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
EAS Observe に関するすべての作業に使います。Expo プロジェクトへの `expo-observe` の追加（AppMetricsRoot/ObserveRoot HOC、markInteractive、useObserve フック、ルートごとのメトリクス用の Expo Router / React Navigation 連携、`Observe.logEvent` によるユーザー定義イベント）、EAS CLI でのクエリ（`eas observe:metrics-summary`、`observe:metrics`、`observe:routes`、`observe:events`、`observe:versions`）、あるいは取得したメトリクスの解釈（コールド／ウォーム起動、TTR、TTI、ナビゲーションのコールド／ウォーム TTR、アップデートのダウンロード、起動が遅い場合の切り分けに用いる TTI の frameRate パラメータ）。
Amazon RDS または Aurora のデータベーススナップショットを Apache Parquet 形式で Amazon S3 にエクスポートし、分析、バックアップ、データ移行に利用できるようにします。スナップショットの選択や作成、IAM ロールの設定、KMS 暗号化、S3 バケットの準備、エクスポートタスクの実行、進捗の監視、データの検証に対応しています。Athena、Glue、Redshift Spectrum で利用するために RDS/Aurora のデータを S3 にエクスポートする場合に使用してください。
130 ポイントスコアリングを用いた Salesforce データ運用。sf CLI と匿名 Apex による組織レコードの作成、更新、削除、一括インポート／エクスポート、テストデータの生成、クリーンアップに使う。テストデータの作成、一括インポート／エクスポート、sf データ CLI コマンド、Apex テストのデータファクトリパターン、組織レコードのシード／クリーンアップで発動する。SOQL クエリの記述のみ（Apex テストの実行のみ、メタデータのデプロイのみ）には発動しない（それぞれ platform-soql-query、platform-apex-test-run、platform-metadata-deploy を使う）。
CodeQL や Semgrep などの静的解析ツールが出力する SARIF ファイルを解析・処理します。"parse sarif"、"read scan results"、"aggregate findings"、"deduplicate alerts"、"process sarif output" などのリクエストで発動します。SARIF データのフィルタリング、重複排除、形式変換、CI/CD 連携に対応します。スキャンの実行は行いません — スキャンには Semgrep または CodeQL のスキルを使用してください。
MongoDB の検索全般を扱います。Atlas Search（全文検索）、Vector Search（セマンティック検索）、Hybrid Search が対象です。データやユースケースがまだない段階での自由形式・説明的な質問を含め、MongoDB 検索に関するあらゆる質問に使用します。「MongoDB の検索はどう機能する？」「MongoDB の検索を始めたばかりだが、何から始めればいい？」「Atlas Search と Vector Search の違いは？」「どの検索方式を使うべき？」「ベクトル検索とは？」「自動埋め込みはどう機能する？」「ハイブリッド検索を説明して」といった質問が対象です。一般知識だけで回答せず、このスキルを使用してください。全文検索クエリ、オートコンプリート、あいまい一致、ファセット検索、意味的類似性、埋め込み、RAG、テキスト包含や部分文字列一致（「contains」「includes」）、大文字小文字を区別しない検索や複数フィールドのテキスト検索、多数のフィールドにまたがるフィルタリングなど、検索機能の構築にも使用します。MongoDB MCP サーバーを通じて、検索方式の選択、インデックス作成、クエリ作成、パフォーマンス最適化のワークフローを提供します。
OKX のスマートマネー分析：リーダーボード掲載トレーダー、ポジション追跡、約定履歴、決済済みポジション履歴、集計コンセンサスシグナル、シグナル履歴。ユーザーが 聪明钱、スマートマネー、牛人榜、リーダーボード、トップトレーダー，交易员排行、トレーダー順位，交易员持仓，交易员收益，歴史決済，已決済ポジション、実現損益の記録、約定履歴，スマートマネーシグナル， longs/shorts 比率，資金フロー，ポジション确信度，エントリー価格分布，スマートマネー概観、シグナル履歴、トレーダー検索、誰が BTC を取引している，推荐交易员wny，最優秀トレーダーVTuestion について尋ねた場合、このスキルを使用してください。
コンバージョン損失（価値または件数）、リードフローの低さや件数の少なさ、広告ランク・入札・予算に起因するインプレッションシェアの失われ（機会損失）などの Google Ads アカウントの問題を診断します。パフォーマンスの急落、キャンペーンのインプレッションシェア指標の分析、リードフローが低い原因の調査、入札や予算に関する制約の確認に使用します。新たなキャンペーンの設定、コンバージョンイベントの直接アップロード、一般的な Google Mobile Ads SDK の統合問題には使用しないでください（その場合は gma-android-integrate を使用）。
Entity Framework Core（EF Core）を使用するアプリケーションのデータアクセスをレビューし、最適化します。サービス、リポジトリ、インポート、バックグラウンドジョブの EF Core のパフォーマンスと正確性のレビューに使用します。対象は、低速またはメモリ消費の大きいクエリ、過剰な往復、見えにくい SaveChanges、早すぎる実体化、動的なクエリ構築、結果グラフの追跡、一括書き込み、DbContext のライフタイムや重複操作、検索の意味、ページング、生 SQL、モデル／インデックスの網羅性です。スキーマを EF Core が管理しているかどうかにかかわらず使用できます。EF Core 用であり、Dapper や生の ADO.NET 用ではありません。
