レシートを実装する。

セキュリティ39
C
contentsquare-flutter-sdk
contentsquare-flutter-sdk
contentsquare / agents

Contentsquare Flutter SDK を統合またはアップグレードします。対象は Session Replay、画面トラッキング、トランザクション、アナリティクス、マスキング、プライバシーのオプトイン/オプトアウトです。他の作業に先立ち、必ず Contentsquare プロジェクトのヘルスチェックを実施します(データソース ID を尋ねるか、Android と iOS の bundle ID を特定し、ヘルスチェックエンドポイントを呼び出してプロジェクトの状態を報告)。Contentsquare、CSQ、CSQ.start、StartConfig、AnalyticsOptions、ProductAnalyticsOptions、CSQNavigatorObserver、CSQNavigatorAutoRouteObserver、auto_route、AutoRoute、GoRouter、go_router、CSQWebViewWrapper、configureProductAnalytics の作業時、または旧 `Contentsquare()` API から `CSQ()` への移行(v3.x から v4.x)、もしくは 4.1.x から 4.5.1 への移行時に使用します。

開発39
C
context-manager
context-manager
rmyndharis / antigravity-skills

動的コンテキストを極めるエリート AI コンテキストエンジニアリングのスペシャリスト

エージェントワークフロー39
C
cufolio
cufolio
promptingcompany / nv-skills

Mean-CVaR、効率的フロンティア、シナリオ生成、または NVIDIA cuOpt を用いた株式ポートフォリオの構築、最適化、バックテスト、リバランス、分析をユーザーが依頼した場合に使用します。

データ・データベース39
C
cuopt-numerical-optimization-api-c
cuopt-numerical-optimization-api-c
promptingcompany / nv-skills

cuOpt による LP、MILP、QP(ベータ)— C API のみ。ユーザーが C/C++ に LP、MILP、QP を組み込む場合に使用します。

データ・データベース39
C
cuopt-numerical-optimization-api-cli
cuopt-numerical-optimization-api-cli
promptingcompany / nv-skills

cuOpt による LP、MILP、QP(beta)— コマンドラインのみ(MPS ファイル、cuopt_cli)。ユーザーがコマンドラインから MPS を基に LP、MILP、QP を解く場合に使用。

データ・データベース39
C
cuopt-numerical-optimization-api-python
cuopt-numerical-optimization-api-python
promptingcompany / nv-skills

cuOpt Python API で LP、MILP、QP(ベータ版)を解きます。線形・二次目的関数、整数変数、スケジューリング、ポートフォリオ、最小二乗法に対応します。

データ・データベース39
C
cuopt-numerical-optimization-formulation
cuopt-numerical-optimization-formulation
promptingcompany / nv-skills

LP、MILP、QP — 概念、問題テキストの解析、モデリングパターン(パラメータ、制約、決定変数、目的関数)。概念のみで、API は扱いません。

データ・データベース39
C
cuopt-routing-api-python
cuopt-routing-api-python
promptingcompany / nv-skills

cuOpt による車両ルーティング(VRP、TSP、PDP)— Python API のみ。ユーザーが Python でルーティングを構築または解 forthcoming している場合に使う。

データ・データベース39
C
cuopt-routing-formulation
cuopt-routing-formulation
promptingcompany / nv-skills

車両経路問題(VRP、TSP、PDP)—問題の種類とデータ要件。ドメイン概念を扱い、API やインターフェースは含みません。

データ・データベース39
C
cupynumeric-hdf5
cupynumeric-hdf5
promptingcompany / nv-skills

Legate の並列分散 HDF5 I/O(legate.io.hdf5:to_file、from_file、from_file_batched)を使って、大規模な cuPyNumeric 配列を HDF5 に読み書きします。cuPyNumeric 配列を .h5/.hdf5 ファイルに保存する、HDF5 データセットを分散 cuPyNumeric 配列に読み込む、大規模な HDF5 データセットをチャンク単位で読み込む、配列を単一ファイルとして HPC パイプラインに渡す、または GPUDirect Storage(GDS)で HDF5 ディスク I/O を高速化する場合に使用します。Parquet/cuDF/生バイナリやその他のシャーディング済み/カスタムレイアウト(cupynumeric-parallel-data-load スキルを参照)、Zarr やオブジェクトストア/S3 への出力、.npz や pickle アーカイブ、cuPyNumeric を使わない h5py、FFT、行列積、リダクションなどの純粋な配列計算には使用しないでください。

データ・データベース39
C
cupynumeric-parallel-data-load
cupynumeric-parallel-data-load
promptingcompany / nv-skills

シャード化されたディスク上のデータセット(シャード化 .npy、Parquet/Arrow、raw binary、シャード化 HDF5、カスタムレイアウト)を、手動パーティションと leaf @task の起動(CPU/OMP/GPU バリアント)によって分散 cuPyNumeric ndarray に読み込みます。単一呼び出しのローダーが適さない場合に使用します。ファイルごとにシャードの行数が異なる場合も含みます。適用できる場合は cupynumeric.load または legate.io.hdf5.from_file を優先してください。

