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
デザイントークンのセットを Subatomic の 3 層アーキテクチャ（definitions → usage → components）に照らして検査し、根拠タグ付きの所見と優先順位付けされた作業リストを返す。または、まだトークンがない本番コードベースから階層ラダーを確立する。ユーザーが token JSON を貼り付けて「これで正しいか」と尋ねるとき、トークンの監査、評価、レビュー、採点を求めるとき、トークンが適切に階層化されているか、またはセマンティックかどうかを尋ねるとき、ダークモードや 2 つ目のブランドがリマップで済むのか書き直しになるのかを知りたいとき、あるいはハードコードされた値だらけのコードベースからコードファーストでトークンの基盤を築きたいときに使う。ds-inspection（10 のステーションでシステム全体を採点する）の補完であり、本スキルはトークン層のみを深く扱う。
Figma ノードツリーを WCAG 2.2 のアクセシビリティとデザインシステム品質の両面から lint します。コントラスト、ターゲットサイズ、フォーカスインジケーター、色だけによる情報伝達、ハードコードされた色、テキストスタイルの欠落、コンポーネントの切り離しなどを確認します。引き渡し前にデザイン側の監査を行いたい場合に使用します。該当する依頼例：「lint this frame」「check accessibility」「WCAG audit」「is my design accessible」「find contrast issues」「check color contrast」「find hardcoded colors」「are my components using tokens」「design QA」「a11y check on this page」「audit my design for issues」。ノードまたはページ全体からツリーをたどり、重大度（critical/warning/info）と WCAG レベル（A/AA/AAA/best-practice）を付けて結果を返します。ネイティブ Figma MCP にデザイン側の lint 機能はありません。この機能はこのコレクション独自です。コンポーネント単位の詳細なアクセシビリティ評価には figma-audit-accessibility、コード側（HTML）のチェックには figma-scan-code-accessibility を使用してください。
Express.js のミドルウェアとルートに関するセキュリティ監査パターンを確認します。Helmet.js、CORS、body-parser の制限、認証ミドルウェアの監査に使用します。Express.js アプリをレビューする際は積極的に使用してください。例：- ユーザー：「Express アプリを安全にして」→ Helmet.js を追加し、x-powered-by を無効化 - ユーザー：「Express の CORS 設定を確認して」→ オリジンの許可リストと認証情報を確認 - ユーザー：「Express の認証ミドルウェアをレビューして」→ ルートの順序とカバレッジを確認 - ユーザー：「Express のパストラバーサルをスキャンして」→ パスの正規化と検証を確認 - ユーザー：「Express のセッション設定を監査して」→ secure、httpOnly、sameSite フラグを確認
Datadog LLM-Obs の評価器を人手ラベルに適合させる。アノテーションキューを受け取り、ラベル付けされた属性が trace のどこに実際に存在するかを特定し、人手ラベルを予測する LLM-judge を起草し、ユーザーと合意した指標でその judge をラベル済みの行に対してスコアリングし、その後ホビークライミング（エラーを確認し、焦点を絞った変更を 1 つ加え、再スコアリングし、最良の結果を上回る場合のみ採用する）を反復回数の上限まで行い、最後に勝者を DISABLED の評価器として Datadog に公開する（Datadog のドラフトではなく、`enabled: false` を設定した実際の評価器）。ユーザーが「自分のアノテーションから eval を構築して」「アノテーションキューから評価器を構築して」「自分のアノテーションを評価器にして」「自分のラベルから評価器を学習して」「judge をアノテーションキューに適合させて」「自動ラベリング」「このアノテーションキューを自動化して」「自分の人手ラベルをスケールさせて」と言う場合、またはキュー全体を人間が最初の数行を評価した方法で評価したい場合に使用する。人手ラベルに少なくとも 2 つのクラスが存在するアノテーションキューが必要である（例: ブール値で true と false が 1 つずつ）。
AI 生成の画像と動画のための世界水準のキャラクターおよびアートスタイルの一貫性 — シリーズ全体の視覚的な一貫性を確保し、キャラクターのアイデンティティを維持し、納品前に厳格な QA を提供します。次に言及されたときに使用します：「character consistency, art style, same character, consistent character, visual continuity, series, turnaround sheet, character sheet, reference image, character bible, style guide, anime character, consistent look, face consistency, outfit consistency, lora training, ip-adapter, flux kontext, visual qa, art quality, generation review, style drift, character drift, character-consistency, art-style, visual-qa, ai-art, image-generation, video-generation, anime, illustration, lora, ip-adapter, flux, midjourney, stable-diffusion」。
