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 97,222 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
既存デザインやプロトタイプを対象に、テスト設計、タスクスクリプト、モデレーション、観察、結果の統合を含むユーザビリティテストを計画・実施します。ユーザーがユーザビリティのテスト、モデレートあり／なしのテスト、デザインの検証、ユーザビリティの問題発見、タスク完了率の改善を望む場合に使用します。ユーザビリティテスト、モデレートテスト、モデレートなしテスト、タスクスクリプト、シンクアラウド、プロトタイプテスト、ユーザーテスト、デザイン検証、タスク完了で起動します。何かを作り終え、リリース前に実際のユーザーが使えるか確かめたい場合にも起動します。
メタスキル。あらゆる未加工の機能を、適切にスキル化され、テスト済みで、解決可能なエージェント能力ユニットに変換します。冪等性があり、既存のスキルに適用すると、最初から作り直すのではなく改善（バグ修正、新しい入力、品質向上）します。各スキルは EVAL CONTRACT（目標、スキル固有の評価軸、ハードフェイル）を宣言し、クロスモーダル評価が汎用的な粗悪さではなく、そのスキル本来の目的を判定できるようにします。クロスモーダル評価はテストより先に実行します。異なるプロバイダーの最先端モデル 3 つが契約に照らして出力を批評し、品質に達するまで反復した後、実証済みの動作を固定するテストを作成または更新します。回帰禁止の原則：スキルへの編集は、評価スコアが前回以上でなければなりません。前進のみで、後退は禁止です。スケジュール済みジョブを支えるスキルでは、編集後、リリース前に代表的なタスクを再実行して評価する必要があります。
12 冊の古典的なエンジニアリング書籍をもとに、技術的負債を評価し、保守性の問題を特定・分類して優先順位を付け、チームのリファクタリングロードマップ作成を支援します。ユーザーが技術的負債、リファクタリングの優先順位、最初に整理すべきものについて尋ねる場合や、「なぜこんなに変更しにくいのか？」「何を最初に直すべきか？」「リファクタリングの必要性を管理職にどう説明すればよいか？」と尋ねる場合に起動します。サーバーのヘルスチェック、HTTP /health エンドポイント、Kubernetes プローブ、データベースのヘルス、アプリケーションの稼働時間では起動しないでください。この文脈での「ヘルス」はコード品質ではなくインフラを指します。また、単一関数のリファクタリングに関する質問でも起動しないでください。
コードアーキテクチャの保守性をレビューし、構造上の問題が負債になる前に発見します。構造変更を含むプルリクエストのレビュー、リファクタリングの計画、新機能のアーキテクチャ評価、技術的負債の評価、メジャーリリース前、またはコードが「変更しにくい」と感じる場合に使用します。トリガー：architecture、code-review、refactoring、design-patterns、technical-debt、dependencies、maintainability。
必須の影響プレビューを表示して明示的な確認を得た後、関連ルール（PASS_PERCENTAGE、SEVERITY、ESSENTIAL）を備えたDevOps Centerの品質ゲートを作成し、パイプラインステージのスイート割り当てにリンクします。ユーザーが品質ゲートの設定、カバレッジしきい値の変更、またはパイプラインステージのテスト基準の設定を希望する場合に使用します。トリガー条件：品質ゲートの設定、カバレッジしきい値の変更、またはステージのテスト基準の設定を希望する場合。トリガーしない条件：既存のゲートを再実行するだけの場合（retriggerモードのrunning-devops-test-suiteを使用）。
ユーザーの明示的な確認後、Connect API を介してパイプラインのステージ（Pre-Promote、Post-Promote、または Review イベント）で 1 つ以上の DevOps Center テストスイートを非同期で実行し、その後 `polling-test-results` スキルに結果のポーリングを引き継ぎます。修正後に品質ゲートを再実行（再トリガー）することもできますが、検証によってカバレッジしきい値を満たしたと確認された場合に限ります。次の場合に起動します。ユーザーがパイプラインステージでテストスイートの実行を開始したい場合、昇格前後にテストを実行する場合、Pre-Promote、Post-Promote、または Review イベントの実行をトリガーする場合、失敗修正後に品質ゲートを再実行する場合、カバレッジ達成後に失敗したゲートを再試行する場合、またはテスト追加後に昇格のブロックを解除する場合。次の場合は起動しないでください。sf apex run test を直接実行する場合（running-apex-tests を使用）、または新しいゲートやしきい値を設定する場合（configuring-quality-gate を使用）。
