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 98,873 件掲載。コマンド 1 行でインストールできます。
すべて
Helixa — Base 上の AI エージェント向けのオンチェーンアイデンティティ、レピュテーション、Cred Score。エージェントがアイデンティティ NFT をミントする、Cred Score を確認する、ソーシャルアカウントを検証する、特性/ナラティブを更新する、エージェントのレピュテーションデータを照会する、ステーキング情報を確認する、エージェントディレクトリを検索する場合に使用する。SIWA(Sign-In With Agent)認証と x402 マイクロペイメントに対応。Helixa、AgentDNA、ERC-8004、Cred Score、$CRED トークン、エージェントアイデンティティについて尋ねられた場合にも使用する。
HolmesGPT の実装ガイド — クラウドネイティブ環境のトラブルシューティングを行う AI エージェント。Kubernetes の問題調査、Prometheus/AlertManager/PagerDuty からのアラート分析、根本原因分析の実施、HolmesGPT のインストール構成(CLI/Helm/Docker)、AI プロバイダーの設定(OpenAI/Anthropic/Azure)、カスタムツールセットの作成、可観測性プラットフォーム(Grafana、Loki、Tempo、DataDog)との連携に使用する。
Huawei Cloud AgentArts 可観測性プラットフォーム向けの OpenTelemetry 取り込みスキルです。OTel テレメトリデータ(トレース/メトリクス/ログ)の AgentArts agent-ops への取り込み、gen_ai セマンティック規約を用いた AI エージェントの観測、Java/Python/Node.js/Go アプリケーションの自動設定、取り込みの診断と検証に対応します。APM deliverConfig の転送(Path A)と OTLP の直接接続(Path B)を扱います。トリガー例:「AgentArts OTel」「AgentArts observability」「AI agent tracing」「gen_ai telemetry」「AgentArts OTLP」「otel接入AgentArts」「Agent观测配置」
ユーザーがハブ立地問題を解きたい、ハブアンドスポーク型ネットワークを設計したい、物流ネットワーク向けにハブ配置を最適化したいときに使用する。ユーザーが "hub location"、"hub-and-spoke"、"p-hub median"、"hub covering"、"single allocation hub"、"multiple allocation hub"、"airline hub network"、"postal hub network"、"consolidation center location" に言及したときにも使用する。一般的な施設立地については facility-location-problem を参照。配送センターについては distribution-center-network を参照。
Viktor がウェブサイト URL またはテキストの概要から、IT エージェンシーのクライアント向けにアウトリーチ仮説を生成する場合に使用します。フェーズ 1(クライアントのサイトからサービス/ICP/ユースケース/事例を抽出)とフェーズ 2(ICP 2~3 個 × シグナル 2~3 個 × オファー 2~3 個からなる仮説 10 件のマトリクスを作成し、Viktor の 5 要素加重フレームワークで各項目を評価)を実行します。ユーザーが「генеруй гіпотези для клієнта」「побудуй матрицю гіпотез」「оціни цей агентський сайт」「що тестувати для [клієнт]」「hypothesis generation for agency」「матриця гіпотез по URL」と言う場合、またはクライアントの URL を提示して実施するキャンペーンを尋ねる場合に起動します。ICP/シグナルが既知の単発キャンペーン案の生成には使用しません。その場合は hypothesis-builder を使用します。
1 つの Duvo Agent をより良くするためのガイド付きエンドツーエンドループを実行する。ユーザーが "improve this Agent"、"make my Agent better"、"help me tune this Agent"、"this Agent isn't good enough"、"fix this Agent based on its Runs" を望むとき、または Agent を現状から具体的で適用済みの改善へと導くよう依頼したとき(単なる読み取り専用の監査ではなく)に使用する。会話はあなたが主導する:Agent を特定し、その設定全体(AOP、Connections、Skills、トリガー、memory、最近の Runs)を調査し、改善の根拠(ユーザーのフィードバックまたは Runs 内のエビデンス)について合意し、Run の範囲を提案して確認し、workflow-debugger / run-debugger skills から根拠ある発見を得て、具体的な変更を提案し、ユーザーの同意を得て適用する(AOP は aop-writer 経由で新しい Build として、設定はあなたのツールで)。workflow-debugger との境界:あの skill は読み取り専用の監査であり、この skill は適用済みの変更で終わる対話型ループで、分析のために workflow-debugger を呼び出す。
1 つの Duvo Queue — およびそれを取り巻く producer→consumer ワークフロー — をより良くするためのガイド付きエンドツーエンドループを実行する。ユーザーが "improve this Queue"、"this Queue keeps backing up, fix it" を望むとき、または Queue を具体的で適用済みの改善へと導くとき(単なる読み取り専用の監査ではなく)に使用する。会話はあなたが主導する:Queue を特定し、その全体像(producer と consumer、バックログと case の状態、接合部における両方の Agent の AOP、トリガーと並行性、流れる Runs)を調査し、改善の根拠(ユーザーのフィードバックまたは Runs/バックログ内のエビデンス)について合意し、Run/case の範囲を提案して確認し、workflow-debugger / run-debugger skills から根拠ある発見を得て、具体的な変更を提案し、ユーザーの同意を得て適用する(AOP は aop-writer 経由で新しい Build として、トポロジーとトリガーはあなたのツールで)。workflow-debugger との境界:あの skill は読み取り専用の監査であり、これは適用済みの変更で終わる対話型ループである。単一の独立した Agent の場合は、代わりに improve-agent を使用する。
