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 97,501 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
材料科学オントロジーの構造を解析、探索、検索します。クラス階層の閲覧、個々のクラスとそのプロパティの確認、domain/rangeを含むオブジェクトプロパティとデータプロパティの定義検索、キーワードによるオントロジー用語の検索、OWL/XMLファイルの解析や要約ができます。現在はCMSOとASMOに対応し、より広範なOCDOエコシステム(CDCO、PODO、PLDO、LDO)への対応を予定しています。オントロジーが提供するクラスやプロパティの確認、結晶構造やシミュレーション概念に適したCMSO用語の検索、親子クラス関係の理解、未習熟の材料オントロジーの学習に使用します。「FCC銅シミュレーションを表すオントロジー用語は?」「CMSOのクラス階層を表示して」といった依頼にも対応します。
Airflow 言語 SDK の言語非依存な基盤です。DAG は Python のまま、タスクロジックを Python 以外の言語で実装します。ユーザーが Java、Kotlin、Go、その他の JVM/ネイティブ言語で Airflow タスクを実行したい場合、Python の `@task.stub` とネイティブのタスクコードの連携、両側でのタスク/DAG ID の一致、XCom を介した JSON でのデータ受け渡し、利用可能な言語 SDK について尋ねた場合に使用します。このスキルは共通の Python スタブパターンと概念モデルを扱います。特定言語のネイティブ API、ビルド、ランタイムについては、その言語のスキル(例:authoring-java-sdk-tasks、authoring-go-sdk-tasks)を使用してください。
Azure Resource Graph の開発に関する専門知識。トラブルシューティング、ベストプラクティス、意思決定、制限とクォータ、構成、統合、コーディングパターンを扱います。CLI/PowerShell/REST でのクエリ、GET/LIST と Query の使い分け、ページングやクォータの処理、Power BI ARG レポートの作成、その他の Azure Resource Graph 関連の開発タスクで使用します。Azure Monitor(azure-monitor を使用)、Azure Policy(azure-policy を使用)、Cost Management(azure-cost-management を使用)、Azure Resource Manager(azure-resource-manager を使用)には使用しません。
Airflow で言語 SDK タスク(Java、Go、将来のネイティブ SDK)を実行するための設定を行います。コーディネーターの登録、キューの割り当て、ワーカー上のランタイム/成果物の確認、コーディネーターオプションの調整を扱います。Airflow でキューをネイティブ言語コーディネーターにルーティングしたい場合、`[sdk]` の `coordinators`/`queue_to_coordinator` 設定、`AIRFLOW__SDK__COORDINATORS`、`jars_root`、`executables_root` などのコーディネーター `kwargs`、`task_startup_timeout` について質問する場合、またはネイティブタスクが処理されない理由を尋ねる場合に使用します。共通のルーティング機構と、JavaCoordinator、ExecutableCoordinator などのコーディネーター別オプションを扱います。
HL7 v2.5 IHE PAM(Patient Administration Management)メッセージを解析して説明します。メッセージタイプを特定し、セグメント(MSH、EVN、PID、PV1、PV2)を抽出して構造を検証し、患者管理ワークフロー向けの ADT メッセージを詳しく説明します。ユーザーが HL7 v2.5 IHE PAM / ADT メッセージを提示または分析を依頼する場合、メッセージタイプの特定、MSH/EVN/PID/PV1/PV2 セグメントの抽出や説明を求める場合に使用します。独自形式の HPK には、代わりに hpk-parser を使用してください。
2 つの用途:(1)computer-use を介して Kimi.app を操作し、Work/Agent データプラグインで検索(天眼查、同花顺 iFinD、SEC、IMF など)したり、Chat 内蔵の深度研究レポートを利用したりします。(2)kimi-cu macOS デスクトップ自動化ガイド。AX set_value / keyboard / click によるチャンネル選択、フォアグラウンド化、AX ツリーの復元、フォームやダイアログの操作方法を扱います。「用 Kimi 查」「操作 Kimi 客户端」「Kimi 插件」「Kimi 深度研究」や、kimi-cu を介したあらゆる macOS デスクトップアプリ(Electron/webview/native)の操作に使用します。kimi.com のブラウザー自動化(kimi-webbridge を使用)や iFinD API への直接アクセスには使用しません。
