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
React Compiler が有効である前提で React コードを記述、レビューします。デフォルトでは useMemo、useCallback、React.memo の手動使用を避け、既存コードに古い手動メモ化がないか確認します。React 19+ のコードベースで React コンポーネントを記述またはリファクタリングするとき、React PR をレビューするとき、eslint-plugin-react-hooks の設定時、LLM が生成したコードにメモ化パターンが見られるときに使用します。これは、特に指示がないと手動メモ化を優先しがちな、LLM の学習コーパスに含まれるコンパイラー導入前の React への補完となります。
Windows と Git Bash における Vitest、Playwright、MSW のテスト互換性。次の場合に積極的に有効化します。(1) Vitest のテストが Windows では失敗し Linux では成功する、(2) Windows の Playwright で Git Bash 特有の問題がある、(3) シェル間で MSW のインターセプトに問題がある、(4) テストフィクスチャ内のパス正規化、(5) Windows のブラウザバイナリ（Playwright のインストール）、(6) テストスナップショットの改行コード問題（CRLF と LF）、(7) package.json のクロスプラットフォームテストスクリプト、(8) pretest/posttest フックでのシェル検出、(9) Windows CI のデバッグ。クロスプラットフォーム対応の package.json スクリプト、スナップショットの正規化、Playwright の Windows インストール、シェルを考慮した MSW 設定、Windows CI のデバッグ手順を提供します。
ゲームバランスの監査や再調整に使用します。ソース駆動の Monte Carlo バランスラボ（Rust + rayon）を構築し、ライブゲームデータを抽出して、人間のプレイスタイル（AFK→プロ）をシミュレーションし、信頼区間付きの勝率／経済性評価を出力して、パラメーターを総当たりで調整します。不公平なレベル、到達不能なショップ、ファームの悪用、利息曲線の急変、コンテンツ追加後の再調整、CI のバランス JSON 差分に反応します。キーワード：バランスラボ、Monte Carlo、勝率、難易度曲線、経済進行、プレイスタイルシミュレーション、リソース抽出、GDScript パーサー、総当たり調整。
各スキルが体系化された手法に基づく UX/UI 監査スキル：ux-audit-rethink（IxDF UX 要素）、nielsen-heuristics-audit、wcag-accessibility-audit（POUR フレームワーク）、don-norman-principles-audit、cognitive-walkthrough、ui-design-review、information-architecture-audit。このパッケージには、カタログではインストールされない AI ガバナンスおよびセキュリティ監査スキルも含まれます。
ShellCheck の検証を、2025 年の必須ワークフローとして扱います。次の場合に積極的に有効化します。(1) bash スクリプトに ShellCheck を実行する、(2) ShellCheck 警告（SC2086、SC2068、SC2155、SC2295、SC2327、SC2328、SC2294）の解釈と修正、(3) ShellCheck の CI への統合（GitHub Actions、Azure DevOps、pre-commit）、(4) 行単位・ファイル単位の無効化指示（正当な理由がある場合）、(5) shellcheck-rc とプロジェクト設定、(6) ShellCheck v0.11.0 の新しいチェック、(7) 誤検知の適切な抑制。ShellCheck のインストール／CI 設定、よくある警告と修正一覧、CI ワークフローテンプレート、回帰時にビルドを失敗させる品質ゲートパターンを提供します。
AscendCオペレーターの精度問題をデバッグし、根本原因を特定します。オペレーターの精度テストに失敗した場合（allclose不合格、結果のずれ、出力がすべてゼロ／NaNなど）に使用します。手順：誤差分布の分析 → ミスが起きやすいコードの確認 → 実験の切り分け → printf/DumpTensorによる計測コードの挿入 → 修正の検証。キーワード：精度デバッグ、精度問題、結果の不一致、誤差の特定、allclose失敗、出力のずれ、NaN、全ゼロ、precision debug。
