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。
テスト・品質
プロジェクトに合わせたリリース前監査を、上限付きのマルチエージェントワークフローとして作成・実行する——チェックリストを流し見するのではなく、実際のリリース判定を出す：同梱のワークフローテンプレートをリポジトリの実際のスタックとハードルールに基づいて埋め、次に Gates（typecheck / test / lint / build を並列で）→ Find（該当する監査観点ごとに 1 つの読み取り専用ファインダー）→ Dedup（共通の根本原因の指摘を統合）→ Verify（敵対的エージェントが各指摘の反証を試みる。ブロッカーにはコードレンズと仕様レンズを適用）→ Critic（未カバーの領域を挙げ、追加のファインダーを起動）→ GO / NO-GO / GO-WITH-FIXES レポート、とすべてを MAX_PARALLEL の上限内で展開する。ファインダーと検証者は読み取り専用のまま——このスキルは監査と報告のみを行い、修正は決してしない。実際に実行されなかった Gate はブロッカーとして扱い、クリーンとは決して数えない。シークレットの値は種類と場所に伏せる。実行前にスコープを確認し、エージェント数（通常 40〜80）について警告する。
Nebula Logger を呼び出すコードの Apex または LWC テストをユーザーが書きたいときにこのスキルを使用する。正しいエントリがバッファされたかの確認、テスト内でのログレベルの制御、テストを永続化された `Log__c` / `LogEntry__c` / `LogEntryTag__c` / `LoggerScenario__c` / `LoggerTag__c` レコードから分離すること、サブスクライバー自身のテストスイートから安全に呼び出せる Nebula Logger API を扱う。
ユーザーが SKILL.md を評価、監査、採点したい場合にこのスキルを使用する。トリガーには "rate this skill"、"grade this skill"、"give my skill a letter grade"、"audit my SKILL.md"、"score this skill against best practices"、"is this SKILL.md up to spec" が含まれ、ユーザーが "rate" という語を使わなくても該当する。A-F のレター評価、重み付きカテゴリスコア、優先順位付きのそのまま貼り付け可能なパッチを返す。コードレビュー（code-review を参照）や新しいスキルの作成（generate-skill を参照）にはこのスキルを使用しない。
diff または特定のファイルに対する深いセキュリティレビュー。主要なオープンソースプロジェクト（Linux カーネル、OpenSSL、Chromium、Firefox、curl、Go、Rust、Kubernetes、Next.js など）の 400 件以上の実世界のバグから抽出した 20 のエビデンスベースのパターンライブラリに基づく。ユーザーが「security review」「security audit」「audit this for vulnerabilities」「threat model this」「check for CVEs」「check for injection/auth/crypto issues」と言ったとき、または diff がバッファ処理、パーサー、認証、認可、暗号技術、状態機械、CI/CD、依存関係、信頼境界に触れるときに使用する。参照ライブラリとしても使用可能で、diff がセキュリティに敏感な領域に触れると `/review` がここにリンクする。
グリーンなテストを虚偽の完了主張に昇格させることなく、ロスレスな Java から Rust への移行テストを設計・実装・監査・報告する。JUnit テストと具体的なパラメータ化/動的ケースを 100% 移植する場合、ソースのフィクスチャ/リソース/スクリプト/データを SHA-256 で検証する場合、ケースごとの完全な golden またはライブ差分 MATCH 結果を要求する場合、オブジェクト/テスト台帳を検証する場合、過大な Rust テストファイルをレビューする場合、インラインの単体テストと統合テストを整理する場合、Rust 固有の義務を追加する場合、カバレッジを比較する場合、またはプロパティ、ファズ、ミューテーション、並行性、ライフサイクル、アダプター、ホスト、負荷、セキュリティ、ロールバックのエビデンスを構築する場合に使用する。500 行の凝集性レビューしきい値、800 行の自作ファイルブロッカー、慣用的な Rust テスト配置を強制する。
SEO ドリフトのモニタリング: SEO 上重要な要素のベースラインを取得し、変更を検出し、時間の経過に伴うリグレッションを追跡する。SEO のための Git — オンページ SEO のベースライン取得、diff、変更追跡。ユーザーが「SEO drift」「baseline」「track changes」「did anything break」「SEO regression」「compare SEO」「before and after」「monitor SEO changes」「deployment check」と言う場合に使用する。
