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
Lightweight Charts™ プラグイン（カスタムシリーズ、シリーズプリミティブ、ペインプリミティブ）の作成、拡張、デバッグ、公開時に使用します。また、チャートのアイデア（「チャートに X を表示／描画したい」）を実用的なプラグインにする際にも使用します。プラグインタイプの選択、create-lwc-plugin によるスキャフォールディング、独自のヘルパーを手作りせず @tradingview/lwc-toolkit を使った構築、参考にする公式プラグインパッケージ、ドキュメントの場所、各プラグイン作者が一度は陥るオートスケール、空白、可視範囲、ヒットテスト、コンフレーションのミスを扱います。ユーザーがカスタムシリーズ、プリミティブ、レンダラー、チャートキャンバスへの描画、lwc-plugin、plugin-examples、ツールキット、プラグインカタログに言及したら、「プラグイン」という言葉がなくても使用します。
データウェアハウスの同期が失敗する原因を診断し、適切な復旧操作を提案します。「Stripe/Postgres/Hubspot の同期が動かないのはなぜ？」「このテーブルが何時間も止まっている」「データウェアハウスのデータがおかしい」といった質問や、特定のソースまたはスキーマのトラブルシューティングに使用します。ソースレベルとスキーマレベルの障害、Running 状態での停止、認証情報やスキーマドリフトのエラー、増分フィールドの設定ミス、CDC の前提条件の失敗、およびキャンセル／再読み込み／再同期／データ削除による復旧操作を扱います。
Bright DataのDiscover APIを使用して、意図に基づいて順位付けし、AI関連性スコアを付けた大規模なウェブ検索を実行します。キーワードSERPとは異なります。検索ジョブを開始し、順位付きの結果（リンク、タイトル、説明、relevance_score）を取得します。解析済みページコンテンツも任意で取得できます。セマンティック検索や意図ベースのウェブ検索、目標に合うトピックのページ検索、LLM向けのウェブ根拠付き検索、キーワード順位ではなく関連性による結果の絞り込みに使用します。REST API（POST/GET /discover）、CLI（`bdata discover`）、Python/JS SDK（`client.discover`）を網羅し、standard/zeroRanking/deep/fastモードにも対応します。`live-research`と`rag-pipeline`の基盤となるスキルです。キーワードSERPには`search`、構造化されたプラットフォームデータには`data-feeds`を使用してください。
Postgres、MySQL、Stripe、Hubspot、MongoDB、Salesforce、BigQuery、Snowflake など、新しいデータウェアハウスのデータソース接続をユーザーに案内します。「Stripe を接続」「Postgres からデータをインポート」「新しいデータソースを追加」「ウェアハウスのテーブルを同期」したい場合や、テーブルごとに同期方法を選びたい場合に使用します。ソースタイプの検出、認証情報の検証、テーブルの検出、テーブルごとの sync_type の選択、最後の作成呼び出しまで案内します。適切なプレフィックスの選び方と作成直後に行うことも扱います。
収益、支払い、サブスクリプション、請求、CRM 案件、サポートチケット、広告費、本番データベースのテーブル、その他 PostHog が標準で収集しないデータについて質問された場合に使用します。また、PostHog のプロダクトイベントを外部の業務データと結合・関連付けたい場合や、テーブルが存在しない、または想定される外部データが見つからずクエリが失敗した場合にも使用します。データウェアハウスは、SaaS ツール（Stripe、Hubspot、Zendesk など）、広告プラットフォーム、本番データベース（Postgres、MySQL、BigQuery、Snowflake）、その他任意のデータソースからインポートできます。既存ソースの確認、適切なソースタイプの特定、設定の案内を扱います。
ソースシステムを分類し、専用エージェントまたはインライン調査で調査して、エンティティマッピングとアーキテクチャ上の決定を含む _PLANNING.md ブループリントを作成し、新しい DataHub コネクターを計画します。新しいコネクターの構築、DataHub 向けのソースシステム調査、コネクターアーキテクチャの設計に使用します。「コネクターを計画」「X 用の新しいコネクター」「DataHub 向けに X を調査」「X 用のコネクターを設計」「計画書を作成」、または DataHub の取り込み元を計画・調査・設計する依頼で起動します。