データ・データベース39
D
dali-dynamic-mode
dali-dynamic-mode
promptingcompany / nv-skills

DALI 命令型ダイナミックモード(`nvidia.dali.experimental.dynamic`、ndd):ndd コードの作業やパイプラインの移行に使用します。パイプラインのみのタスクでは使用しないでください。

開発39
D
data-analysis
data-analysis
ihkreddy / agent-skills

Python と pandas、numpy、可視化ライブラリを使ってデータセットを分析する。統計サマリーを生成し、パターンを特定し、グラフを作成し、インサイトを提供する。CSV/Excel ファイルの分析、データの探索、可視化の作成、またはユーザーがデータ分析、統計、グラフ、データセットに言及したときに使用。

データ・データベース39
D
data-collection-sim
data-collection-sim
isaac-sim / isaacsim

静的シーン向けのヘッドレス Replicator SDG(ライター、ポーズ、Kitti)。注釈付きの学習データを収集するときに使用する。移動ロボットの SDG には使用しない(mobility-gen を使用)。

データ・データベース39
D
data-designer
data-designer
promptingcompany / nv-skills

ユーザーがデータセットの作成、合成データの生成、データ生成パイプラインの構築を希望するときに使用します。

データ・データベース39
D
data-recovery

説明はまだありません

データ・データベース39
D
data-transform
data-transform
omicverse / omicverse

pandas と numpy を使ってデータを変換、クリーン、再整形、前処理する。あらゆる LLM プロバイダー(GPT、Gemini、Claude など)に対応。

データ・データベース39
D
data-validation
data-validation
w95 / awesome-claude-corporate-skills

ステークホルダーと共有する前に分析をQAし、手法の確認、正確性の検証、バイアスの検出を行います。分析の誤りのレビュー、サバイバーシップバイアスの確認、集計ロジックの検証、再現性に関するドキュメントの作成に使用します。

データ・データベース39
D
data-visualization
data-visualization
kensaurus / skills

Recharts、D3、Victory でインタラクティブでアクセシブルなチャートとダッシュボードを構築する。"chart"、"graph"、"data visualization"、"analytics dashboard"、"metrics display"、"time-series"、"D3"、"Recharts" の場合に使用。

データ・データベース39
D
data-viz

コマンドラインからデータを可視化する。ターミナルを離れることなく、CSV/JSON データからチャートやグラフを生成する。

データ・データベース39
D
data-warehouse-metrics-layer-review
data-warehouse-metrics-layer-review
sylphxai / skills

データウェアハウスのメトリクスレイヤー、セマンティックモデル、KPI 定義、ソースのリネージ、粒度、ディメンション、オーナーシップ、鮮度、品質テスト、バックフィル、アクセス、ダッシュボード、財務/プロダクトの突合、メトリクス変更管理を設計・監査する。重複した BI の計算式ではなく、信頼できるメトリクスが必要なチームに使用。

データ・データベース39
D
database-migrations-sql-migrations
database-migrations-sql-migrations
rmyndharis / antigravity-skills

ゼロダウンタイム戦略による SQL データベースマイグレーション、対象:

データ・データベース39
D
database-scout
database-scout
zebbern / claude-code-guide

SQLite と PostgreSQL のデータベースを探索する:テーブルの一覧表示、スキーマの検査(カラム/型/制約)、データのプレビュー、Mermaid ER 図の生成、安全な読み取り専用クエリの実行。データベースの探索、テーブル構造の表示、テーブルの説明、図の生成、データのクエリといったリクエストや、database exploration、schema、ER diagram、SQL query などのキーワードでトリガーされる。

データ・データベース39
D
databases
databases
jackspace / claudeskillz

MongoDB(ドキュメントデータベース、BSONドキュメント、集約パイプライン、Atlasクラウド)とPostgreSQL(リレーショナルデータベース、SQLクエリ、psql CLI、pgAdmin)を扱います。データベーススキーマの設計、クエリや集約の作成、パフォーマンス向上のためのインデックス最適化、データベース移行、レプリケーションとシャーディングの設定、バックアップと復元戦略の実装、データベースユーザーと権限の管理、クエリパフォーマンスの分析、本番データベースの管理に使用します。

データ・データベース39
D
dbx

DBX CLI を使用して、DBX 管理のデータベース接続を調査し、スキーマを確認し、範囲を限定した読み取り専用クエリを実行し、DBML やスキーマドキュメントを生成し、DBX Desktop でテーブルを開きます。シェルを扱える AI エージェントから DBX に設定されたデータベースを操作するよう求められた場合に使用してください。ユーザーが具体的な操作を明示的に承認しない限り、書き込みを有効にしないでください。

データ・データベース39
D
deepstream-dev
deepstream-dev
promptingcompany / nv-skills

Python pyservicemaker API を用いた NVIDIA DeepStream SDK 9.0 の開発。ビデオ分析パイプラインの構築、GStreamer ベースのビデオ処理、TensorRT 推論統合、物体検出/追跡、Kafka/メッセージブローカー統合を行う場合に使用。