Rich Hickey のシンプルさと complection、Greg Young の削除可能性、Ousterhout のディープモジュール、DDD の境界、型付きエフェクト、明示的なライフサイクルモデリング、Lauren Tan のエージェントサイズのコンテキストを通じて、ステートフルなシステムや置き換え設計を圧力テストする。ユーザーが「Rich Hickey ならどうするか」「削除のために最適化」「これをよりシンプルに」「このエラーを存在しないものとして定義」「このステートマシンをレビュー」「二度設計する」と尋ねる場合、または動作するプロトタイプを偶発的なアーキテクチャを保たずに置き換えたい場合に使用。
`asc` コマンドラインツールを使用して、TestFlight の外部テスト向けベータアプリ審査の提出と審査連絡先情報を管理する。次の場合にこのスキルを使用する：(1) ビルドをベータアプリ審査に提出する："asc beta-review submissions create --build-id ID" (2) ベータ審査提出のステータスを確認する："asc beta-review submissions list --build-id ID" (3) 特定の提出を取得する："asc beta-review submissions get --submission-id ID" (4) ベータ審査の連絡先情報を取得する："asc beta-review detail get --app-id ID" (5) ベータ審査の連絡先情報またはデモアカウントを更新する："asc beta-review detail update --detail-id ID ..." (6) TestFlight テスターに表示されるロケールごとの **Beta App Description** とフィードバックメタデータを管理する："asc beta-app-localizations {list,get,create,update,delete}" (7) ユーザーが "submit for beta review"、"TestFlight review"、"beta review status"、"beta review contact"、"external testing review"、"beta app description"、"TestFlight description" または任意のベータアプリ審査タスクに言及した場合
リポジトリの GitHub Actions 設定を CI ベストプラクティスに照らして採点する（CI Score：リポジトリ自身の workflow YAML から算出される 11 項目の合否設定事実）。そして各ギャップに対する具体的な修正案を、影響度とリスク順に返し、それぞれに今すぐ適用するオプションと貼り付け可能なエージェントプロンプトを付ける。使用場面：(1) ユーザーが自分の CI の採点やスコアリング、またはベストプラクティスに対する CI 設定の監査を求める場合（"grade my CI"、"CI score"、"CI best practices audit"、"how healthy is my CI config"）；(2) ワークフロー変更後の再採点。対象リポジトリのローカルチェックアウトが必要。次には発動しない：CI の速度・コスト・実時間の監査、"why is CI slow"、最適化機会の分析（ci-speedup を使用）；セキュリティ監査やセキュリティ態勢のレビュー（ci-score はセキュリティ監査ではない——ルーブリックのちょうど 2 項目、action pinning と OIDC token scoping がたまたまセキュリティ関連である）；新規ワークフローの一からの作成；GitHub Actions 以外の CI。
circleci CLI を使ってターミナルから日常的に CircleCI を扱う——認証、コミット前の設定検証、プッシュでトリガーされた実行の監視、pipeline/workflow/job のステータス確認、job ログと失敗したテストの閲覧、成果物のダウンロード、再実行/キャンセル/トリガー。開発者が、CLI アクセスの認証、ビルドやパイプラインのステータス確認、プッシュ後の実行の監視、CI が失敗した理由の確認、job の出力/ログの閲覧、失敗したテストの特定、失敗した job の再実行、実行のキャンセルや再トリガー、設定変更のローカル検証、プロジェクトの環境変数・コンテキスト・トリガー・パイプライン定義の照会を求めたときに使用する。初回のプロジェクト接続/パイプライン定義のセットアップには onboarding スキルを、失敗したビルドの診断と修正の方法論には circleci-builds を使用する。
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。