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 101,323 件掲載。コマンド 1 行でインストールできます。
すべて
スライド設計規約 slide-rules.md を中核に、経営会議品質のスライドを作成するスキルです。工程ごとに必要な節だけを scripts/rules.py で取得し、規約への適合を確認した部品（new_deck.py --list の20種類）で組み立て、check_deck.py・check_layout.mjs の機械チェックで FAIL 0 に仕上げます。既存の PowerPoint 資料を渡され、そこに挿入するページを PPTX で求められた場合に限り、その資料のマスター上に直接組み立てます（slide-rules §8.7）。トリガー例：「コンサル品質のスライドを作って」「規約に沿ったデッキで」「この pptx に同じ書式でページを追加して」。
Event Storming ワークショップ進行ガイド — 協働的なドメイン探索手法で、6 ステップのプロセス（混沌の探索/タイムライン/重要なイベント/コマンドとアクター/集約の発見/境界づけられたコンテキスト）、標準化された付箋の色の規約（オレンジ/青/黄/緑/ピンク/紫）、ワークショップの準備と進行のコツ、デジタルツールの推奨を含む。ユーザーが event storming、イベントストーミング、ワークショップ、ドメイン探索、協働モデリングについて尋ねた場合、または DDD のディスカバリーワークショップを企画する必要がある場合に使用する。
設計ドキュメント（仕様、計画、設計書、RFC、ADR）の承認前に、承認前レビューで抜けを洗い出したい場合に使用します。繰り返し発生する懸念事項（ブートストラップと所有権、命名の正確さ、規模、隠れた前提、リリース済みコードとの整合性、冪等性／失敗時の挙動、セキュリティ、必要性、完全性）を調べ、計画には計画の観点（タスクの粒度、依存関係 DAG、仕様に対する網羅性、終了条件のテスト可能性）を適用します。コードベースに照らして主張を検証し（ファイル:行、捏造なし）、指摘事項と「承認可能／ブロッカーあり」の判定を返します。レビュー専用で、編集も承認もしません。判断は人が行い、修正は作成者が行います。一般的な設計書、RFC、単独の ADR、仕様、計画を対象とします。doc-library の technical-design、architecture-doc と関連 ADR、data-model、api-spec の成果物は対象外で、それぞれ専用の reviewing-* 対応スキルを使用します。キーワード：設計レビュー、仕様／計画／RFC／ADR のレビュー、ギャップ分析。
ユーザーが読み取り専用の doca_caps CLI を使い、このホスト上で DOCA が認識している内容を確認したい場合に使用します。DOCA デバイスと PCIe アドレスの一覧表示、representor デバイスの一覧表示、現在の OS で利用可能な DOCA ライブラリの確認、デバイスごと・ライブラリごとの機能確認、特定 PCIe アドレスへの出力限定、デバッグやインストールのスモークテスト用の副作用のない機能スナップショット取得が対象です。ユーザーが「doca_caps」や「機能表示ツール」と明示しなくても起動します。「このマシンで DOCA は実際に何を認識している？」「DOCA から BlueField PF が見える？」「RHEL ホストで Flow を使える？」「pf0 の VF representor を列挙して」「doca_caps: command not found」「RDMA の出力が空だがツールが壊れている？」などが典型例です。DOCA のインストール（doca-setup の対象であり、手順を案内しない）、ライブラリ内部の機能マトリクス（Flow pipe 作成、RDMA verbs 機能）、ストリーミングテレメトリー / DTS、付属バイナリの変更は対象外として、適切なスキルに案内します
ソースツリーなしで信頼できる NVIDIA DOCA 情報を探す場合に使用します。ライブラリ／サービス／ツールの docs.nvidia.com ページ、インストール済み DOCA ライブラリとそのバージョン、ディスクまたは GitHub 上のサンプル、/opt/mellanox/doca 配下のパス、404 になった、または名前が変更されたドキュメント URL が対象です。暗黙の表現で起動するのは、会話ですでに DOCA、BlueField、ConnectX、または /opt/mellanox が挙げられている場合に限ります。その文脈がない一般的な「インストールされているバージョンは」「サンプルはどこ」といった質問では起動しません。実践的なプログラミング、環境準備、API チュートリアル、ハードウェア／ファームウェアの変更は断り、doca-programming-guide、doca-setup、各ライブラリのスキル、doca-hardware-safety に案内します。