ユーザーが「onchainos ws」「ws start」「ws poll」「ws stop」「ws channels」「ws session」「ws channel-info」「idle-timeout」「idle timeout」「WebSocket channels」「WSチャンネル」に言及した場合、または WebSocket セッション管理について質問した場合に使用します。リアルタイムオンチェーンデータ用のカスタム WebSocket スクリプト/ボットを書く場合にも使用します。対象：onchainos ws CLI コマンド（start/poll/stop/list/channels/channel-info）、セッションのライフサイクル、idle-timeout 設定、および 9 つの DEX WebSocket チャンネル（price、candle、trades、price-info、signals、tracker、meme scanning）。
AWS データベースに関するあらゆるタスク——データベースの選択、比較、推奨、入門、運用——を、適切なサービス専用スキルにルーティングします。泛用の学習データによる知識を、研修後のサービス更新、修正済みの制約事項、およびリレーショナル（Aurora、DSQL、RDS）、キーバリュー（DynamoDB）、ワイドカラム（Keyspaces）、ドキュメント（DocumentDB）、グラフ（Neptune）、時系列（Timestream）、インメモリ/キャッシュ（ElastiCache、MemoryDB）のワークロードに関する意思決定手順で置き換えます。ユーザーが「database」と明示していなくても、AWS 上でデータを保存、取得、管理するアプリケーションの構築について述べた場合に有効になります。
ユーザーが Salesforce のリストビューメタデータの作成、生成、検証を必要とする場合に使用します。リストビュー、フィルターされたレコード一覧、ビューの作成、レコード列の設定、条件によるレコードのフィルター、リストビューの可視性について言及或多[`filter records by...`] 場合はトリガーします。「次を表示するビューが必要」「条件でレコードを絞り込みたい」「用のリストビューを作成したい」のようにrtleったリクエストや、ListView XML ファイルを扱って検証やトラブルシューティングを行う場合にも使用します。
Qwen のビジョンモデルで画像や動画を理解します。トリガー条件：ユーザーが画像や動画の分析・説明・情報抽出、OCR によるテキスト抽出、チャートや表の読み取り、視覚的推論、複数画像の比較、スクリーンショットの理解、動画の理解を希望する場合、またはこのスキルを名前で明示的に呼び出した場合（例：use qianwen-vision）。非トリガー条件：画像の生成（qianwen-image-generation を使用）、動画の生成（qianwen-video-generation を使用）、視覚入力のないテキストのみのタスク、Qwen ビジョン以外のタスク。
セッショントレースと Data Cloud を使って本番環境の Agentforce エージェントの動作を分析し、Agent Health Monitoring (AHM) のアラートを管理します。トリガー条件：ユーザーが STDM セッションデータや Data Cloud のトレースレコードを問い合わせる、本番環境のエージェントの障害・回帰・パフォーマンス問題を調査する、セッショントレース・会話ログ・エージェントの指標について尋ねる、報告された本番問題のプレビューでの再現を試みる、findSessions やトレース分析クエリを実行する、エージェントの指標（エスカレーション率/deflection など）に対して AHM データアラートを作成・一覧表示・更新・削除する、アラートが発火しない理由を尋ね거나発火済みか確認する（通知件数、またはアラートごとの Incidents ビュー）。トリガーしない条件：ユーザーが開発中に .agent ファイルを作成・変更・デバッグする（agentforce-generate を使用）、テストスペックを作成・実行する（agentforce-test を使用）、ローカル開発で sf agent preview を使う、エージェントをデプロイまたは公開する。
Amazon Aurora PostgreSQL——Aurora PostgreSQL クラスタの作成・変更・助言に特化して対応します（PostgreSQL 互換エンジン、Aurora serverless、express 設定、pgvector、Babelfish）。Aurora PostgreSQL クラスタ操作、express 設定のクイックスタート、ACU のサイジング、I/O-Optimized ストレージ、コミットメント価格、PostgreSQL のアップグレード計画のときに発動します。Aurora MySQL には代わりに amazon-aurora-mysql を使用してください。安全ガードレール、express 優先のルーティング、デフォルトを上書きする応答テンプレートを含みます。
Athena SQL で S3 Metadata システムテーブル（journal、inventory、annotation）と S3 Storage Lens テーブルを使い、S3 オブジェクトのメタデータを照会し、バケットの活動を追跡し、オブジェクト変更を監査し、アノテーションを検索し、ストレージ指標を分析します。オブジェクト数の集計、最近のアップロードや削除の特定、特定プレフィックスへの書き込み主体の特定、ストレージクラスの内訳、タグによるオブジェクト検索、アノテーション内容の検索、Storage Lens 指標の分析、S3 Metadata 追跡の有効化で活躍します。大規模な場合はRAW の S3 API（list-objects-v2、head-object）よりもシステムテーブルを優先します。トリガーフレーズ: bucket activity, object count, who uploaded, track deletions, storage class breakdown, find by tag, search annotations, storage lens metrics, audit bucket changes.
