Agent
リアルタイム音声・映像AIエージェントの構築、25以上のAIプロバイダーとの統合、HTTPサーバーを使用した本番環境へのデプロイ、または会話型アプリケーションへのコンピュータビジョンおよびRAG機能の追加が必要な場合に利用できます。
description の原文を見る
Use when building real-time voice and video AI agents, integrating with 25+ AI providers, deploying to production with HTTP servers, or adding computer vision and RAG capabilities to conversational applications.
SKILL.md 本文
Vision Agents スキル
製品概要
Vision Agents は、リアルタイム音声・ビデオ AI アプリケーションを構築するためのオープンソース Python フレームワークです。LLM、音声サービス（STT/TTS）、ビデオプロセッサー、および MCP 経由の外部ツールを統合する統一的な Agent クラスを提供します。このフレームワークは、低遅延の転送のために Stream のグローバルエッジネットワークに対応していますが、エッジに依存しません。uv add vision-agents でインストールし、必要に応じてプロバイダープラグインを追加してください（例：uv add "vision-agents[gemini,deepgram,elevenlabs]"）。主要なファイル：main.py（エージェント定義）、.env（API キー）、pyproject.toml（依存関係）。CLI コマンド：uv run agent.py run（コンソールモード）、uv run agent.py serve（HTTP サーバー）。完全なドキュメントは https://visionagents.ai を参照してください。
使用時期
以下の場合に Vision Agents を使用してください：
- 音声アシスタント、カス
...
詳細情報
- 作者
- emSoumik
- リポジトリ
- emSoumik/SuperPong
- ライセンス
- unknown
- 最終更新
- 2026/3/2
Source: https://github.com/emSoumik/SuperPong / ライセンス: unknown
関連スキル
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。