MCP ツールの出発点となる分類体系（ユーザーがそのツールにたどり着く前に何を成し遂げようとしていたか）を構築し、PostHog notebook として公開します。各セッションの冒頭のツール呼び出しから目標を再構築し、それらの目標を名前付きカテゴリにクラスタリングして、規模、割合、ファセットの構成を示します。ユーザーが「なぜ人はこのツールを使うのか」、「ユーザーは実際に何をしようとしているのか」、「どんな問題が人をここに導くのか」、「これらのセッションはどこから始まるのか」、「<tool> の利用を目標別にセグメント化する」と尋ねたとき、または Clio スタイルの MCP 利用分類体系を求めたときに使用します。セッションがなぜ始まったかではなく、呼び出しごとにエージェントが何をしたかをグループ化する exploring-mcp-intent-clusters を補完します。このスキルを実行するエージェントは目標ラベルを自ら書き、コーパスクエリの出力をセッションごとに読みます。同梱のスクリプトは機械的なファセットを網羅しますが、目標の高度を明らかに損なうため、そのフィールドをスクリプトに委ねないでください。
Google Cloud Platform から AWS へワークロードを移行します。クラウドプロバイダーを問わず、AI およびエージェント型ワークロードも対象です。トリガー：GCP からの移行、GCP から AWS への移行、Google Cloud からの移行、Terraform の AWS への移行、Cloud SQL の RDS への移行、GKE の EKS への移行、Cloud Run の Fargate への移行、App Engine の Elastic Beanstalk への移行、Google Cloud の移行、OpenAI から Bedrock への移行、OpenAI からの移行、ChatGPT API から AWS への切り替え、Gemini から Bedrock への移行、LangChain の Bedrock への移行、LangGraph の AWS への移行、エージェント型ワークロードの AWS への移行、AI ワークロードの AWS への移行、AI アプリの AWS への移行。6 段階のプロセスを実行します。Terraform ファイル、アプリコード、または請求データのエクスポートから GCP リソースを検出し、移行要件の確認、AWS アーキテクチャの設計、コスト見積もり、移行成果物の生成、任意のフィードバック収集を行います。設計、見積もり、生成の前に要件の確認を完了する必要があります。AI プロバイダーの移行ガイダンス（例：OpenAI から Amazon Bedrock）も含み、必要なモダリティ、レイテンシー／品質目標、コンテキストウィンドウ、コスト制約に最も適した Bedrock モデルファミリーを選択します。モデルのマッピングは互換性を基準とし、1 対 1 の同等性を保証するものではありません。切り替え前にプロンプト、ツール呼び出しの動作、評価指標を検証してください。対象外：Azure から AWS への移行（azure-to-aws を参照）、オンプレミスから AWS への移行、AWS から GCP への逆移行、移行の意図がない一般的な AWS アーキテクチャの助言、GCP から GCP へのリファクタリング、GCP からの移行を伴わないマルチクラウド展開。
ScrapeGraph AI を通じて、AI を活用したウェブスクレイピング、データ抽出、検索、クロールを行う CLI ツールです。ウェブサイトのスクレイピング、URL からの構造化データ抽出、ページの markdown への変換、複数ページのクロール、ウェブ検索、ブラウザー操作の自動化（ログイン、クリック、フォーム入力）、生の HTML の取得、サイトマップの検出、JSON スキーマの生成に使用します。対象タスク：（1）ウェブサイトからのデータ抽出、（2）ウェブスクレイピングまたはクロール、（3）ウェブページの markdown への変換、（4）抽出機能付きの AI ウェブ検索、（5）ブラウザー自動化、（6）スクレイピング用の出力スキーマ生成。CLI は just-scrape（npm パッケージ just-scrape）です。
