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。
すべて
エージェント型コーディング向けの 2026 年の総合的なエンジニアリングベストプラクティス。Node.js、Next.js、NestJS、Java、Spring Boot、Python、Elixir、Phoenix、Erlang、Rust、Go、React、Vue、Nuxt、Astro および SQL/NoSQL データベースのコードを書き、レビューし、リファクタリングするときに適用する。セキュリティ（OWASP Top 10、ゼロトラスト、サプライチェーンの強化）、パフォーマンス（非同期 I/O、キャッシュ、コネクションプーリング、N+1 の防止）、冪等性、原子性、並行性、可観測性（OpenTelemetry、構造化ログ）、アクセシビリティ（WCAG 2.2 AA）を扱う。技術スタックごとのバージョン基準、慣用的なパターン、既知の CVE と落とし穴（例：Next.js CVE-2025-29927、Valkey 9.1 RC）、マージ前/本番前チェックリストを含む。言語やフレームワークを問わず、あらゆるプログラミング作業に使用する。
Go Ent schema と混在入力を基に決定論的な INSERT SQL シード データを生成する。開発やテストのためにシード SQL を作成する必要があるときは常にこのスキルが必須 -- エンティティ推論、リレーションシップの整合性、安定した ID、JSON・配列・複合型を含む方言固有の SQL 生成を処理する。シード データ、テスト フィクスチャ、デモ初期化、Ent schema 定義からのデータベース投入を含むあらゆるタスクでこのスキルを使用する（ユーザーが "seed" や "SQL" を明示していない場合でも）。
会社のエンタープライズナレッジインデックスを検索する。プロジェクト、人、ポリシー、内部ドキュメント、過去の意思決定など会社固有のコンテキストに関わるタスクを始めるときは、Drive、Slack、Jira などの個別ソースを直接検索する前に、まずこれを使用する。ユーザーが「X についてのドキュメントはあるか」「Y に関するポリシーは何か」と尋ねたり、社内の取り組みを名前で挙げたりした場合にも使用する。このサービスと連携するときは常にこのスキルから始める — 同梱のスクリプトとレシピが最短の道筋である。
エンティティコンプライアンストラッカー — 初期化、今後の期限のレポート、ステータス更新、ヘルス監査の実行、CSV へのエクスポート。エンティティ一覧から構築した compliance-tracker.yaml を維持し、エンティティと登記地ごとに申告期限を計算し、今後 30/60/90 日以内の対応事項を提示する。ユーザーが「エンティティコンプライアンス」「申告期限」「年次報告書の期限」「エンティティトラッカー」「どの申告が期限か」「エンティティヘルス」「存続状態」と言った場合に使用。
EF6 ベースのアプリケーションを維持または移行する際に、何を残し、何をモダナイズし、EF Core が次の一手として適切かどうかを現実的な指針で示す。用途：EF6 コードベース、ランタイムと ORM の移行判断、EDMX、code-first、ObjectContext、レガシーデータアクセスのレビュー。使用しない場合：無関係なスタック、この具体的な指針を必要としない一般的なタスク。呼び出し：リポジトリのコンテキストを調査し、対象ファイルを編集し、変更時に該当するビルド、テスト、lint、検証コマンドを実行する。
イベント駆動システムをガイドする——pub/sub、ポイントツーポイント、イベントソーシング、CQRS、スキーマバージョニング（Avro/JSON Schema）、順序、パーティショニング、配信保証、冪等性、exactly-once のトレードオフ、トランザクショナルアウトボックス/インボックス、コレオグラフィとオーケストレーション、Saga、デッドレターキュー、リプレイ、ストリームイベントとディスクリートイベント、マイクロサービス境界。ユーザーがイベント駆動アーキテクチャ、イベントソーシング、CQRS、pub/sub、Kafka イベント、アウトボックスパターン、冪等コンシューマー、イベントコレオグラフィ、Saga オーケストレーション、デッドレターキュー、イベントスキーマバージョニングを求めたときに使用する——マイクロサービスのコードのみ（microservices-developer）、エンタープライズ API/iPaaS のみ（enterprise-integration-api-developer）、EDI（edi-engineer）、機密区分の昇格（classified-software-devsecops-engineer）、ソルバー（operations-research-algorithm-developer）、汎用 CRUD（senior-software-engineer）には使用しない。
Obsidian で編集可能な Excalidraw 図を標準形式またはアニメーション形式で作成します。ユーザーが Excalidraw の名前を出した場合、このスキルを必ず使用します。単独の図、概念間の関係、マインドマップ、編集可能なホワイトボード、要素が順番に表示される図（作図、フローチャート、マインドマップ、関係図、ホワイトボード、段階的な表示）を自然言語で求められた場合も、スキル名を知らなくても選択してください。内容と出力先に応じて選び、イラストや写真の依頼には別のツールを使用します。HTML Artifacts 内の図では、HTML/CSS/SVG または Artifact の既存の図ツールを必ず優先します。明示的な指定がある場合、または具体的な Excalidraw 機能が必要な場合に限り、そこで Excalidraw を使用します。手描き風の指定だけでは使用理由になりません。Mermaid の明示的な依頼には、必ず mermaid-visualizer を使用します。
(NS) GitLab issue をエンドツーエンドで実行する — first-act ステータス、ブランチ再利用とソースブランチのゲート、単一 worktree の分離、アトミックなデリバリー、MR ライフサイクル、必須のコードレビューゲートと上限付き修正ループ。ユーザーが GitLab の ISSUE_URL を提示するか、GitLab issue の直接実装を求めたときに使用 — ローカルのみのアドホックなコーディング（code-coder を使用）や GitLab 以外の自律実行（code-autonomous standalone を使用）には使用しない。実際のコーディングは code-autonomous エンジンに委譲する。MCP 用に mcp-gitlab-usage、レビューゲート用に code-reviewer が必要。