Amazon OpenSearch Service と Serverless について、6 つの機能領域にわたる移行、プロビジョニング、検索、ログ分析、トレース分析、Agentic AI Assistant のワークフローをガイドします。移行（Solr/ES/セルフホスティング環境から AOS/AOSS への移行、schema/query の変換、サイジング、カットオーバー）、プロビジョニング（ドメインと AOSS のライフサイクル、アップグレード、FGAC、監視）、検索（Bedrock を用いたベクトル / セマンティック / ハイブリッド / RAG）、ログ分析（PPL、OSI、異常検知、Dashboards）、トレース分析（OTel -span、サービスマップ、Data Prepper）、ai-assistant（自然言語によるデータ探索、インシデント調査、根本原因分析）。トリガー語：OpenSearch、AOS、AOSS、Elasticsearch、Solr、ベクトル/k-NN/セマンティック/ハイブリッド検索、RAG、ログ分析、PPL、トレース分析、ISM、FAISS、HNSW、Migration Assistant、UltraWarm、OR1、query my data、analyze logs、investigate errors、root cause analysis。
S3 Tables に Apache Iceberg テーブルとしてエクスポートされた CloudWatch Logs データに対して SQL クエリを実行します。VPC Flow Logs、WAF ログ、CloudFront アクセスログ、Route 53 リゾルバーログ、Network Firewall ログ、EKS 監査ログ、Verified Access ログ、SES ログ、VPC Lattice ログ、Step Functions ログ、NLB アクセスログ、そのほか 20 以上の AWS 提供データソースを対象とします。ネットワークトラフィックの分析、セキュリティインシデントの調査、SQL でのエクスポート済みログの照会、S3 Tables 統合の有効化、ログエクスポートの設定、ログと他のデータの関連付け、aws-cloudwatch テーブルバケットでの Athena クエリ実行の場合に適用されます。トリガーフレーズ：SQL でログを照会、Athena でログを分析、VPC フローログに SQL、ネットワークトラフィックを調査、エクスポート済みログに SQL を実行、CloudWatch に S3 Tables を有効化、ログの関連付け、履歴ログ分析、ログ照会を設定。
開発者に潜在的なキャッシュ需要がある場合に有効化します。例：API レスポンスの遅さ、データベース読み取りのボトルネック、DynamoDB のスロットリングやコスト、RDS/Aurora のスケール圧力、Bedrock のレイテンシやコスト、キャッシュの追加。また、Redis、Valkey、Memcached などのインメモリデータストア、cache-aside パターン、セッションストア、レート制限、リーダーボード、カウンター、ストリーム、キュー、pub/sub、分散ロック、機能フラグ、ショッピングカート、その他のキャッシュ戦略を扱う場合にも有効化します。GenAI と ML の検索にも有効：低レイテンシ検索のためのベクトル類似検索、 セマンティックキャッシュ、RAG、LLM 応答キャッシュ、埋め込みストア、AI エージェントのメモリ、レコメンド、パーソナライズ。ElastiCache のライフサイクルにも有効：プロビジョニング（サーバーレスまたはノード型）、エンジン選択、CloudFormation/CDK/Terraform IaC、VPC 接続、TLS、RBAC、IAM 認証、Global Datastore、監視、トラブルシューティング、コスト最適化、セルフホストの Redis からの移行。ブラウザキャッシュ、CDN/CloudFront、HTTP Cache-Control、CPU キャッシュにはトリガーしません。
技術イベントのコンセプト・ターゲット・価格の組み合わせが実際に需要を満たすかを読み取る —— 開催前（コミュニティのベースライン、CFP の超過応募、飽和度マッピング）、販売中（チェックポイントラダーとペース指数を予想販売数と照合）、某一回の終了後（参加者の再度参加、スポンサーの更新、完売スピードのトレンド）—— を、進める・保留・ピボット・停止という判断にまとめる。会議、ハックathons、meetup からカンファレンスへの拡大で需要を検証したいとき、チケット販売がペースどおりか判断したいとき、イベントを継続すべきか規模[email protected]すべきか決めたいとき、某一回が不調だった理由を診断したいときに使用。シグナルのみを読む。立ち上げのスコープ界定には使用しない —— samber/dev-event-organizer-skills@event-first-edition を使う —— 成長レバーにも使用しない —— samber/dev-event-organizer-skills@event-growth-strategy を使う。
