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
友鷹のShopee商品選定ツールです。Shopee全サイトの商品検索と絞り込みに対応し、マレーシア、台湾、インドネシア、タイ、フィリピン、シンガポール、ベトナム、ブラジル、メキシコ、チリ、コロンビアの11市場をカバーします。ユーザーがShopeeの商品選定、虾皮の商品検索、Shopeeの人気商品、虾皮市場分析、Shopeeのカテゴリ選定、虾皮のキーワード選定、Shopeeの販売数による絞り込み、虾皮の価格による絞り込み、東南アジアのEC商品選定、Shopee product search、Shopee product selection、Shopee bestsellers、Shopee market analysisに言及した場合にこのスキルを起動します。ユーザーが「友鷹」や「Shopee」を明示していなくても、Shopeeでの商品検索や商品データの絞り込みを含む依頼であれば起動します。
SQL Server および Azure SQL Database の T-SQL 関数リファレンス。次の場合に積極的に起動します：(1) 文字列関数（CONCAT_WS、STRING_SPLIT、STRING_AGG、TRIM、REPLACE、LEFT/RIGHT/SUBSTRING）、(2) 日付/時刻関数（DATEADD、DATEDIFF、FORMAT、DATETRUNC、AT TIME ZONE）、(3) 数学・変換関数（CAST、CONVERT、TRY_CAST、ROUND、FLOOR、CEILING）、(4) ウィンドウ/ランキング関数（ROW_NUMBER、RANK、LEAD/LAG、FIRST_VALUE、LAST_VALUE、NTILE）、(5) JSON 関数（JSON_VALUE、JSON_QUERY、JSON_MODIFY、OPENJSON）、(6) XML 関数（FOR XML、.nodes、.value）、(7) 集計関数と GROUP BY 拡張、(8) システム・メタデータ関数（sys.* ビュー、OBJECT_ID、OBJECT_NAME）。カテゴリ別関数一覧、バージョン対応表（SQL 2016+/2019+/2022+）、各関数グループの実例を提供します。
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、上限とクォータ、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 Data Explorer 開発に関する専門知識を提供します。ADX（RBAC/MI）のセキュリティ確保、クラスター/スキーマのデプロイ自動化、データ取り込み/クエリの調整、ODBC/JDBC/Power BI 経由の統合など、Azure Data Explorer 関連の開発タスクに使用します。Azure Synapse Analytics（azure-synapse-analytics を使用）、Azure HDInsight（azure-hdinsight を使用）、Azure Databricks（azure-databricks を使用）、Azure Stream Analytics（azure-stream-analytics を使用）には使用しません。
66人の著名投資家による審査パネル。銘柄の dimensions.json と raw_data.json を入力すると、66人の投資家がそれぞれ独自の方法論で採点し、Pydantic Signal（signal/confidence/score/verdict/comment）を出力します。伝統的バリュー、グロース、マクロヘッジ、テクニカルトレンド、中国バリュー、A株短期投機、クオンツシステム、テックリーダー、AIポジショニングハンターの9つの流派を網羅します。ユーザーが「審査パネル」「65人の大物はどう見るか」「誰々は買うか」「投資家投票をして」と依頼した場合に使用します。
`ahrefs-python` ライブラリを使用して、Python で Ahrefs API を管理します。SEO／マーケティング関連のタスクや、被リンク、キーワード、ドメイン評価、オーガニックトラフィック、サイト監査、順位追跡、ブランドモニタリング、ウェブ分析（ページビュー、訪問者、トラフィックソース、参照元、デバイス）、プロジェクト管理（キーワードリスト、競合他社、カスタムプロンプト）などのデータを扱う際に使用します。AhrefsClient / AsyncAhrefsClient、型付きリクエスト／レスポンスモデル、エラー処理、API キーなしで利用できる無料の公開エンドポイントを含む、`ahrefs-python` の全 API セクションの使用方法を扱います。ユーザーが Ahrefs、ahrefs-python、または Python での SEO データ取得タスクに言及した場合に起動します。
CLI 経由で Alibaba Cloud Apsara Data Agent for Analytics を呼び出し、企業データベースの自然言語によるデータ分析を実行します。Data Agent for Analytics は Alibaba Cloud Database チームが企業ユーザー向けに開発したインテリジェントなデータ分析エージェントです。自然言語の説明に基づき、要件分析、データ理解、分析インサイト、レポート生成を自動で行います。このツールは、DMS で管理されるデータリソース（インスタンス／データベース／テーブル）の検出、クエリまたは詳細分析セッションの開始、リアルタイムの進捗追跡、分析結果と生成レポートの取得に対応します。データベースのクエリ、データ傾向の分析、データレポートの生成、自然言語での質問が必要な場合や、「Data Agent」「data analysis」「database query」「SQL analysis」「data insights」に言及した場合にこの Skill を使用します。