GrowthBook の A/B テストを REST API 経由でエンドツーエンドで起動する — 実験を作成し、フィーチャーフラグを準備し、experiment-ref ルールを接続し、実験を開始する。ユーザーが “launch this experiment”、“create the experiment”、“wire up the A/B test”、“kick off the test”、“set up X as an experiment in GrowthBook”、“start the experiment for flag Y”、“I already have a flag and want to run an experiment on it” と言った時に使用。実験ファースト（フラグを作成）とフラグファースト（再利用パスで既存フラグを検出し、実験を接続）の両方に対応。先に仕様を設計する場合は experiment-design を使用。実行中の実験を停止する場合は experiment-stop を使用。結果の解釈には experiment-analyze を使用。
実行中の GrowthBook 実験を REST API 経由で停止し、必要に応じて勝ちのバリエーションを宣言して対象トラフィックの 100% に展開する。ユーザーが “stop this experiment”、“end the A/B test”、“declare a winner for X”、“ship the winning variation”、“roll back the test”、“we're done with this experiment” と言った時に使用。判断の前に結果を解釈する場合は、先に experiment-analyze を使用。
最新のドキュメントを用いて Feedsmith v3+ TypeScript/JavaScript のフィード解析と生成を構築、レビュー、デバッグ、設定、移行、計画する。feedsmith、parseFeed、parseRssFeed、parseAtomFeed、parseRdfFeed、parseJsonFeed、parseOpml、generateRssFeed、generateAtomFeed、generateJsonFeed、generateOpml、detectRssFeed、RssFeed、AtomFeed、JsonFeed、名前空間（itunes、podcast、media、dc）、parseDateFn、maxItems、extraOutlineAttributes、strict モード、DetectError、MalformedError、ParseError、GenerateError、OPML、および v2→v3 移行に使用。
公開 API を通じて Karma Funding Map で資金提供プログラム（grant、hackathon、bounty、accelerator、VC fund、RFP）を検索する。ユーザーが「find grants」「search hackathons」「look for bounties」「explore funding」「programs on Optimism」「what can I apply to」「funding opportunities」と言う場合、または予算を上回る/下回るプログラムについて尋ねる場合に使用する。
GrowthBook のフィーチャーフラグのドラフトリビジョンを公開し、マージ競合を解決し、以前のリビジョンに戻す、またはドラフトを破棄する。ユーザーが “publish this draft”、“push this live”、“go live with revision X”、“there's a merge conflict on my flag”、“rebase my draft”、“fix the merge conflict on flag X”、“revert flag X to a previous version”、“roll back this flag change”、“discard this draft”、“abandon these changes” と言った時に使用。公開前に承認レビューを依頼または提出する場合は flag-review を使用。ドラフトの一覧表示と検査には flag-revisions を使用。
GrowthBook のフィーチャーフラグルール向けに多段階のランプスケジュールを作成・管理する——各ステップ間に定義された間隔を置きながら、時間の経過とともにトラフィックの露出を段階的に増やす。ユーザーが「これを段階的にロールアウトして」「1 週間でトラフィックを 5% から 100% に増やして」「ランプスケジュールを設定して」「次のランプステップに進めて」「ロールアウトを一時停止して」「ランプをロールバックして」「このロールアウトに締め切り日を設定して」と言ったときに使用する。ガードレール指標の監視と自動シグナルも必要なロールアウトには flag-monitoring を使用する——これはモニタリング設定を加えてこのスキルを基に構築されている。単純なオン/オフの時間枠には flag-schedule を使用する。
GrowthBook のフィーチャーフラグのドラフトリビジョンを一覧表示、検査、管理する。ユーザーが “what drafts are open for flag X”、“show me pending approvals”、“who owns this draft”、“discard this draft”、“start a new draft”、“what revision is my flag on”、“list all my pending changes”、“what's waiting for review” と尋ねた時、またはフラグへの進行中の変更の状態に関するあらゆる質問に使用。フラグへのすべての書き込み操作 — ルール、メタデータ、デフォルト値、トグル — はドラフトリビジョンを通じて行われる。変更を加える前に、何が進行中かを確認するためにこのスキルを使用。承認レビューの依頼または提出には flag-review を使用。ドラフトの公開やマージ競合の解決には flag-publish を使用。フラグの変更には該当する flag-* 書き込みスキルを使用。
GrowthBook のフィーチャーフラグのルールを扱うための入口。ユーザーが “what rules does flag X have”、“show me the rules on this flag”、“add a rule”、“delete a rule”、“reorder the rules” と尋ねた時、またはルール種別を指定せずにフラグ操作を説明した時に使用。特定のルール種別を作成・編集するための専門スキルへルーティングする。ルールの一覧表示、並べ替え、削除も直接処理する。特定のルール種別については、force/rollout ルールは flag-targeting、experiment-ref ルールは flag-experiment、時間指定の有効化は flag-schedule、段階的ロールアウトは flag-ramp、監視付きロールアウトは flag-monitoring、機能レベルの前提条件ゲートは flag-prerequisites 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。