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 98,284 件掲載。コマンド 1 行でインストールできます。
開発
非推奨 — 新規セットアップでは公式の zentao-cli（https://github.com/easysoft/zentao-cli）とその skills（https://github.com/easysoft/zentao-skills）を推奨します。この skill は既存の @leeguoo/zentao-mcp ユーザーには引き続き機能し、bug resolution stats コマンドも引き続き役立ちます。zentao CLI を使用して、ZenTao のバグ、タスク、ストーリー、ToDo、製品、プログラム、プロジェクト、実行、計画、リリース、テストケース、テストタスク、テストスイート、ドキュメント、ユーザー、部門、課題、リスクを照会・操作します。ユーザーが禅道または ZenTao に言及した場合、バグ／タスク／ストーリー／ToDo／プロジェクト／テスト／ドキュメントの照会や更新を希望する場合、製品または担当者別のバグ解決率の統計やレポート（bug 解决率统计/解决数量统计/bug statistics/bug report）を希望する場合、または禅道インスタンスへのログイン／whoami／セルフテストが必要な場合に使用します。ZENTAO_URL には通常 /zentao が含まれます
具体的なタスクに取り組む前の方向づけ、オンボーディング、計画に使用します。Adobe App Builder でカスタマイズした Workfront UI を構築するための入口です。Workfront UI 拡張機能を初めて使うユーザーが開始方法や手順を尋ねる場合、Workfront のカスタマイズ案と実装方法について尋ねる場合、エンドツーエンドのロードマップ（セットアップ → スキャフォールド → 構築 → テスト → デプロイ → 公開）を求める場合、または React/Spectrum SPA、サーバーレス Runtime アクション、Workfront 拡張ポイントの連携について尋ねる場合に使用します。この統括スキルは各段階を対応するスキルに案内します。workfront-ui-extension（フロントエンド SPA と拡張ポイント）、workfront-actions（Runtime アクションと Workfront Public API v21）、workfront-local-testing（Workfront 内でのビルドのプレビュー）。マシンのセットアップと aio app init は appbuilder-project-init が担当します。ユーザーのタスクがすでに1つに絞られている場合は、このスキルを省略し、該当するサブスキルを直接使用してください。
Keboola Python コンポーネント開発の専門家として継続的な開発作業を支援——機能の実装、extractors/writers/applications の拡張、増分ロードの追加、設定スキーマの設計、API クライアントの分離、自己文書化されたワークフローパターンの適用、Ruff によるコード品質の維持。ユーザーがコンポーネントのロジック、実装、アーキテクチャに取り組んでいる場合は常にこのスキルを使用——新規構築でも既存コードの拡張でも同様。初期のプロジェクトスキャフォールディング（get-started）や UI のみのスキーマ作業（build-component-ui）には使用しない。
Go のエラー処理パターン、ラッピング、センチネルエラー、カスタムエラー型、errors パッケージを扱います。Effective Go、Go Code Review Comments、本番環境で実証されたイディオムに基づきます。エラー処理の実装、エラー型の設計、エラーチェーンのデバッグ、エラー処理パターンのレビューに使用します。トリガー例：「エラー処理」「エラーのラッピング」「カスタムエラー型」「センチネルエラー」「errors.Is」「errors.As」。対象外：ミドルウェアの panic/recover（go-api-design）、テストアサーション（go-test-quality）。
既存の KERMT チェックポイントから事前学習を続行します。このスキルはユーザーのチェックポイントと事前学習 CSV を検証し、データを shard/vocab/features 形式に整えてから、kermt コンテナ内で pretrain_ddp.py を起動します（長時間実行ではデタッチ）。チェックポイントの種類（grover_base vocab-only、cmim、hybrid）に応じて `--pretrain_mode` を自動振り分けします。
iOS と Android のゲーム最適化、タッチ入力設計、バッテリーと熱の管理、端末の多様性への対応、App Store／Play Store への申請を専門とするモバイルゲーム開発のエキスパート。高性能でプレイヤーに使いやすいモバイルゲームを提供するための、モバイル固有の制約とベストプラクティスに精通しています。「mobile game, ios game, android game, touch input, mobile optimization, mobile performance, app store, play store, mobile battery, thermal throttling, mobile porting, tablet game, phone game, mobile monetization, mobile build, mobile, ios, android, touch, optimization, performance, battery, thermal, app-store, play-store, game-development, unity-mobile, godot-mobile, device-fragmentation」が言及された場合に使用します。
Starknet 上で OpenZeppelin Contracts for Cairo を使用した Cairo スマートコントラクトプロジェクトをセットアップします。ユーザーが（1）新しい Scarb/Starknet プロジェクトの作成、（2）OpenZeppelin Contracts for Cairo の依存関係の Scarb.toml への追加、（3）個別または包括的な OpenZeppelin パッケージの設定、（4）OpenZeppelin の Cairo インポート規約やコンポーネントパターンの理解を必要とする場合に使用します。
React Native と Expo でアニメーションを構築し、適切な動きにするための判断を順番に行います。アニメーションの要否、実行するスレッド、プロパティ、スプリングか時間指定か、ジェスチャーの引き継ぎ方、劣化時の挙動を決定します。Reanimated、Gesture Handler、Expo Router、expo-haptics を使って実装します。Expo アプリ内のアニメーション、ジェスチャー、シート、画面遷移、押下フィードバックや触覚フィードバックの追加、またはデバイス上でカクつく動きの修正に使用します。Web アニメーションには `animate` を使用します。