開発39
D
designing-federated-learning-architecture
designing-federated-learning-architecture
mukul975 / privacy-data-protection-skills

GDPR 準拠の連合学習システムのアーキテクチャガイド。水平および垂直の FL、集約戦略 (FedAvg、FedProx)、通信効率、セキュアアグリゲーション、差分プライバシー統合を扱う。データを共有しない組織横断の ML のためのプライバシー保証分析とデプロイパターンを含む。

データ・データベース39
D
dicom-metadata-extract
dicom-metadata-extract
promptingcompany / nv-skills

単一の DICOM ファイルから選択したメタデータを抽出し、標準タグの PHI の有無をフラグ付けするために使用します。匿名化や臨床用途には使用しないでください

データ・データベース39
D
dicom-series-preflight
dicom-series-preflight
promptingcompany / nv-skills

変換または推論の前に、単一の DICOM シリーズフォルダーを対象としてヘッダーのみの事前チェックに使用します。匿名化や臨床上の承認には使用しません。

データ・データベース39
D
dicom-series-to-volume
dicom-series-to-volume
promptingcompany / nv-skills

1 つの CT DICOM シリーズフォルダーを、アフィン変換の根拠付き HU NIfTI ボリュームに変換するために使用します。マルチフレーム DICOM や臨床用途には使用しません。

データ・データベース39
D
differential-privacy-prod
differential-privacy-prod
mukul975 / privacy-data-protection-skills

本番システムへの差分プライバシーの導入。epsilon 選択戦略、Laplace 機構と Gaussian 機構によるノイズ校正、プライバシー予算の追跡、合成定理、Python 実装パターンを含む。集中型とローカル型の両方の差分プライバシーモデルを扱う。

セキュリティ39
D
digital-health-clinical-asr-build
digital-health-clinical-asr-build
promptingcompany / nv-skills

Clinical ASR Flywheelのステージ2。臨床用語のキュレーション、IPAのタグ付け、NeMoマニフェストの生成に使用します。スコアリングには使用しないでください(/digital-health-clinical-asr-evalを使用)。

データ・データベース39
D
digital-health-clinical-asr-eval
digital-health-clinical-asr-eval
promptingcompany / nv-skills

Clinical ASR Flywheel のステージ 3。NeMo manifest を評価し、5 セクションの KER ランキング(by-ipa_source 診断)を作成します。ASR 認証(/riva-asr)には使用しません。

テスト・品質39
E
earth2studio-deterministic-forecast
earth2studio-deterministic-forecast
promptingcompany / nv-skills

Earth2Studioを使用して決定論的予報スクリプト(モデル、データソース、IO、推論)を構築します。アンサンブル、診断、データ取得のみ、インストールには使用しないでください。

データ・データベース39
E
earth2studio-discover
earth2studio-discover
promptingcompany / nv-skills

気象/気候のユースケース向けに、Earth2Studioのモデル、データソース、サンプルを検索します。推論コードの作成、データのダウンロード、インストールには使用しないでください。

データ・データベース39
E
econ-audit
econ-audit
thinkingwithagents / skills

敵対的計量経済学レビュー — Stata、R、Python コードにおける仕様誤り、クラスタリングの誤り、不適切なコントロール変数、静かな分析上の失敗を捉える

データ・データベース39
E
engineering-context-init
engineering-context-init
soljourner / claude-engineering-skills

標準の定数、単位、インポートを使用してエンジニアリングセッションを初期化

データ・データベース39
E
entity-framework6
entity-framework6
managedcode / dotnet-skills

EF6 ベースのアプリケーションを維持または移行する際に、何を残し、何をモダナイズし、EF Core が次の一手として適切かどうかを現実的な指針で示す。用途:EF6 コードベース、ランタイムと ORM の移行判断、EDMX、code-first、ObjectContext、レガシーデータアクセスのレビュー。使用しない場合:無関係なスタック、この具体的な指針を必要としない一般的なタスク。呼び出し:リポジトリのコンテキストを調査し、対象ファイルを編集し、変更時に該当するビルド、テスト、lint、検証コマンドを実行する。

データ・データベース39
E
evernote-data-handling
evernote-data-handling
jeremylongshore / tons-of-skills-marketplace

Evernote データを扱うためのベストプラクティス。

データ・データベース39
E
excel-processor
excel-processor
ntaksh42 / dotfiles

説明はまだありません

ドキュメント39
E
excel-sheet
excel-sheet
practicalswan / agent-skills

MCP サーバー経由での Excel(.xlsx)操作。ワークブックの作成、セルの書式設定、数式の記述、グラフの作成、ピボットテーブル、データ分析、その他 Excel スプレッドシートに関するあらゆるタスクに使用します。

ドキュメント39
F
fastino-gliner

Fastino のホスト型 GLiNER API を使ってエンティティ抽出、テキスト分類、ラベル付きデータセットの準備、モデルのファインチューニング、チェックポイントの評価、プロジェクトへの推論の統合を行う。

データ・データベース39
12,219 件中 11521–11580 件

MCP は初めてですか?

プロトコルの概要から最初のサーバーの導入まで、よくある疑問にまとめて答えます。

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。