PolarDB-X 2.0 Enterprise Edition の AUTO モードデータベース向けに、パーティション方式の設計、パーティションキーの選定、GSI の作成、SQL の記述を行い、PolarDB-X と MySQL の違い（パーティションテーブル、GSI、CCI、Sequence、テーブルグループ、TTL、ページネーションなど）に対応します。パーティション方式の設計、キーの選定、単一テーブルのパーティションテーブルへの変換、GSI/CCI インデックスの作成、PolarDB-X 向け SQL の作成や移行、遅いクエリの診断に使用します。トリガー：“PolarDB-X SQL”、“PolarDB-X create table”、“partitioned table”、“partition design”、“partition scheme”、“partition key”、“GSI”、“CCI”、“Sequence”、“MySQL migrate to PolarDB-X”、“PolarDB-X compatibility”、“single table to partitioned table”、“convert to partitioned table”、“large table”、“table sharding”、“distributed table”、“AUTO mode”、“pagination query”、“Keyset pagination”、“Range partition”、“auto add partition”、“PolarDB-X slow query”、“full-shard scan”。
Azure Managed Redis 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、セキュリティ、構成、統合とコーディングパターン、デプロイが含まれます。Redis の各ティア、クラスタリング/シャーディング、Entra ID 認証、geo-replication、ARM/Bicep デプロイの利用時や、その他の Azure Managed Redis 開発タスクで使用します。Azure Cache for Redis（azure-cache-redis を使用）には使用しないでください。
ユーザーが Google Ads の突然のパフォーマンス変化 — CPA の急騰、CVR の低下、インプレッションの崩壊、CTR の変動、支出の急増、ROAS の下落 — を調査したい場合、または問題を早期に捕捉するためのプロアクティブなモニタリングを設定したい場合。'performance drop'、'CPA spike'、'why did performance drop'、'impressions dropped'、'CTR dropped'、'conversions disappeared'、'spend increased unexpectedly'、'anomaly'、'performance issue'、'account went wrong'、'diagnose account'、'monitoring'、'alert setup' でトリガーされる。予算配分の問題については google-ads-budget-management を参照。継続的な Quality Score の問題については google-ads-quality-score を参照。
イスラエルの銀行やクレジットカード会社全体の銀行取引、支出パターン、財務データを分析します。銀行取引、支出分析、「cheshbon bank」、予算管理について質問された場合や、イスラエルの銀行データの分類が必要な場合に使用します。israeli-bank-mcpおよびil-bank-mcpサーバー（israeli-bank-scrapersライブラリをラップ）と組み合わせることで、財務分析ワークフローを追加できます。Hapoalim、Leumi、Discount、Mercantile、Mizrahi-Tefahot、First International (FIBI)、Otsar HaHayal、Pagi、Union、Yahav、Massad、OneZero、Behatsdaa、Beyahad Bishvilha、Visa Cal、Max、Isracard、Amexに対応します。決済開始、送金、投資助言には使用しないでください。
この skill を使用して、既存の Microsoft Power BI セマンティックモデルを Keboola セマンティックレイヤーモデルへ移行する。二つの入力形式を受け付ける：(1) Microsoft Power BI Modeling MCP server を `--readonly` モードで使用して抽出した TMDL フォルダ（正規形式で、DAX と Power Query M 式をそのまま取得）；(2) 古い `get_semantic_model` 呼び出しで生成されたテーブル単位の JSON（M ステップが欠落）。Power BI tables → Keboola semantic-dataset、measures → semantic-metric（DAX はそのまま保持し、SQL 変換用にフラグ付け）、relationships → semantic-relationship にマッピングする。`sl-toolkit` または REST API を介して Keboola metastore にプッシュできる JSON ファイルを生成する。用途：migrate PowerBI semantic model、convert Power BI to Keboola SL、translate TMDL、import PowerBI tables、powerbi-to-sl、pbi-migration、brownfield semantic layer。ユーザーが PowerBI の成果物（TMDL フォルダ、`*_semantic_layer.json`、`.bim`、`.pbip`）を持ち、それらを Keboola セマンティックレイヤーとして求めるときにトリガー。