症状が広範なとき（「アプリがもっさりする」「どこでもスクロールがカクつく」「perf スプリントを始める」「まず何を直すべきか?」）に、Jetpack Compose のエンドツーエンド性能監査を実行するためにこの skill を使用する。25 の焦点を絞った skill（release モード設定、R8、Baseline Profiles、Compose Compiler レポート、安定性推論、Layout Inspector、`@TraceRecomposition`、安定化、strong skipping、フェーズ遅延、derivedStateOf、lazy レイアウト、lazy プリフェッチ、Modifier.Node、modifier の順序、flow 収集、effects、CI ゲート、ホットリロード）を順序立てて Measure → Diagnose → Fix → Verify の 4 フェーズループを編成し、Before/After Macrobenchmark の数値を含む監査レポートを文書として作成する。開発者が perf スプリントのキックオフ、リリース前の perf ゲート、性能に問題を抱えるコードベースへのオンボーディング、または文書化された成果物を求める場合に使用。ユーザーが「audit」「perf review」「perf sprint」「where do I start」に言及したとき、または具体的な症状がまだないときに使用。
Bagisto の PHP または Blade を書いたり、変更したり、レビューしたりするときに使用する。このコードベースが守る規約であり、Laravel のイディオム、コードスタイル、コメントと docblock、データベースアクセス、Blade、セキュリティ、ローカライズを扱う。トリガーフレーズには "standards"、"conventions"、"code style"、"docblock"、"comments"、"repository pattern"、"blade"、"component"、"binding"、"event"、"migration"、"security"、"XSS"、"authorization"、"escaping"、"is this safe"、"best practice" が含まれる。
Omni 内蔵の評価システムを使って Omni AI の精度を評価します。プロンプトセットを定義し、モデル（またはブランチ）に対して判定付き評価を実行し、精度判定の結果を確認します。Omni AI の評価、Blobby のベンチマーク、回帰テストの実行、ブランチやモデルコンテキストの変更をまたいだ AI 出力の比較、AI 品質の測定、モデル変更の A/B テスト、ai_context やモデリング変更の影響評価、「評価を実行」「Blobby をテスト」「クエリ生成をベンチマーク」「AI 結果を比較」「回帰テスト」「AI の精度はどの程度」「変更の影響を測定」などの依頼に使用します。
実際の git データに基づき、フィーチャーブランチのマージ準備状況を測定指標で評価します。感覚には頼りません。ブランチとベースの生の git 出力を収集し、ブランチ健全性指標（規模区分、テスト比率、焦点、乖離、セッション、ホットスポット）を算出し、差分から PR 前の残存物（シークレット、`.only`、競合マーカー、デバッグ行、TODO）を検出して、信号ごとの推奨事項とともに GREEN / YELLOW / RED の判定を出します。メインフローから分離された、独自の推論予算を持つフォークされた分析ワークフローとして実行します。すべての指標は具体的な git データから導出し、推定は行いません。判定は文書化された信号のしきい値に従い、ブロッキング項目が残っている場合に GREEN を報告しません。任意の JSON スナップショットを除き読み取り専用で、コードや git の状態には一切触れません。ブランチの健全性、PR 前分析、または `/pr-retro` を尋ねられた場合に使用します。
アプリのドキュメント、ソース、テスト、CI、デプロイ、インフラ、設定、認証、環境構成を調査し、ソースから判断できない項目に限って、対象を絞ったハーネスに関する質問を行い、アプリ固有の本番環境同等性スキルを作成します。ローカル、CI、PR、プレビュー、ステージングなどの非本番環境が本番環境の挙動と乖離する可能性がある場合、本番環境固有の認証、設定、IDプロバイダーのグループ、機能フラグ、インフラ、バックエンドサービス、ポリシーの違いが不具合の原因になった場合、または特定アプリの環境差異を検出、記録、テストし、修正を支援する再利用可能なスキルをチームが求めている場合に使用します。
Lint と型チェックの負債を解消します。既存のリポジトリ全体の lint／型違反と抑制（@ts-ignore、# type: ignore）を、原因を修正しながら一度に 1 つのルールずつ段階的に解消します。main がグリーンの状態で実行します。diff 範囲の品質改善には absolute-simplify を使用してください。トリガー語：「absolute debt」、「fix our lint warnings」、「clear the type errors」、「get to strict mode」、「burn down suppressions」。
Google AdSense の申請準備状況と広告配信のコンプライアンスについてウェブサイトを監査する。サイトが AdSense の適格性、サイト所有権、コンテンツ品質、ナビゲーション、クローラーのアクセス、ads.txt、プライバシー開示、Google パブリッシャーポリシー、AdSense プログラムポリシーを満たしそうか確認するとき、またはサイトが AdSense に申請できるか、AdSense の審査に通るか、広告を表示できるか、AdSense の却下/サイト未準備の問題を修正できるかをユーザーが尋ねるときに使用する。
セマンティック HTML、ARIA、キーボード操作、フォーカス管理、色のコントラスト、スクリーンリーダー対応により、WCAG 2.2 AA 準拠のインターフェースを構築します。フォーム、ダイアログ、タブ、ライブリージョン、スキップリンク、代替テキスト、データテーブルを扱います。アクセシブルな UI の実装、WCAG 準拠の監査、スクリーンリーダーの問題、キーボード操作、フォーカストラップの修正、「focus outline missing」「aria-label required」「insufficient contrast」「missing alt text」「heading hierarchy」のトラブルシューティングに使用します
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。