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 96,981 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
メモリリーク、GPU／Visual Profiler、ヘッドレス CI QA、孤立ノード、スレッドセーフなログ、カスタム Debugger モニターの専門的なデバッグとプロファイリングを行います。print／breakpoint のチュートリアルは対象外です。OBJECT_ORPHAN_NODE_COUNT、ObjectDB の増加、Visual Profiler の GPU スパイク、不安定なヘッドレス終了、リモートデバイスコンソールで起動します。キーワード：孤立ノード、Performance.get_monitor、Visual Profiler、Time.get_ticks_usec、EditorDebuggerPlugin、ヘッドレス QA、push_error、backtrace。
SurrealDB のスキーマ管理・移行 CLI である SurrealKit を使い、テンプレートからプロジェクトを生成し、開発時にスキーマを同期し、ロールバック可能な本番展開を計画・実行します。また、データベースなしで SurrealQL を静的チェックし、JSON/TypeScript 型を生成し、スキーマ、権限、API エンドポイント向けの宣言的な TOML テストスイートを作成します。SurrealKit で SurrealDB スキーマを設定、移行、型付け、チェック、テストする場合に使用します。
e2e を基盤としてプロジェクトローカルの verify-<app> skill を生成し、任意のコーディングエージェントがアプリを起動し、動かす価値があるかを確認し、ユーザーと同じように機能を操作し、証跡を残し、バグ出しを行えるようにする。この skill、機能ごとに 1 つの探索チャーターを記した機能マップを作成し、一度実証する。/create-verification-skill、"make a verification skill for this repo"、またはプロジェクトに UI の挙動を実証するスクリプト化された手段がない場合に使用。
ユーザーの通常のテストスイート（pytest（Python）または Vitest（Node.js））で、LiveKit エージェントのターン単位のテストを作成します。「エージェントのテストを書いて」「このツールのテストを追加して」「ハンドオフをテストして」「このバグを再現して」「エージェントのテストが失敗する理由は？」と依頼された場合や、回帰テストが必要なエージェントの動作を新たに実装・変更した場合に使用します。SDK のテストセッションハーネス、メッセージ・ツール呼び出し・ハンドオフのアサーション、意図に照らした応答の LLM 判定、ツールのモック、マルチターンテスト、組み込みの判定機能による会話全体の評価を扱います。対話的な調査には debugging-livekit-agents、大規模な会話全体の評価には running-livekit-simulations を使用してください。
AI オブザーバビリティ評価（`hog`（決定論的なコードベース）、`llm_judge`（LLM プロンプトベース）、`sentiment`（ユーザーメッセージの感情）を調査します。既存の評価の検索と設定の確認、特定の生成結果に対する実行、個別結果の照会、評価の定期レポート設定を行います。評価の失敗原因のデバッグ、一般的な失敗パターンの抽出、フィルター間の結果比較、Hog 評価器のドライラン、新しい LLM ジャッジ用プロンプトの試作、感情分類の確認、評価ライフサイクルの管理をユーザーが求めた場合に使用します。
出力に満足できない特定の Agent Observability / LLM Obs trace 1 件について、開発者が反復作業を行いたい場合に使用します。ローカルコードで trace を再実行し、新旧出力の簡潔な差分を確認し、満足するまで（コード変更 → リプレイ → 差分確認）を繰り返します。呼び出し形式：/agent-observability-replay-trace <trace-id> [changes to test]。使用の合図：「この trace をリプレイ」「trace を反復」「この trace の出力が誤っているので修正して再実行」「<change> を適用して trace <id> を再実行」、または Agent Observability UI の trace ID と修正内容の提示。datadog-llmo MCP または pup CLI で trace を取得し、コードを編集してアプリを再実行し、新しい trace を生成して両者を比較します。ローカルサーバーやブラウザーは不要です。ddtrace / LLM Obs でトレースされた Agent（Python を優先）を対象とし、入力は JSON にシリアライズ可能である必要があります。使用しない対象：スコア付き Experiments、ブラウザーの「Replay」ボタン（agent-observability-replay-experiment を使用）、データセット／CSV からの実験構築、評価器の作成、失敗した trace の根本原因分析、RUM/HTTP セッションリプレイ。
PostHog の MCP ツールを使って LLM／AI エージェントのトレースをデバッグ、確認します。ユーザーがトレースまたはセッションの URL（例：/ai-observability/traces/<id>、/ai-observability/sessions/<id>）を貼り付けた場合、トレースのデバッグや問題の特定、エージェントがツールを正しく使ったかの確認、コンテキスト／ファイルが提示されたかの検証、サブエージェントの動作確認、LLM の判断の調査、トークン使用量とコストの分析を求めた場合に使用します。`events.properties.$ai_input` / `$ai_output_choices` に対する生の SQL/HogQL が空の結果を返す場合にも使用します。メッセージ内容は専用の `posthog.ai_events` テーブルにのみ格納されています。