Airflow Go SDK を使用して Airflow タスクのロジックを記述します。Go で Airflow タスクを実装したい場合、`BundleProvider`/`RegisterDags`、`bundlev1` の Registry/Dag インターフェース、Go タスクの登録(`AddTask`/`AddTaskWithName`)、パラメーター型による依存性注入(`context.Context`、`sdk.TIRunContext`、`*slog.Logger`、`sdk.Client`)、または Go からの接続、変数、XCom の読み取りについて尋ねられた場合に使用します。このスキルは Go 固有のネイティブ API を扱います。共通の Python スタブパターンと概念モデルについては authoring-language-sdk-tasks を参照してください。bundle のビルド、パッケージ化、配布については deploying-go-sdk-bundles、コーディネーターの設定については configuring-airflow-language-sdks を参照してください。
「録画を見たいが、どれを見ればよいかわからない」というユーザーを、見る価値のあるセッションの短い高精度リストへ導きます。視聴するセッションやリプレイを尋ねる場合、興味深い/役立つ録画を探したい場合、セッションリプレイのどこから始めればよいかわからない場合、または具体的なフィルターを指定せずに、目標(登録、価格設定、オンボーディング、チェックアウト、機能、レイジクリック、エラー、モバイル、特定の人物)に関するセッションを見たい場合に使用します。`query-session-recordings-list` を使って曖昧な意図を絞り込んだ RecordingsQuery に変換し、有力候補にディープリンクを付けて `investigating-replay` に引き継ぎます。ユーザーがすでに録画/セッション ID を持っている場合(investigating-replay を使用)、または既知のエラーに関するリプレイを求めている場合(finding-replay-for-issue を使用)は使わないでください。
ユーザーの実際の Postgres データベースに対して実行される SQL をコードが構築、返却、取得、実行する場合は必ず使用します。依頼が通常の機能追加やバグ修正に見え、「セキュリティ」「インジェクション」「SafeSqlFragment」といった語が含まれない場合も対象です。対象には、データベースオブジェクト(テーブル、ビュー、関数、DB トリガー、インデックス、RLS ポリシー)向けの SQL を構築・返却する pg-meta 関数、クエリビルダー、エンドポイントの作成・編集、schema/table/column/search/route-param 値の SQL テキストへの挿入、データベースとの間で往復する SQL(ポリシー定義、関数/ビュー定義、保存済みスニペット)の保存・取得・再実行、およびプロジェクトのデータベースに SQL を送信する「Run」/「Apply」/「Execute」操作(SQL エディターでの選択範囲実行、ポリシーエディターでの適用、スニペットランナー)が含まれます。完成した差分をレビューするときだけでなく、そのようなコードを書く前に読み込んでください。SQL テキストにも実行にも一切触れない変更(スタイル、無関係なデータフック、SQL を使わないフォーム検証、UI レイアウト作業など)に限り、使用を省略できます。
トラブルシューティング、ベストプラクティス、意思決定、アーキテクチャと設計パターン、制限とクォータ、セキュリティ、構成、統合とコーディングパターン、デプロイなど、Azure Synapse Analytics 開発に関する専門知識を提供します。Synapse SQL プール、Spark プール、Delta Lake、Synapse Link(Cosmos/SQL)、PolyBase による ELT、およびその他の Azure Synapse Analytics 開発タスクに使用します。Azure Data Factory(azure-data-factory を使用)、Azure Data Explorer(azure-data-explorer を使用)、Azure Databricks(azure-databricks を使用)、Azure Stream Analytics(azure-stream-analytics)には使用しないでください。