msModelSlim 用の基本的な Transformers モデルアダプターを作成します。必要なインターフェースを実装し、テストモデルの生成 -> フォールバック全量子化 -> 重み検証 -> 量子化記述の検証、という 4 段階の検証ワークフローを完了します。次の場合にこのスキルを使用します。(1) decoder-only LLM 用の msModelSlim アダプターを作成する。(2) 理解系 VLM のテキストバックボーンを量子化に対応させる。(3) 新しいモデル用に W8A8/W4A16 量子化ワークフローを実装する。トリガー：ユーザーが「msModelSlim」「adapter」「model adapter」「quantization」「W8A8」「W4A16」「transformers」「LLM」「VLM」「adapter creation」「适配器」「模型适配」「量化」「模型适配器」「LLM量化」に言及した場合。
Infrahub のチェック定義（Python の検証ロジック、GraphQL クエリ、提案変更パイプライン用の YAML 駆動テスト）を作成、変更、デバッグします。次の場合に起動：検証チェックの記述、Python チェックの作成、提案変更向けデータ品質ガードの構築、チェックのテスト作成または実行、既存チェックの変更や拡張、チェックが失敗する理由、失敗すべきなのに通る理由、誤ったノードを検出する理由のデバッグ。次の場合は起動しない：スキーマの設計、ライブデータのクエリ、変換やジェネレーターの構築。
生成された画像、動画、音声、広告、製品コンテンツ、ソーシャルクリップ、放送・ストリーミング資産、ローカライゼーションパッケージ、混合ソースの編集物を対象とした、プロバイダー非依存のメディア品質管理と納品ディレクション。エージェントが最終書き出しスペックの定義、技術的・知覚的な品質の検査、キャプション/音声/色/アクセシビリティ/来歴/権利の確認、納品シートの作成、ファイル名のバージョン管理、チェックサム、マニフェスト、納品物のパッケージ化、合格・不合格基準の設定を行い、プラットフォーム、放送事業者、ストリーマー、クライアント、広告配信担当者への引き渡し前に最終納品 QA を実施しなければならないときに使用する。
Power Pages サイトのエンドツーエンドのセキュリティレビューをガイド付きで実施し、ソースコードと依存関係、稼働中のサイト、ブラウザーのヘッダー、ファイアウォール、認証、ロールベースの権限に関するすべての検出事項を 1 つの HTML レポートにまとめます。ユーザーが包括的なセキュリティレビュー、公開前のリリース準備状況の確認、開発中のコードと設定の確認、稼働中サイトの監視を希望する場合や、「サイトのセキュリティをレビューして」「このまま公開しても安全？」「セキュリティチェックをして」「サイトを監視して」など、個別のチェック項目を指定しない質問をした場合に使用します。
Storybook MCP サーバー自体（@storybook/addon-mcp）のリファレンスです。3 つのツールセット（dev、docs、testing）にわたる 6 つのツール、利用可能性の検出、エージェントごとのツールセットのフィルタリングを扱います。サーバーのセットアップや、既存コンポーネントに対するこれらのツールの直接呼び出しに使用します。モックアップを新しいコンポーネントに変換するエンドツーエンドのパイプラインで、これらのツールを工程の一つとして利用する場合は、design-to-code を使用してください。
貧血ドメインモデルを検出し、検証してリッチドメインモデルへリファクタリングし、戦術的 DDD パターン（エンティティ、値オブジェクト、集約、ドメインサービス、ドメインイベント）を適用します。ユーザーがドメインモデルや DDD コードの検証・レビュー・確認、貧血モデルの検出、ドメインオブジェクトのリファクタリング、カプセル化の改善を求める場合、または「anemic model」「rich domain」「aggregate」「value object」「domain event」「ubiquitous language」「is this good DDD」「does this follow DDD」「check my domain」などに言及する場合に使用します。モジュールやサービスの境界設計、アーキテクチャ分解、戦略的 DDD のコンテキストマッピング、ドメイン層外のコード（DTO、コントローラー、インフラストラクチャアダプター）には使用しないでください。
アルゴリズム計算量（Big-O）のレビューです。ネストしたループ、N+1クエリ、指数時間の再帰、二次時間の文字列構築など、意図しない計算量の増大を検出します。Python、JavaScript/TypeScript、Java、Goなどに対応します。Big-Oが重要なコードの作成、レビュー、リファクタリング時に使用します。ユーザーが「Big-O」と明示していなくても、パフォーマンスレビュー、ホットパスのリファクタリング、「なぜ遅いのか」という質問、規模が拡大するデータ（ループ、再帰、コレクション、ORMアクセス）の処理では、このスキルを使って時間・空間計算量を分類し、修正案を提示します。「パフォーマンスをレビューして」「遅いコードを見つけて」「高速化して」「このコードはO(n²)」などの依頼や、コレクションを処理するコードの確認時は特に使用します。
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。