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 101,174 件掲載。コマンド 1 行でインストールできます。
すべて
Rojo + Wally + Luau LSP + StyLua + selene を使ったファイルシステムベースの Roblox 開発。.project.json の同期、パッケージマニフェスト、ツールチェーンの固定、sourcemap の再生成、エディター連携、CI ビルドのセットアップ・変更・デバッグ、またはファイルシステムから DataModel への処理に関する質問に使用します。対象はツールチェーン層のみです。言語ルールは luau-expert、ランタイム動作は roblox-dev、UI ライブラリは roblox-ui を参照してください。
ターゲットアカウントの購買委員会をマッピングする。意思決定者、インフルエンサー、チャンピオン、ブロッカーを特定し、マルチスレッド戦略を提案する。商談で単一スレッドに行き詰まっている、本当の意思決定者が誰か分からない、ターゲットアカウントへの適切な入口が見つからない、話す相手が少なすぎて商談が停滞している、購買委員会のマッピング方法が分からないときに使用する。多数のアカウントにわたる見込み客リストの作成や一般的なアカウントリサーチ（/sales-prospect-list を使用）、商談の健全性評価（/sales-deal-inspect を使用）、ZoomInfo 固有の組織図設定（/sales-zoominfo を使用）には使用しないこと。
Sallaアプリの収益化：プランとアドオンは公開設定の価格セクションにあり（独立した価格エンドポイントはありません）、Sallaによって請求されます。アプリの価格設定、プラン／アドオンの状態追跡、権利に基づく機能制限に使用します。app.subscription.* / app.trial.*イベントから状態を追跡します（同一ファミリーで、item_typeがプランとアドオンを区別）。salla_apps action=subscriptionsで照合し、残高に対して使用量を計測します。署名 → salla-webhooks、トークン → salla-app-auth、連携 → salla-app-lifecycle、アプリ内購入UI → salla-addon-purchase / salla-addon-purchase-embedded、サーバー側で計算する金額（クレジット、チャージ）→ salla-checkout-sdk-purchase。
Salla アプリの App Store リスティングページ（マーチャントがインストール前に見るページ）。そのリスティングページをカスタマイズする際に使用。`app_page_builder` MCP ツールでブロックの順序付きリストとして構築する；ブロックの要素を編集すると、共有のリスティングコンテンツ（名前、説明、logo、スクリーンショット、特典）がアプリのドラフト公開内容に書き込まれる。前提条件：先に `app_publish action=open` を呼び出してドラフトを作成する——それまではビルダーは無効。メディアは `salla_upload` でアップロードする。ドラフト/公開フローと `short_description` → salla-publication-consistency。スキーマ → salla-docs。
Salla アプリの EMBEDDED（ダッシュボード）UI のネイティブなルックアンドフィールを担う——Embedded SDK デザインシステム上の Partner dashboard iframe。内蔵/ダッシュボードページが可視 UI（設定、分析、アドオンフロー）を描画するときは常に使用。その 5 つの拘束力のあるゲートはすべて通過する必要があり——どれも省略できない——最終ゲートは実際のデモストアのスクリーンショット。検証されるまで完了ではない。ストアフロント UI → salla-storefront-ui；SDK/認証の配線 → salla-embedded-app。
Science および系列誌（Science、Science Advances、Science Translational Medicine、Science Robotics、Science Immunology、Science Signaling）向けの原稿を準備します。Research Article と Report の形式、要旨と一文要約、参考文献と注記のスタイル、Supplementary Materials、データ／コードの方針、図の要件、初回投稿と改訂のワークフローを扱います。Science 系列誌への投稿、原稿の Science 形式への変換、Science の著者向けガイドラインに基づく投稿内容の確認に使用します。
scikit-learn（sklearn）を使った Python の古典的機械学習を扱います。分類・回帰推定器、クラスタリングと次元削減、前処理、Pipeline と ColumnTransformer、交差検証、評価指標、GridSearchCV によるハイパーパラメーター調整を含みます。表形式またはテキストデータで分類器や回帰器を学習・比較する場合、データをクラスタリングしてクラスタ数を選ぶ場合、データリークのない前処理パイプラインを構築する場合、交差検証と評価指標でモデルを評価する場合、ハイパーパラメーターを調整する場合に使用します。ディープラーニングには向きません。専用のニューラルネットワークフレームワークを使用してください。
Microsoft Security Copilot のガイダンス - 自然言語、プラグイン、プロンプトブック、埋め込みエクスペリエンスを使ってアナリストが調査、捜索、要約、対応するのを支援する生成 AI セキュリティプラットフォーム。SCU のプロビジョニング、プラグイン、プロンプトブック、ガバナンス、スタンドアロンと埋め込みエクスペリエンスの選択を扱う。対象：Microsoft Security Copilot、SOC 向け AI、セキュリティ copilot ユニット SCU、プロンプトブック、Copilot プラグイン、自然言語による調査、AI によるインシデントの要約、Security Copilot のセットアップ、SOC で AI を活用する方法、AI で KQL クエリを説明する、関係者向けにアラートを要約する。使用しない場合：自律的なトリアージや修復エージェントの構成が目的の場合（security-copilot-agents を使用）。
あらゆるウェブサイト、ページ、ビジネス、トピックに対する総合的な SEO 分析。サイト全体の監査、SEO チェック、単一ページ分析、テクニカル SEO（クロール可能性、インデックス可能性、INP を含む Core Web Vitals）、schema マークアップ、コンテンツ品質（E-E-A-T）、画像最適化、サイトマップ分析、AI Overviews/ChatGPT/Perplexity 向けの GEO、SEO ベストプラクティスの計画。SaaS、e コマース、ローカル、パブリッシャー、代理店の業界判定。トリガー：SEO, audit, full SEO check, SEO best practices, optimize my site, ranking, organic search, schema, Core Web Vitals, sitemap, E-E-A-T, AI Overviews, GEO, technical SEO, content quality, page speed, structured data。
既存のコンテンツに対する E-E-A-T + CITE 品質監査。AI 検索に向けて経験、専門性、権威性、信頼性、引用準備度をスコアリングし、公開を妨げる拒否項目を表面化させ、公開／修正して公開／非公開の判定を出す。`seo-content-brief`（トピックから新しい記事を生成する）や `seo-page`（URL レベルのキーワード/トラフィックインテリジェンス）とは異なる。ユーザーが "content quality audit"、"E-E-A-T check"、"is this content good"、"review this article"、"content audit"、"citation readiness"、"AI search readiness" を求めるときに使用。
視覚的なノイズと選択肢を減らしたいユーザー向けに、簡素化された低複雑度のインターフェースビューを設計する。設定、ダッシュボード、複雑なツール、よりシンプルなモードが役立つあらゆるインターフェースを設計するときに使用。トリガー：simplified view、simple mode、easy mode、basic view、reduce complexity、less clutter、overwhelmed、too many options、beginner mode、essential view、focus mode。
Elixir、OTP、Ecto、Phoenix/LiveView のコードを書く、レビューする、リファクタリングするときにこのスキルを使用する。有能なモデルが既定で誤るスタッフレベルの判断——GenServer を万能ツールとして頼ること、プロセスをクラッシュさせず rescue すること、Ecto の N+1 アクセス、非アトミックな書き込み、無制限/リンクされた Task のファンアウト、ユーザー入力によるアトム枯渇、Stream が適する場面での即時評価の Enum、Web 層からの Repo 呼び出し——を正す。プロセス設計、エラーハンドリング、並行性、データアクセス、LiveView に作業が関わる場合は常に適用され、ユーザーがそれらを名指ししなくても同様である。
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。