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。
すべて
VS Code で **Node.js の stdio MCP Server** をブレークポイントデバッグする（Node Inspector にアタッチする）ためのもの。ユーザーが MCP stdio、@modelcontextprotocol/inspector、node --inspect/--inspect-brk、VS Code のアタッチデバッグ、ブレークポイントが止まらない、sourcemap、build/dist の成果物のデバッグ、ポート 9229 の競合/使用中、launch.json の設定などに言及したら、本 skill を使用する。出力では、コピー＆ペースト可能な launch.json の断片、実行可能な inspector 起動コマンド（ポート変更版を含む）、優先度順のトラブルシューティングチェックリストを直接示す。
Spring Boot の問題を体系的にデバッグします。NoSuchBeanDefinitionException などの bean エラー、循環依存の問題、アプリケーションの起動失敗、LazyInitializationException や N+1 クエリを含む JPA/Hibernate の問題、403 Forbidden エラーを引き起こすセキュリティ設定の誤り、プロパティバインディングの失敗、CSRF トークンの問題、または Actuator エンドポイントと JVM デバッグによる診断が必要なあらゆる Spring Boot アプリケーションで使用します。
データ品質チェックが失敗またはエラーになった理由を調べ、一致した行を確認して修正方法を提案します。データ品質ゲートによって公開されなかったマテリアライズドビューの更新も対象です。チェックが赤色になった理由、失敗した行、ビューに "Not published" と表示される理由、更新後もビューのデータが古い理由、ブロックされた更新を公開する方法を尋ねられた場合に使用します。トリガー語：チェック失敗、失敗した行、チェックエラー、データ品質エラー、未公開、マテリアライズのブロック、未公開の更新、チェックが繰り返し失敗する。
10種類以上の思考モデル（SCQA、5W2H、批判的思考、逆転思考、メンタルモデル、第一原理、システム思考、六色ハット）を用いて、記事、論文、長文コンテンツを深く分析する包括的なフレームワークです。ユーザーが（1）複雑な記事や内容を深く理解する、（2）議論を分析して論理的な欠陥を特定する、（3）読書資料から実行可能な知見を抽出する、（4）学習ノートや要約を作成する、（5）複数の情報源を比較する、（6）知識を実践に活用する、（7）特定の思考フレームワークを適用するといった目的で使用します。「この記事を分析して」「理解を手伝って」「深く掘り下げて」「知見を抽出して」「［フレームワーク名］を使って」といった表現や、分析対象のURL／長文コンテンツの提示で起動します。
研究、計画、実装を明確なフェーズに分け、永続的な markdown 成果物を伴う構造化された開発ワークフロー。自明でない機能、リファクタリング、バグ調査、コードベース変更を始めるときに使う。「deep work」「research and plan」「plan before coding」「write a plan」「research this codebase」「don't code yet」「understand then implement」でトリガーし、あるいはユーザーが複雑なタスクに対して規律ある進め方を望むときに使う。ユーザーが「research」「plan」「annotate」「implement the plan」と言うときや、research.md/plan.md 成果物に言及するときにも使う。
このリポジトリで、`/v1/listen` 上の Deepgram 音声分析オーバーレイを呼び出す Python コードを書いたりレビューしたりする際に使用する——summarize、topics、intents、sentiment、diarize、redact、detect_language、エンティティ検出。通常の STT と同じエンドポイントだが、分析パラメータを伴う。REST（`client.listen.v1.media.transcribe_url`/`transcribe_file`）と WSS がサポートするサブセット（`client.listen.v1.connect`）の両方を網羅する。通常の文字起こしには `deepgram-python-speech-to-text` を、すでに文字起こしされたテキストの分析には `deepgram-python-text-intelligence` を使用する。トリガーには "diarize"、"summarize audio"、"sentiment from audio"、"redact PII"、"topic detection audio"、"audio intelligence"、"detect language audio" が含まれる。
JavaScript/TypeScript リポジトリ（Node.js サービスとブラウザフロントエンド）の Dependabot 脆弱性アラートをトリアージして修正する。v2.1 ワークフローは Standard（防御的）と Fast-Track（低リスク）の 2 つのモードを提供する — 防御的な最小パッチバージョニング、露出マッピング（Public/API · Client-Bundle · Internal/Dev）、関与するすべてのパッケージマネージャーを検出する CI ワークフローの検査、package.json に触れるすべてのパッケージマネージャーに対する必須の lockfile 整合性チェック、BREAKING/DEPRECATED/MIGRATION をフラグ付けする changelog の取得、バージョン引き上げを適用する前の安全インターロック。Fast-Track モードは Internal/Dev または CVSS<7 のアラートについて changelog と詳細な露出分析を省略するが、整合性チェックと二重書き込みは省略できない。npm、pnpm、yarn、bun の lockfile を扱う。ユーザーが Dependabot URL を共有したとき、CVE の修正を求めたとき、またはどの脆弱性を先に選ぶべきか尋ねたときに使用する。