DevOps Centerのパイプラインテスト操作を行う前に環境を検証します。認証済みのSalesforce組織、Agentforce DXプラグイン、認証済みのDevOps Center組織、特定済みのパイプライン（必要に応じてパイプラインステージ）を確認します。テストスイートの実行、結果のポーリング、テストの同期、品質ゲートの設定や再実行、スイートの割り当て／マッピング、修正作業項目の作成、テストの推奨、カバレッジの説明、失敗の分析など、あらゆるDevOpsテストスキルから最初に内部で使用します。別のDevOpsテストスキルがクエリやシステム呼び出しの前に組織／パイプラインのコンテキスト確認を必要とする場合に起動します。DevOps Center以外の作業では起動しないでください。
runIdを指定してDevOps Centerの非同期テスト実行をポーリングし、完了、失敗、タイムアウトのいずれかまで待機して結果を提示します。実行レコードに対する読み取り専用SOQLを、プロバイダーごとの間隔（Apex 15s/5m、Code Analyzer 10s/3m、Provar UI 60s/20m、Flow 20s/8m）で実行します。テストスイートが実行中でユーザーが結果を待っている場合、またはスイートの実行直後に使用します。テストスイートが実行中でユーザーが結果を待っている場合、またはスイートの実行直後でrunIdが利用可能な場合に起動します。アクティブなrunIdがない場合は起動しないでください。
INP のデバッグ、スクロールのカクつき調査、メインスレッドのブロックに対応する自動ワークフローを備えた、インタラクション性能のインテリジェントな分析。長いフレームを検出するとスクリプトの帰属分析を自動実行し、入力遅延の各段階を分解し、レイアウトシフトとインタラクションを関連付ける判断ツリーを含む。インタラクション全体の監査、サードパーティスクリプトの影響分析、アニメーション性能のデバッグ用ワークフローを提供。Core Web Vitals（INP/CLS の相関）および Loading（スクリプト実行分析）とスキル間連携。インタラクションの遅延、スクロールのカクつき、応答しないページ、INP 最適化に関する質問で使用。Chrome DevTools MCP に対応。
自動化ワークフローによるインテリジェントな読み込みパフォーマンス分析です。TTFB の調査（DNS／接続／サーバーの内訳）、レンダリングブロックの検出、スクリプト性能の詳細分析（自社／サードパーティ別の要因特定）、フォント最適化、リソースヒントの検証に対応します。遅い場合に TTFB の内訳を自動分析する決定木、スクリプト読み込みのアンチパターン（async/defer/preload の競合）の検出、レンダリングをブロックするリソースの特定、リソースヒントの使用状況の検証を含みます。読み込み全体の監査（6 フェーズ）、バックエンド性能調査、優先度に基づく最適化のワークフローを備えています。Core Web Vitals（LCP のリソース読み込み）、Interaction（スクリプト実行のブロック）、Media（遅延読み込み戦略）の各スキルと連携します。TTFB、FCP、レンダリングブロック、読み込みの遅さ、フォント性能、スクリプト最適化、リソースヒントについてユーザーが尋ねた場合に使用します。Chrome DevTools MCP と互換性があります。
画像、動画、SVG を自動ワークフローで最適化します。LCP 画像を検出してフォーマット、遅延読み込み、優先度を分析し、サイズ未指定によるレイアウトシフトのリスクを特定し、遅延読み込みの問題（ファーストビュー内の遅延読み込み、ファーストビュー外の即時読み込み）を検出する判断ツリーを備えています。メディア全体の監査、LCP 画像の調査、動画パフォーマンス（ポスター画像の最適化）、SVG 内の埋め込みビットマップ検出のワークフローを提供します。Core Web Vitals（LCP/CLS への影響）や Loading（優先度ヒント、リソースの事前読み込み）と連携します。コンテンツタイプに応じたパフォーマンス予算とフォーマットの推奨を提供します。画像の最適化、LCP が画像／動画である場合、メディアによるレイアウトシフト、メディアの読み込み戦略について質問された場合に使用します。Chrome DevTools MCP と互換性があります。
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。