ObjectStack のデータスキーマ（オブジェクト、フィールド、関係、検証、インデックス、フック、セキュリティ、シード、データソース）を設計します。`*.object.ts` ファイルや `src/data/*.ts` シードモジュールの作成・変更、フィールド型の選択、関係のモデリング、`beforeInsert`/`afterUpdate` フックの記述、オブジェクトごとのアクセス制御の構成、既存の外部データベースへのオブジェクト接続、ブートストラップ／デモデータの作成時に使用します。フィールドに属する `visibleWhen`/`readonlyWhen`/`requiredWhen` ルールにも使用します。データのクエリ（objectstack-query を参照）やプラグイン／カーネルのフック（objectstack-platform を参照）には使用しないでください。CEL 式には objectstack-formula も読み込んでください
複数シミュレーションのキャンペーンをオーケストレーションします。パラメータースイープ設定（グリッド、linspace、ラテン超方格サンプリング）の生成、バッチジョブの初期化と追跡、ジョブ完了状況の監視、全実行結果の集約と要約統計量の算出を行います。dt、kappaなどのシミュレーション入力に関するパラメーター調査、数十〜数百のシミュレーション設定の管理、完了したバッチ実行の出力をまとめて最適な結果を探す場合や、体系的な調査の生成・実行・収集ワークフローを自動化する場合に使用します。「多くのパラメーターの組み合わせを試したい」「スイープをどう整理すればよいか」といった要望にも対応します。
データ可視化向けに Syncfusion® .NET MAUI Cartesian Chart（SfCartesianChart）を実装します。折れ線、エリア、縦棒、横棒、金融、統計、積み上げなど、20 種類以上のチャートに対応します。カルテシアンチャート、折れ線チャート、エリアチャート、金融チャート（ローソク足、OHLC）の実装時に使用します。チャートの軸、凡例、ツールチップ、トラックボール、ズームとパン、チャート注釈、トレンドラインを扱います。
既存のデータウェアハウススキーマの同期設定を変更します。sync_type の切り替え、別の incremental_field の選択、primary_key_columns の設定、cdc_table_mode の選択、sync_frequency の変更に対応します。ユーザーが「orders テーブルをフルリフレッシュから増分同期に切り替えて」「このテーブルの同期が遅すぎる／頻繁すぎる」「別の増分列を選びたい」「この Postgres テーブルに CDC を設定して」と依頼した場合、または同期失敗の診断で増分フィールドや PK の設定ミスが判明した場合に使用します。
Alicloud OSS AI Content Awareness Skill。AIによるコンテンツ理解を活用したOSSセマンティック検索の有効化とクエリに使用します。トリガー：“OSS AI Content Awareness”、“OSS semantic search”、“OSS vector search”、“search by text”、“text-to-image search”、“text-to-video search”、“OSS MetaQuery”、“OSS data index”、“OSS AI内容感知”、“OSS语义检索”、“OSS向量检索”、“以文搜图”、“以文搜视频”、“OSS数据索引”
Hyper MCPを通じてMeta（Facebook + Instagram）の広告キャンペーンを一貫して計画・作成します。デフォルトではAdvantage+自動化を使用します。Meta広告、Facebook広告、Instagram広告、Advantage+キャンペーン、カルーセル広告、ダイナミッククリエイティブ広告の開始、Metaコンバージョントラッキングの設定、パフォーマンス分析、Meta広告アカウントの監査、Metaパフォーマンスダッシュボードの構築をユーザーが希望する場合に使用します。meta campaign、facebook campaign、advantage+、meta account auditなどのフレーズでも起動します。
Proteina-Complexa で既存の PDB ディレクトリを単独評価します。ユーザーが「PDB ファイルを評価」「これらの設計を再フォールディング」「インターフェース pAE を計算」「フォルダーの i_pLDDT を計算」「設計に AF2 / RF3 / ESMFold を実行」「結合タンパク質候補をスコアリング」「このフォルダーの設計可能性」「設計の scRMSD」「これらの PDB のモチーフ RMSD」「complexa analysis」「PDB ディレクトリから complexa evaluate」「pdb dir から評価」を希望する場合、または第三者の出力（BindCraft、AlphaProteo、RFdiffusion、手動で選別したデコイ）をスコアリングする場合に使用します。適切な `evaluate_*.yaml` 設定を選び、`++dataset.pdb_dir` とフォールディングバックエンドを接続し、`complexa analysis`（evaluate → analyze の流れ）を実行、結果 CSV を解析して適切な `result_type` のしきい値に対する合格率を報告し、再実行可能な `eval_manifest.json` を出力します。再フォールディングスクリプトを手作業で作る前に使用してください。
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。