Bright Data JavaScript/TypeScript SDK（`@brightdata/sdk`）を使ったウェブデータの抽出と探索。ユーザーがNode.js/TypeScriptで作業しており、ウェブサイトから情報を「スクレイピング」「取得」「抽出」「検索」「発見」したい場合に使用してください。Amazon、LinkedIn、Instagram、Facebook、TikTok、YouTube、Reddit、Pinterest、ChatGPT、Perplexity、DigiKeyなどのプラットフォームに言及した場合や、JSで「一括データ」「履歴データ」「データセット」を求めた場合にも使用してください。スクレイピング、SERP検索、AI探索、データセット、ブラウザー自動化、Scraper Studioに対応します。Pythonではbrightdata-sdk、ターミナルCLIではbrightdata-cliを使用してください。
ターミナルから JVM 依存関係（Scala 3、Scala 2、Java）の公開 API を検索できます。型シグネチャ、メンバー、ドキュメント、Markdown 形式のソースを確認でき、JAR の展開は不要です。不慣れなライブラリメソッドの呼び出し、パッケージの型の調査、依存関係の API の確認に使用します。外部依存関係の API 検索に限り、Metals MCP より cellar を優先してください（`cellar get-external` 対 `inspect`／`get-docs`）。cellar はプロジェクトのインポート不要で、公開済みの Maven アーティファクトを検索できます。
Keboola Python コンポーネント向けの正準テンプレートファイル — Dockerfile、pyproject.toml、push.yml、build_n_test.sh、docker-compose.yml、pre-commit-config.yaml、config-schema.md。コンポーネント内でこれらのファイルを作成・変更するとき、または非ソースファイルが公式 cookiecutter テンプレートと整合しているかを確認するときに読み込む。これらのテンプレートからの逸脱には明示的な理由が必要。内部ユーティリティ — 通常は develop-component や migrate-to-uv から Task 経由で呼び出されるが、これらのファイルのいずれかに触れるときは常に参照すべきもの。
Ably の問題を診断するときは必ず使用してください。メッセージが届かない、プレゼンスが更新されない、接続失敗、認証エラー（40101、40142、40160）、チャネルのライフサイクルの問題、プッシュ通知の問題、Chat ルームの問題、Spaces のメンバー／カーソルの問題、または Ably のエラーコード全般が対象です。ライブトラフィックの監視、状態の確認、クライアントのシミュレーションに使う Ably CLI コマンドを提供します。新しい Ably 統合の構築には使用しないでください（代わりに using-ably スキルを使用）。
Drupalの設定管理を安全に行います。単一設定のエクスポート／設定／削除、事前プレビュー付きの --no --diff による config:import と config:export（cim/cex）、config:statusの確認、Config Split（完全／部分分割、csex/csim、有効化）、Terminus、acli、platform/upsun、lagoon、drushエイリアスを介したリモート環境からの設定同期に対応します。Drupal設定のインポート／エクスポート、単一設定オブジェクトの確認／変更、本番設定の機能ブランチへのマージ、config_splitの使用、インポートできない設定やエクスポート時にconfig/defaultから消える設定の診断に使用します。
2 つの DSH (DeepSeek Harness) バージョン間の外部互換性を監査し、リバートを検出して upgrade-report ディレクトリを生成します。git タグとソースチェックアウトを比較するか、ソースチェックアウトがない場合は公開済み npm パッケージを比較します。2 つの DSH バージョンの確認・比較・監査、またはアップグレードの安全性を尋ねられた場合に使用します。たとえば「dsh-vX -> dsh-vY では変更とリバートのどちらが多いか」「破壊的変更を比較」などの依頼が対象です。バージョン番号が 2 つだけでソースの場所が示されていない場合も使用します。レポートディレクトリ外では読み取り専用です。npm モードでは --ignore-scripts を付けて隔離環境にインストールします。
ローカル開発とテスト用のGitHub REST APIエミュレーターです。GitHub APIエンドポイントとのローカルでのやり取り、GitHub連携のテスト、リポジトリ/Issue/PRのエミュレーション、GitHub OAuthフローの設定、GitHub Appsの構成、Webhookのテスト、実際のGitHub APIに接続せずにactions/checksを扱う場合に使用します。「GitHub API」「emulate GitHub」「mock GitHub」「test GitHub OAuth」「GitHub App JWT」「local GitHub」など、ローカルGitHub APIを必要とするタスクで起動します。
画像・動画・音声のアップロード、プレビュー、再生コントロール、進行状況の追跡、サードパーティ製メディアとの連携（WaveSurfer、Swiper、Picture-in-Picture、Blurhash など）、メディアを多用する Hotwire 機能を扱います。主な課題がメディアのレンダリング、再生状態、またはメディアライブラリとの連携である場合は、このスキルを優先してください。サーバープッシュによる Turbo Stream の更新には hwc-realtime-streaming、メディア以外のページネーション／タブ／遅延ナビゲーションのフローには hwc-navigation-content、フォーム検証とインライン編集の動作には hwc-forms-validation、一般的な読み込み／遷移パターンには hwc-ux-feedback、メディア固有ではない Stimulus のプリミティブには hwc-stimulus-fundamentals を使用します。
ランダム初期化された cMIM decoder + latent_dist を追加して、grover_base checkpoint（encoder のみ、または encoder + vocab heads）をハイブリッド checkpoint に変換し、その後、ユーザーのコーパスでハイブリッド（vocab + contrast）として事前学習を続けます。実質的には、kermt-continue-pretrain の前に一度だけ ckpt-conversion を行います。
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。