Replay Vision スキャナーの作成と安全な規模設定をエージェントに案内します。スキャナーの種類(monitor/classifier/scorer/summarizer)の選択、セッションを選ぶ RecordingsQuery の構成、そして重要な点として、作成前に消費クレジットを見積もり、組織の残予算を確認します。これにより、範囲の広いスキャナーが初回の定期スキャンで予算を使い果たすのを防ぎます。 次の場合にトリガー:ユーザーが Replay Vision スキャナーの作成、セットアップ、設定を依頼した場合、vision-scanners-create の呼び出し直前、または vision-scanners-update によって既存スキャナーの query、sampling_rate、sampling_mode を拡大する場合(あるいはより高価なモデルに変更する場合)。 次の場合はトリガーしない:スキャナーや観測結果の閲覧のみ、スキャナーの削除、または既存スキャナーをオンデマンドでセッションに対して実行する場合(vision-scanners-scan-session/-scan-sessions)。既存セッションについて一度だけ質問する場合は、スキャナーを作成せず vision-scanners-inline-scan を使用してください。該当するケースはスキルの最初のセクションで説明しています。
あらゆる出力形式(HTML/React アーティファクト、インライン SVG、matplotlib/plotly/d3/Recharts、PNG)で、チャート、グラフ、プロット、ダッシュボード、データビジュアライゼーションを作成する前に必ず使用します。チャートコードの最初の行を書く、色を選ぶ、統計タイル/KPI 行を作成する、ダッシュボードをレイアウトする前に読みます。デザインシステムに依存しない手法として、形式のヒューリスティック、実行可能なバリデーター付きのカラー式、マーク仕様、インタラクションルールを解説します。デフォルトのパレットは references/palette.md にあります。
コンパイル済みの Airflow Go SDK バンドルをビルド、パッケージ化、デプロイし、ExecutableCoordinator で実行できるようにします。Go タスクバンドルのコンパイル、`go build`、`go tool airflow-go-pack`、自己完結型実行バンドル AFBNDL01、バンドルのパッケージ化や検査、`executables_root` への配置、worker 向けのクロスコンパイル、`go-sdk` モジュールのバージョン・タグ・疑似バージョン、Airflow worker(Docker、Kubernetes、Astro)へのバンドル配置について質問された場合に使用します。タスクコードについては authoring-go-sdk-tasks、共通のコーディネーター設定については configuring-airflow-language-sdks を参照してください。
SQL Server on Azure Virtual Machines の開発に関する専門知識を提供します。トラブルシューティング、ベストプラクティス、意思決定、アーキテクチャと設計パターン、制限とクォータ、セキュリティ、構成、統合とコーディングパターン、デプロイが対象です。SQL VM と Managed Instance の選定、Always On/FCI HADR、Azure ストレージとバックアップ、Key Vault/MI 認証、KQL テレメトリ、その他の SQL Server on Azure Virtual Machines 開発タスクの計画に使用してください。Azure SQL Database(azure-sql-database を使用)、Azure SQL Managed Instance(azure-sql-managed-instance を使用)、Azure Virtual Machines(azure-virtual-machines を使用)、SAP HANA on Azure Large Instances(azure-sap を使用)には使用しないでください。
Google の TimesFM 基盤モデルを使ったゼロショット時系列予測です。カスタムモデルを学習させずに、売上、センサー値、株価、エネルギー需要、患者のバイタル、天候、科学的測定値など、あらゆる単変量時系列を予測する場合に使用します。基本的な予測と、動的・静的な外生変数を使う高度な共変量予測(XReg)に対応します。モデルの読み込み前にシステム RAM/GPU を自動確認し、処理前にデータセットが適合するか検証します。CSV/DataFrame/配列の入力に対応し、点予測と校正済みの予測区間を返します。初回使用前に必ず実行し、マシンでモデルを読み込み、対象のデータセットを処理できるか確認する事前チェック用スクリプトが含まれています。
Keboola Apps(Streamlit または Python/JS)の構築、変更、デプロイ、デバッグ時に使用する。ライフサイクル全体をカバーする —— アプリタイプの選択、Python/JS の prod-app-and-drafts モデル(2 つ目のアプリは絶対に作成しない)、keboola-config/ の設定、ストレージアクセス(RO workspace、RW Query Service、input mapping)、認証、パフォーマンスのための DuckDB キャッシュ、デフォルトの Keboola スタイル、ダッシュボードパターン、オプションの Kai チャット連携、そして 3 つのクライアントパス(MCP のみ、ファイルシステム付き Claude Code、kbagent CLI)。
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。