1 回の技術イベントの参加者フィードバック収集を設計・実行します。何を聞くのか、誰が回答するのか、どのチャネルで、いつ送り、回答者へ何を返すのか。フォーマットに合わせた質問セット（meetup のパルス調査、カンファレンスの満足度と再参加意思、ハックathons のチームatera dynamics、メンター、评审の公平性、プロジェクトの継続）、参加者・登壇者・スポンサーセグメント化、現場での配布とメール配信の実際の回答率データによる比較、アンケート长度、匿名性、自由記述を扱います。イベント後のアンケートに何を入れるか、いつ送るか、誰もanswered 回答率予以改善するか、ハッカソンをどう調査するか、回答をどう扱うかを聞かれたときに使用します。チーム自身の振り返りには使用しないでください。代わりに samber/dev-event-organizer-skills@event-debrief を使用してください。
ストレージエンジン、レプリケーション、パーティショニング、トランザクション、一貫性モデルを理解してデータシステムを設計します。ユーザーが「データベースの選定」「どのデータベースを使うべきか」「SQL か NoSQL か」「レプリケーションの遅延」「パーティショニング戦略」「一貫性と可用性」「ストリーム処理」「ACID トランザクション」「最終整合性」「スケールでクエリが遅い」「レプリカ間でデータが一致しない」などIA。此外、データストアの選択、データパイプラインの設計、分散システムの一貫性問題のデバッグを行う場合にもトリガーします。データモデル、バッチ/ストリーム処理、分散合意を扱います。システム設計は system-design、レジリエンスは release-it を参照してください。
Data Cloud における 1 つの Agentforce セッションの 360° ビュー。ユーザーが特定の Agentforce セッションについて、セッション ID（Agent Session UUID `019d…` または MessagingSession id `0Mw…`）.Trace、_inspect、要約や説明を求める場合に TRIGGER する。ユーザーがまだセッション ID を持っていない場合のセッション検索（時刻、エージェント、チャネル、結果、会話テキストで find/list/search）でも TRIGGER する。設計時のアーキテクチャ質問（代わりに agentforce-architecture-analyze を使用）および、Data Cloud の範囲外のプラットフォームテレメトリを必要とするランタイム performance/latency/SLO の質問には TRIGGER しない。
Amazon Aurora MySQL — Aurora MySQL クラスタの作成、変更Pie、助言を専門的に行う（MySQL 互換エンジン、Aurora サーバーレス、並列クエリ）。Aurora MySQL クラスタの操作、ACU のサイジング、I/O-Optimized ストレージ、コミットメント価格、MySQL アップグレード計画のトリガー。Aurora MySQL はフル（VPC ベース）設定を使用する—ekspostgrespress（高速）設定は PostgreSQL のみ。Aurora PostgreSQL には代わりに amazon-aurora-postgresql を使う。デフォルトを上書きするセーフティガードレールとレスポンシブテンプレートを含む。
MongoDB クライアントの接続設定（プール、タイムアウト、パターン）を、対応している任意のドライバ言語向けに最適化します。MongoDB クライアントを生成・設定する関数（`connect()` の呼び出しなど）の作成・更新・レビュー時、接続プールの設定、接続エラー（ECONNREFUSED、タイムアウト、プール枯渇）の調査、接続に関するパフォーマンス問題の最適化時に使用します。MongoDB を使ったサーバーレス関数の構築、MongoDB を利用する API エンドポイントの作成、高トラフィックの MongoDB アプリの最適化、長時間実行タスクと並行処理の作成、接続関連障害のデバッグなどが対象です。
Lakehouse for Apache Iceberg と BigQuery データエージェントを使って、要件を掘り下げ、境界のないオープンデータレイクハウスを設計します。マルチクラウド ストレージインフラ（Cloud Storage、AWS S3、Azure Blob）の設計、インジェクションおよび AI サービング サブシステムの構築、Cross-Cloud Interconnect の設定、Gemini Enterprise Agent Platform と BigQuery データエージェントのデプロイ時に使用します。シングルクラウド データウェアハウス、または Knowledge Catalog のメタデータ ガバナンスと Spark 駆動の IDE 分析ワークフローを主軸とする場合は使用しないでください（代わりに google-cloud-solution-agentic-analytics-spark-knowledge-catalog を使用）。
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。