Keboola のセマンティックレイヤーリファレンス。ユーザーが semantic layer、semantic model、SL、metastore、semantic-metric、semantic-dataset、semantic-relationship、semantic-glossary、semantic-constraint、inspect model、validate model、threshold constraints、metric sql、model entities、add dataset、create metric、update metric、delete metric、remove constraint に言及したときに自動ロードされる。API リファレンス、ペイロード構造、CRUD 手順、検証ルール、運用上の注意点を提供し、Claude が metastore を直接扱えるようにする。
ウェブサイトまたは単一ページをクロール／スクレイピングし、LLM 対応の整った MARKDOWN に変換します。ユーザーが URL の内容取得、サイトのスクレイピング、記事やページのテキスト抽出、ウェブ上のドキュメントの wiki への取り込み、「このリンクをクロール」と求める場合に使用します。生の HTML ではなく Markdown を使うと、トークンを5～10分の1にできます。まず構築し、後から適応：組み込みの urllib→markdown バックエンドにより、キーなしでオフライン動作します。プレミアムバックエンド（Firecrawl/Crawl4AI/Jina）は設定1つで接続できます。
PostHogエンドポイントをクライアントアプリまたはSDKに接続します。OpenAPI仕様の取得、openapi-generatorまたは@hey-api/openapi-tsによる型付きクライアントの生成、適切な認証ヘッダーの送信、変数ペイロードの構成（HogQL code_nameとinsight breakdownプロパティの使い分け）、レート制限およびマテリアライズ済みエンドポイントのエラーレスポンスへの対応を扱います。「エンドポイントの呼び出し方は？」「これのクライアントを生成して」「どの認証ヘッダーを使う？」と尋ねられた場合に使用します。
AIが生成するPostHogレポートを定期作成します。自由記述のプロンプトをcronで実行するよう設定し、実行ごとにLLMが合成したMarkdownをメール、Slack、またはMicrosoft Teamsに配信します。単発レポートではなく、任意の頻度（日次、週次、月次、年次）でXのAI要約を定期的に受け取りたい場合に使用します。（自由記述のプロンプトではなく、既存のインサイト／ダッシュボードのサブスクリプションにAI要約を追加するには、`managing-subscriptions`とその`summary_enabled`オプションを参照してください。）
適切な形のPostHogエンドポイントを初回で作成します。クエリ種別の選択、命名規則、変数として公開する内容（HogQLのcode_nameとインサイトの内訳）、data_freshness_seconds、初日からマテリアライズするかどうかを扱います。「エンドポイントを作成」「このクエリをAPIとして公開」「このインサイトをエンドポイントに変換」といった依頼や、新しいエンドポイントの構成について相談された場合に使用します。コホート内訳を含むクエリや対象外の比較クエリのマテリアライズ、マテリアライズ済みエンドポイントでのインライン専用変数、範囲を限定しない日付指定、曖昧な名前など、よくある誤りを避けます。
KooCLI v3.2.0+ と DWS Autopilot MCP Server に基づく、DWS クラスターの CPU 高負荷の根本原因を診断するスキルです。CPU メトリクスを自動収集し、根本原因（顧客側／システム側）を分析して、標準化された診断レポートを出力します。DWS クラスターの CPU 使用率が高い場合、CPU アラーム、CPU 負荷の異常に適用できます。トリガーワード：「CPU高」「CPU告警」「CPU诊断」「CPU使用率过高」「CPU满」「high CPU」「CPU alarm」「CPU diagnosis」。
エンドポイントのバージョンを安全に扱います。playground でのドラフトのプレビュー、旧バージョンへのロールバック、クエリ履歴のバージョンを上げずに特定バージョンの設定を更新すること、特定バージョンの無効化が可能です。「エンドポイントをロールバックする方法」「公開前に変更をプレビューしたい」「バージョンを上げずに v5 を修正したい」といった質問や、バージョン履歴に関する内容で使用します。現状の制約も正確に説明します。ポインターの切り替え機能はなく、「ロールバック」とは古いクエリをフォークして新しい最上位バージョンを作ることです。
scvi-tools を利用した単細胞解析の深層学習。ユーザーが (1) scVI/scANVI によるデータ統合とバッチ補正、(2) PeakVI による ATAC-seq 解析、(3) totalVI による CITE-seq のマルチモーダル解析、(4) MultiVI による multiome RNA+ATAC 解析、(5) DestVI による空間トランスクリプトミクスの分解、(6) scANVI/scArches によるラベル転移と参照マッピング、(7) veloVI による RNA 速度、(8) 深層学習に基づくあらゆる単細胞メソッドを必要とする場合に使用します。scVI、scANVI、totalVI、PeakVI、MultiVI、DestVI、veloVI、sysVI、scArches、変分自動エンコーダ、VAE、バッチ補正、データ統合、マルチモーダル、CITE-seq、multiome、参照マッピング、潜在空間などの言及がトリガーになります。
Rails 8.1 で効率的で正確な Active Record クエリを書くための専門ガイダンス。クエリの作成、レコードの検索、スコープの構築、N+1 クエリの修正、where 句の使用、includes、joins、eager loading、フィルタリング、検索、データの pluck、レコードの選択、データベースクエリの最適化に使用する。where、find、スコープ、includes と preload と eager_load の比較、joins、pluck、select、集計、バッチ処理、クエリのアンチパターンを扱う。
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。