IndyKite AuthZEN REST API(`POST /access/v1/evaluation`)で単一の KBAC 認可判断を行う——1 つの (subject, action, resource) トリプルに対して真偽値の `decision` を返し、任意でリクエストごとの `context.input_params` を受け取る。単一の yes/no の問い——"can ada PROVISION gpu-node-7?"、"is this user allowed to delete this document?"、"gate this operation on a live check"、またはある判断がなぜ false なのかのデバッグに使用する。一度に多数のチェックを行う用途(indykite-authzen-evaluations を使用)、どの action/resource/subject が許可されるかを列挙する用途(indykite-authzen-search-action / -search-resource / -search-subject を使用)、判断の背後にあるポリシーを作成する用途(indykite-authzen-kbac-policies を使用)には使用しない。MCP/JSON-RPC 経由で同じ判断を得るには indykite-mcp-server(`authzen_evaluate`)を参照。
IndyKite AuthZEN REST API(`POST /access/v1/evaluations`)を使い、1 回の呼び出しで多数の KBAC 承認判断を実行する。トップレベルの subject/action/resource/context をデフォルト値とし、各エントリで上書きできる。エントリごとに 1 つの `decision` を順番に返す。既知の固定されたチェック群をまとめて確認する場合に使用する。1 つの subject と多数の resource、1 つの action と多数の subject、または任意の三つ組の組み合わせなど - 例:「これらのサーバーのうち、どれが grace provision できるか?」「これらの各ユーザーは gpu-node-7 をデプロイできるか?」。単一のチェックには indykite-authzen-evaluation を使う。許可されたすべての action/resource/subject を列挙する場合(固定リストではなくオープンエンド)は indykite-authzen-search-action / -search-resource / -search-subject を使う。ポリシーを記述する場合は indykite-authzen-kbac-policies を使う。
IndyKite AuthZEN REST API(`POST /access/v1/search/action`)で、ある subject が resource に対して実行を許可されている action を列挙する——固定した 1 つの (subject, resource) の組に対して付与された action 名を返す。許可された操作の列挙に使用する——"what can linus do with gpu-node-7?"、"which actions does this user have on this item?"(例:許可された UI コントロールのみを描画するため)。特定の action の yes/no("can linus DEPLOY gpu-node-7?" -> indykite-authzen-evaluation)には使用しない。他の軸を列挙するには indykite-authzen-search-resource(どの resources)または indykite-authzen-search-subject(どの subjects)を使用する。ポリシーを作成するには indykite-authzen-kbac-policies を使用。
IndyKite AuthZEN REST API(`POST /access/v1/search/resource`)で、ある subject が特定の action を実行することを許可されている resource を列挙する——subject と action を指定すると、ある type の一致する resource インスタンスを返す。許可された resource の列挙に使用する——"which servers can linus provision?"、"list the documents this user can read"(アクセスで絞り込まれたフィード)。返すのは `{type,id}` 参照であり、yes/no の判断ではなく、resource データそのものでもない(グラフデータには indykite-ciq-read を使用)。単一 resource の yes/no には indykite-authzen-evaluation を使用する。他の軸を列挙するには indykite-authzen-search-action(どの actions)または indykite-authzen-search-subject(どの subjects)を使用する。ポリシーを作成するには indykite-authzen-kbac-policies を使用。
IndyKite AuthZEN REST API(`POST /access/v1/search/subject`)で、ある resource に対して特定の action を実行することを許可されている subject を列挙する——resource と action を指定すると、ある type の一致する subject インスタンスを返す。誰にアクセス権があるかを列挙するために使用する——"who can provision gpu-node-7?"、"list the people allowed to approve this document"(監査/レビューのビュー)。特定の subject の yes/no("can grace provision gpu-node-7?" -> indykite-authzen-evaluation)には使用しない。他の軸を列挙するには indykite-authzen-search-action(どの actions)または indykite-authzen-search-resource(どの resources)を使用する。ポリシーを作成するには indykite-authzen-kbac-policies を使用。
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。