ユーザーが提示した現象について、「異常を見る—プロセスを追う—説明を分解する—条件付きで転移する」の枠組みでメカニズム仮説を生成し、オンラインで現象を照合して主要な因果関係と競合する説明を検証し、証拠が最も支持するメカニズムとその境界を提示する。USE WHEN ユーザーが ljg-mechanism を呼び出す、「メカニズムを探す」「メカニズム研究」「4 ステップの枠組みで一通りやってみる」「この説明をオンラインで検証する」と言う、または現象がどのように起こるかを研究したい場合。NOT FOR 純粋な概念定義、通常の要約、唯一解が存在する操作問題、地図を描くだけの場合。
curl を使って robots.txt、llms.txt、llms-full.txt を直接調査し、あらゆるドメインの AI 対応状況を監査します。その後、構造化されたチェックリストに基づいて各ファイルを評価し、合格・警告・不合格の判定と実行可能な修正案をまとめたレポートを作成します。ユーザーがドメインまたは URL を提示し、llms.txt または llms-full.txt が利用可能か、発見可能か、適切な構造かを知りたい場合に使用します。「llms.txt を確認して」「このサイトに llms.txt はある？」「llms.txt を探して」「この URL の llms を確認して」「llms.txt を監査して」「llms-full.txt は利用可能？」などの依頼が対象です。ドメインやドキュメント URL を共有して AI 対応状況の確認を求める場合や、ドキュメントサイトの GEO/AEO 対応状況を検証したい場合にも使用します。
プロジェクトに marko-ui の components.json がある場合、または marko-ui コンポーネント（Zag.js を基盤とする Marko 6 向けの shadcn スタイルのコンポーネント）のインストール、使用、編集、デバッグを行う場合に使用 —— コンポーネントの検索、API の確認、marko-ui CLI での追加、レンダリングはされるが挙動がおかしいコンポーネントの修正、新規プロジェクトでの marko-ui のセットアップ。一般的な Marko 6 の構文（marko6 を参照）やルーティング（marko-run を参照）には向かない。
One CLI（`one`）を使い、API 経由で Gmail、Slack、Stripe、Notion などのサードパーティプラットフォームと連携します。認証、リクエストの構築、実行は One が処理します。次の場合に起動します：- サードパーティプラットフォームまたは外部サービスとの連携（例：「メールを送る」「Shopify の注文を作成する」「HubSpot の連絡先を探す」「Slack に投稿する」）- 接続済みプラットフォームの一覧表示や利用可能なプラットフォームの確認 - タスクに必要な操作の検索（例：「Slack メッセージの送り方」「Gmail でできること」）- 接続済みプラットフォームでの API 呼び出し - プラットフォーム間の webhook 駆動型自動化の設定（例：「Stripe の支払いがあったら Slack に通知する」）- プラットフォーム間の操作を連結した複数ステップのワークフロー構築（例：「Stripe の顧客を取得して一人ずつメールする」）- 「One」という名前が出ていなくても、サードパーティ API、連携、接続済みアプリに関わるすべての操作。次の場合は起動しません：- One のセットアップまたは MCP のインストール（`one init` を使用）- 新しい接続の追加（`one add <platform>` を使用）- アクセス制御の設定（`one config` を使用）
作成中またはコードレビュー時にコード変更のテレメトリをレビューする。ビジネスコンテキスト属性とカーディナリティの配置、テレメトリの重複、RED/USE/キュー/ファンアウトのカバレッジ、既存のアラートと SLO でガードされたコードに対するアラート駆動の精査を確認する。発見事項を O11y Change Context マニフェストに書き込み、修正を oodle-monitors、oodle-drop-rules、oodle-log-metrics に引き渡す。計装の変更をレビューまたは作成するときに使用する。
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。