テスト駆動開発の手法と red-green-refactor ワークフロー（旧称 test-tdd）。TDD の実践、テストの先行作成、実装前のテスト設計、テストファーストのアプローチのレビューに使用します。「write tests first」「test before code」「red green refactor」「test driven development」で起動します。このスキルは Vitest フレームワーク固有の内容（vitest スキルを使用）や、MSW による API モック（msw スキルを使用）は対象外です。
OpenAI Codex/GPT モデルを活用して、コードの自律的な実装、コードレビュー、計画レビューを行います。発動語句：「codex」「use gpt」「gpt-5」「let openai」「full-auto」「adversarial review」「second opinion review」「用codex」「让gpt实现」「对抗式审查」「让codex审查计划」「第二意见」。ユーザーが OpenAI モデルにコーディングタスクを委任したい場合、codex でコードや計画をレビューしたい場合、別のモデルからセカンドオピニオンを得たい場合、またはサンドボックス環境でタスクを実行したい場合に使用します。
requirements.txt、pyproject.toml、package.jsonの依存関係マニフェストを確認し、標準ライブラリをシャドーイングする固定バージョン、放棄されたバックポート、バージョン未固定の依存関係、マニフェスト内の明白な競合など、直接依存関係の基本的な落とし穴を検出します。オプションでPyPIの取り下げ済みリリースも確認します。依存関係の問題を調べたい、インストールできない理由や問題の有無を知りたい、依存関係を徹底調査したい、または依存関係マニフェストの劣化を疑っている場合に使用します。デフォルトではオフラインで動作する、ユーザー自身のプロジェクト向けローカルツールであり、リポジトリのCI用ではありません。
AST-grep（tree-sitter）、grep、LSP、各言語のネイティブツールを使用し、9 つの観点からファイルを引用した綿密な技術的負債の監査を行います。深刻度、工数の見積もり、優先順位付きの修正案を含む TECH_DEBT_AUDIT.md を作成します。コードベースの健全性チェック、技術的負債の監査、アーキテクチャレビュー、コード品質の評価、クリーンアップの計画を求められた場合に使用します。トリガー：「tech debt」「technical debt」「debt audit」「code health」「technical debt audit」「codebase health check」「find tech debt」「debt analysis」「audit code quality」。
OWASP MASVS / MASTG に照らして iOS および Android のモバイルアプリを監査します。安全でないストレージ、弱い暗号化、証明書ピンニング、ディープリンク、IPC、脱獄／root 検知、リバースエンジニアリング耐性を確認します。「モバイルセキュリティ」「iOS セキュリティ」「Android セキュリティ」「モバイル監査」「モバイルペンテスト」「MASVS」「MASTG」「証明書ピンニング」「脱獄検知」「root 検知」「ディープリンク」「URL スキーム」「App Transport Security」「keychain」「keystore」「モバイルリバースエンジニアリング」に言及した場合、またはモバイルアプリのレビューを依頼された場合に使用します。
目標駆動型の TDD パイプラインを使用して、既存のリポジトリに Mem0 を統合します。リポジトリの言語を自動検出し、Mem0 Platform（マネージド）と Mem0 Open Source（セルフホスト可能）のどちらを使うかユーザーに確認します。実装前に失敗するテストを作成します。ローカルの機能ブランチと、連携する検証スキルが使用する `.mem0-integration/` 成果物を生成します。起動条件：ユーザーが「integrate mem0」「add mem0 to this repo」「wire mem0 into <repo>」と言う、または既存プロジェクトへのメモリ機能の追加方法を尋ねた場合。起動しない条件：一般的な SDK の使い方（skill:mem0 を使用）、CLI の使い方（skill:mem0-cli を使用）、または Vercel AI SDK の利用を希望する場合（skill:mem0-vercel-ai-sdk を使用）。成功後、同じワークスペースで skill:mem0-test-integration を呼び出して検証します（疎結合）。
Pluggy の公式ドキュメント（Pluggy MCP 経由でリアルタイムに参照し、MCP 未接続時は docs.pluggy.ai を使用）に照らして Pluggy API の連携コードをレビューし、各問題のファイル、行番号、修正コードを含む診断レポート（✅/❌/⚠️）を返します。開発者が連携ファイルをアップロードして Pluggy 連携のレビュー、分析、診断、検証を求めた場合や、「連携をレビューして」「Pluggy コードを確認して」「本番環境に出せる？」「Pluggy Doctor」「webhooks を確認して」「連携は安全？」、またはポルトガル語の「analisa minha integração」「revisa meu código da Pluggy」「tá tudo certo pra ir pra produção?」「checa meus webhooks」「minha integração tá segura?」などと言った場合に使用します。開発者が Pluggy API（connect_token、GET /items、item/created webhooks、clientUserId など）を明らかに呼び出すコードを貼り付けたりアップロードしたりして、正しいかどうかを確認したい場合も、「Pluggy Doctor」と言っていなくても対象です。このスキルは既存コードのレビュー用であり、連携をゼロから作成するものではありません。
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。