機能コードの監視、レジスタ範囲の検証、タイミング分析、ディープパケットインスペクションによって Modbus/TCP および Modbus RTU の産業トラフィックの異常を検出する。Zeek の Modbus アナライザー、OT ルールを備えた Suricata IDS、正常なトランザクションシーケンスの Python マルコフ連鎖モデルを使用する。OT 環境への Modbus IDS の導入、ポーリングパターンのベースライン化、不審な Modbus トラフィックの調査、機能コード許可リストの構築に使用する。
難しいバグとパフォーマンス回帰のための規律ある診断ループ。再現 → 最小化 → 仮説 → 計測 → 修正 → 回帰テスト。ユーザーが「diagnostica isso」/「debuga isso」と言った場合、バグを報告した場合、何かが壊れている/例外を投げている/失敗していると言った場合、またはパフォーマンス回帰を説明した場合に使用します。ユーザーが「diagnose this」/「debug this」と言った場合、バグを報告した場合、何かが壊れている/例外を投げている/失敗していると言った場合、またはパフォーマンス回帰を説明した場合に使用します。
ロシア市場の PPC 向けに、Unified Performance Campaigns（ЕПК）および組み合わせ広告の Yandex Direct（API v5/v501）広告を監査、管理、最適化します。アカウント全体の監査、キャンペーン管理、キーワードと自動ターゲティングの操作、Metrika の目標を含むレポート、週次予算分析、最適化の推奨事項に対応します。次の語句で起動します：「Яндекс Директ」「Yandex Direct」「директ」「ЕПК」「РСЯ」「YAN」「direct audit」「direct campaigns」「direct report」「direct optimize」。
単一のプロンプトから完全なアプリケーションを構築する自律ハーネス。dkod を使った並列エージェント実行と AST レベルのセマンティックマージを行う。作業をシンボル単位で並列ユニットに分解する Planner、分離された dkod セッションで同時に実装する複数の Generator エージェント、Playwright CLI（推奨）または chrome-devtools MCP（フォールバック）と dk_verify で実際の結果をテストする懐疑的な Evaluator を編成する。完全自律——プロンプトから動作しテスト済みの PR までユーザー操作はゼロ。ユーザーがビルドプロンプト（"build a..."、"create a..."、"make a..."）を提供するか /dkh を呼び出すたびにこのスキルを使用。
PDF、DOCX、HTML、Markdown 向けのマルチフォーマット文書解析ツール。LlamaParse、Unstructured.io、PyPDF2、PDFPlumber、python-docx に対応。文書の解析、PDF からのテキスト抽出、Word 文書の処理、HTML からテキストへの変換、文書からの表の抽出、RAG パイプラインの構築、文書のチャンク化、またはユーザーが文書解析、PDF 抽出、DOCX 処理、表の抽出、OCR、LlamaParse、Unstructured.io、文書の取り込みに言及したときに使用する。
dbt のモデルと列を schema.yml にドキュメント化する。dbt ドキュメントを扱う次の場合に使用する：(1) schema.yml にモデル説明や列定義を追加する (2) タスクで「document」「describe」「description」「dbt docs」「schema.yml」に言及している (3) ビジネスコンテキスト、粒度、データの意味、ビジネスルールを説明する (4) dbt docs generate を準備する、またはモデルの発見可能性を高める。記述前に既存プロジェクトのドキュメントスタイルと規約に合わせる。
Testcontainers によるコンテナ化データベーステストの専門スキル。実際のデータベース動作をテストする場合、SQL Server/PostgreSQL/MySQL コンテナを使用する場合、EF Core/Dapper をテストする場合に使用します。コンテナの起動、データベースマイグレーション、テスト分離、コンテナ共有などを扱います。ユーザーが Testcontainers database、SQL Server container、PostgreSQL container、EF Core integration test、Dapper testing、Collection Fixture に言及した場合は、コンテナベースのデータベーステストを明示的に求めていなくても、必ずこのスキルを使用してください。キーワード：testcontainers、container testing、database testing、MsSqlContainer、PostgreSqlContainer、MySqlContainer、EF Core testing、Dapper testing、Testcontainers.MsSql、Testcontainers.PostgreSql、GetConnectionString、IAsyncLifetime、CollectionFixture
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。