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 96,981 件掲載。コマンド 1 行でインストールできます。
すべて
Eval Quality Flywheel 手法を用いて、Google Cloud 上の AI モデルとエージェントの品質を測定・改善します。合成ユーザーシナリオの生成、エージェントやモデルの評価、評価データセットの構築、評価指標の選定や作成、失敗の分析、修正前後の結果比較、または Agent Platform の評価手法（データセットスキーマ、LLM-as-judge によるスコアリング、よくある失敗原因など）のガイダンスが必要な場合に使用します。ファインチューニングには agent-platform-tuning を使用してください。一般的な本番デプロイには agent-platform-deploy を使用してください。
`firecrawl developer` を使って、ライブラリ、フレームワーク、SDK、API、CLI ツールの最新ドキュメント、リリースノート、API リファレンス、公開リポジトリの課題を検索します。ユーザーがバージョンに言及した場合、アップグレード中の場合、ライブラリやツールのエラーを貼り付けた場合、または特定のライブラリや API の使用、設定、移行方法を尋ねた場合は、回答前に使用します。モデルの知識には学習の期限があり、新リリース、API の名称変更、デフォルトの変更、最近の修正が反映されないことがあります。そのため、バージョン、オプション、エラー、API が不明、または変更された可能性がある場合は、推測せずに調べます。バグが修正済みか、どのリリースで修正されたかも確認します。一般的なプログラミング概念、特定のライブラリを使用しないコード、ユーザー提供コードのリファクタリングには使用しません。
Spring Boot 3.x の設定生成、REST コントローラの作成、Spring Security 6 の認証フローの実装、Spring Data JPA リポジトリの設定、リアクティブな WebFlux エンドポイントの設定を行います。Spring Boot 3.x のアプリケーション、マイクロサービス、リアクティブな Java アプリケーションの構築時に使用し、Spring Data JPA、Spring Security 6、WebFlux、Spring Cloud 連携、Java REST API 設計、マイクロサービスの Java アーキテクチャを扱うときに呼び出します。
ゲームのパフォーマンス問題を体系的に洗い出して修正します。まずエンジンのプロファイラーで測定し、フレーム時間の予算を考え、CPU か GPU のどちらがボトルネックかを特定したうえで、object pooling、draw call のバッチ化、割り当てや GC スパイクの削減、アセット予算など適切な対策を実施します。各エンジンのプロファイラーと組み合わせて使える、エンジン非依存の方法論です。ユーザーからのメッセージに performance、optimize、FPS が低い／落ちる、フレーム落ち、カクつき、遅延、プロファイラー、フレーム予算、draw call、batching、garbage collection／GC スパイク、object pooling、「ゲームが遅い」などが含まれるときに使用します。
CrewAI のアーキテクチャ設計とプロジェクトのスキャフォールディングを扱います。新しい crewAI プロジェクトの開始、LLM.call()・Agent.kickoff()・Crew.kickoff()・Flow の選択、「crewai create flow」によるスキャフォールディング、YAML 設定（agents.yaml、tasks.yaml）、@CrewBase crew.py の接続、@start/@listen を使った Flow main.py の作成、handle_turn()/chat() を使った実験的な対話型 Flow の構築、{variable} 補間に使用します。
Windows アプリ開発コマンドライン（winapp）。Windows アプリのビルド、パッケージング、署名、デバッグ、UI 自動化を行います。Windows アプリプロジェクトの初期化、MSIX パッケージの作成、AppxManifest.xml や開発証明書の管理、パッケージとしてアプリを実行してのデバッグ、Microsoft UI Automation による Windows UI の自動化、Microsoft Store への公開、Windows SDK のビルドツールの利用などに対応します。init、pack、run、unregister、manifest、cert、sign、store、ui、tool などのコマンドをカバーします。.NET（csproj）、C++、Electron、Rust、Tauri、Flutter などの Windows フレームワークに対応しています。
CodeQL のプロシージャ間データフローおよび taint 追跡分析を使用して、コードベースのセキュリティ脆弱性をスキャンします。「run codeql」「codeql scan」「build codeql database」「SAST scan」「taint analysis」「dataflow analysis」「find vulnerabilities in this repo」で起動します。Python、JavaScript/TypeScript、Go、Java/Kotlin、C/C++、C#、Ruby、Swift に対応します。「run all」（security-and-quality + security-experimental）と「important only」（高精度）のスキャンモードをサポートし、プロジェクト固有のソースとシンク向けにデータ拡張モデルを作成します。単一ファイルのパターンを素早く照合する場合、またはコンパイル言語でビルドできない場合は semgrep スキルを使用してください。既存の SARIF を生成せずに解析する場合は sarif-parsing スキルを使用してください。
Prometheus / Grafana Mimir / Grafana Cloud Metrics の PromQL を書き、検証し、最適化する。`rate` と `irate` と `increase` の違い、ラベルマッチャーと正規表現、`sum / avg / topk / by / without` による集約、クラシックおよびネイティブの `histogram_quantile`、ゼロ除ガード付きの比率計算、陳腐化 检测の `absent` / `changes`、時間オフセットと `predict_linear`、レコーディングルールの命名、SLO とバーンレート計算、カーディナリティ特定の手順を扱う。メトリクスクエリを書く、p95 が間違っている直す、エラーバジェットのアラートを作る、「query is slow」のデバッグ、増大したカーディナリティの原因ラベルを特定する、ダッシュボードのクエリをレコーディングルールへ移行する、といったときに使う。ユーザーが「calculate the error rate」「p99 latency」「sum by service」「why is this query slow」「what's filling Mimir」のように Prometheus や PromQL の名を明示しなくても適用する。
Google Cloud Agent Platform の GenAI モデル（ファーストパーティの Gemini モデルおよびサードパーティの OpenMaaS モデル（Llama、DeepSeek、Qwen など））に接続して推論を実行します。推論の実行、モデルへの質問、テスト用プロンプトの実行、チャット補完の実行、Gemini または OpenMaaS モデル呼び出しコードの生成、GenAI SDK／OpenAI SDK／従来の Agent Platform SDK での認証、ベース URL とグローバル／リージョナルエンドポイントの設定、または 429 Resource Exhausted (DSQ)、400 User Validation、404 Not Found エラーのトラブルシューティングを求められた場合に使用します。エンドポイントへのモデルのデプロイやモデル評価の実行には使用しないでください。
気持ちのよいゲームカメラを構築する。デッドゾーン、リードアヘッド、スムージング、レベルバウンのクランプを備えた 2D 追従、衝突判定とファーストパーソン視点を備えた 3D サードパーソンオービット、複数ターゲットのフレーミングとシェイク用フック。エンジンのカメラノードや Unity Cinemachine、Godot Camera2D/PhantomCamera などのリグと組み合わせられる、エンジン非依存のテクニック。カメラ追従、追従カメラ、デッドゾーン、リードアヘッド、カメラスムージング、カメラバウンド/リミット、サードパーソンカメラ、オービットカメラ、ファーストパーソン視点、Cinemachine、またはカメラジッターについてユーザーから言及があった場合に使用。
Apple Human Interface Guidelines に準拠したネイティブ iOS インターフェースを設計します。ユーザーが「iPhone app」「iPad layout」「SwiftUI」「UIKit」「Dynamic Island」「safe areas」「HIG compliance」「SF Symbols」「haptic feedback」「iOS accessibility」「make my app feel native」「follow Apple design guidelines」に言及した場合に使用してください。iOS のタブバー、ナビゲーションスタック、シート、モーダルの構築、ダークモードの実装、画面サイズに応じたレイアウト調整時にもトリガーしてください。ナビゲーションパターン、アクセシビリティ、SF Symbols、プラットフォームの慣習を扱います。一般的な UI の仕上げについては refactoring-ui、アフォーダンス設計については design-everyday-things を参照してください。
wecom-cli のビジネススキルに共通する事前チェック、ボットの取得と実ユーザー（真人）の権限認可、共通の出力制約。すべての wecomcli-* スキルが wecom-cli コマンドを実行する前に必ずこのスキルも読み、CLI がインストールされているか、バージョン が 1.2.1 以上か、企業微信の認証情報が許可されているかを確認する。不足・バージョンが低い・未認可の場合にのみインストールや初期化を行う。このスキルは全スキル共通の「ID 系のフィールドを出力しない」制約も定める。個別の業務リクエストは扱わない。
n8n-mcp MCP ツールを効果的に使うためのエキスパートガイド。ノードの検索、設定の検証、テンプレートへのアクセス、ワークフローの管理、フォルダーへの整理、認証情報の管理、インスタンスのセキュリティ監査、または n8n-mcp ツールの使用時に利用します。ツール選択の指針、パラメーター形式、一般的なパターンを提供します。重要——n8n-mcp ツールを呼び出す前に、必ずこのスキルを参照してください。nodeType 形式の誤り、パラメーター構造の間違い、非効率なツール使用などのよくあるミスを防げます。ユーザーが n8n、ワークフロー、ノード、自動化に言及し、利用可能な n8n MCP ツールがある場合は、まずこのスキルを使用してください。
gh-axi CLI を通じて GitHub を操作する——issue、pull request、discussion、スタックされた PR、workflow 実行、workflow、release、repository、label、gist、Projects (v2)、Actions の secrets と variables、検索、生 API アクセス。タスクが GitHub に関 Whenever あるときfangを使う。issue の一覧化・起票、PR のレビュー・マージ、スタックされたブランチと PR の管理、CI 実行の確認、workflow のトリガー、release の作成、Projects ボードの管理、Actions secrets/variables の管理、`gist list`、`gist view`、`gist edit`、`gist rename`、`gist create`、`gist delete`、`gist clone` による gist の操作。
企業微信ドキュメントの共通管理：ドキュメントの検索（最近閲覧／作成）、ドキュメント名の変更、ドキュメントメンバーの権限追加、ドキュメントの参加ルールの設定。すべてのドキュメントタイプ（doc ドキュメント／オンライン表計算／スマート表計算／スマートドキュメント）に対応します。doc ドキュメントの作成やインポートには wecomcli-doc、オンライン表計算の作成やインポートには wecomcli-sheet、スマート表計算の内容 CRUD には wecomcli-smartsheet、スマートドキュメントの生成には wecomcli-smartpage を使用してください。「どのドキュメントを見たか／閲覧履歴」といった要件は本スキルを使い、wecom_get_user_memory は使わないでください。
あらゆる json-render アプリに追加できるインスペクターパネルです。生成 UI のデバッグ、仕様ツリーの確認、実行時の状態編集、ディスパッチされたアクションの表示、ストリームパッチのリアルタイム追跡、カタログの閲覧、DOM 要素の選択による仕様キーの特定をユーザーが希望する場合に使用します。「devtools を追加」「json-render をデバッグ」「仕様を確認」「この要素がレンダリングされない理由」「実行時の状態を表示」などの依頼や、`@json-render/devtools` 用のストリーム監視／アクションログ取得の依頼で起動します。
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。