Agent Skills by ALSEL
汎用LLM・AI開発⭐ リポ 19品質スコア 73/100

Agent Memory

過去のミスを記憶し、フィードバックを取得することで、エージェントが同じエラーを繰り返さないようにできます。MCPサーバー経由でローカルで動作するため、APIキーは不要です。

description の原文を見る

Recall past mistakes and capture feedback so your agent stops repeating errors. Works locally via MCP server — no API key needed.

SKILL.md 本文

エージェント メモリ

セッション間でエージェントに永続的なメモリを付与します。タスク開始前に前回の失敗を思い出します。作業完了後に、成功したか失敗したかを記録します。繰り返された失敗から防止ルールが自動生成されます。

セットアップ

MCP サーバーを追加します(一度だけ):

claude mcp add thumbgate -- npx -y thumbgate serve

API キーは不要です。すべてのデータはローカルに保存されます。

使用場面

  • 新しいタスクまたはセッションを開始する場合 — 過去のコンテキストを思い出してください
  • 成功または失敗した作業を完了した後 — フィードバックを記録してください
  • エージェントが同じ間違いを繰り返す場合 — 防止ルールを確認してください

ワークフロー

ステップ 1: 過去のコンテキストを思い出す(すべてのタスクで最初に実行してください)

recall MCP ツールを現在のタスクの説明で呼び出します。このツールは以下を返します:

  • このタスクに関連する過去のフィードバック(ベクトル類似度検索)
  • アクティブな防止ルール(繰り返された失敗から自動生成)
  • 承認率を含む最近のフィードバック概要

防止ルールを注意深く読んでください。これらは以前失敗したパターンです — それらに従ってください。

ステップ 2: 作業を実行する

通常通りタスクを完了します。何をしたかと、それが機能したかを追跡してください。

ステップ 3: フィードバックを記録する

capture_feedback MCP ツールを呼び出します:

成功した場合:

  • signal: up
  • context: 何が機能したか、およびその理由
  • tags: カテゴリラベル

失敗した場合:

  • signal: down
  • context: 何をしようとしていたか
  • whatWentWrong: 具体的な失敗の説明
  • whatToChange: 次回これを避ける方法
  • tags: カテゴリラベル

「失敗した」というような曖昧なフィードバックは拒否されます。具体的に記述してください。

ステップ 4: 改善を確認する(オプション)

feedback_stats MCP ツールを呼び出して、承認率、失敗が多いドメイン、エージェントが改善しているか悪化しているかを確認します。

利用可能な MCP ツール

ツール機能
recall現在のタスクの過去のフィードバックと防止ルールを検索
capture_feedback構造化されたコンテキストで機能したか失敗したかを記録
prevention_rules繰り返された失敗から自動生成されたルールを表示
feedback_stats承認率、トレンド分析、失敗が多いドメイン
feedback_summary最近のシグナルの人間が読みやすい概要

MCP プロファイル

プロファイルツールユースケース
essential5 つのコアツールデフォルト — ここから開始
commerce6 つのツール + commerce_recallエージェント型コマース
default12 ツールDPO エクスポートを含む完全なパイプライン

プロファイルを設定:THUMBGATE_MCP_PROFILE=essential npx thumbgate serve

防止ルールの仕組み

  1. エージェントが間違い A を行う → down フィードバックを記録します
  2. エージェントが再び間違い A を行う → 再び down フィードバックを記録します
  3. システムがパターンを検出 → 防止ルールを自動生成:「決して A をしない」
  4. 次のセッション → recall がルールを返す → エージェントがそれに従う

これが中核的な価値です。エージェントは学習しませんが、ルールを読んでそれに従います。

リンク

ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ

詳細情報

作者
IgorGanapolsky
リポジトリ
IgorGanapolsky/ThumbGate
ライセンス
MIT
最終更新
2026/5/11

Source: https://github.com/IgorGanapolsky/ThumbGate / ライセンス: MIT

関連スキル

OpenAILLM・AI開発⭐ リポ 6,054

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。

by JimmyLv
汎用LLM・AI開発⭐ リポ 1,982

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。

by LeoYeAI
汎用LLM・AI開発⭐ リポ 1,982

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。

by LeoYeAI
汎用LLM・AI開発⭐ リポ 21,584

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。

by Skyvern-AI
汎用LLM・AI開発⭐ リポ 1,149

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。

by pinchbench
汎用LLM・AI開発⭐ リポ 4,693

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。

by thesysdev
本サイトは GitHub 上で公開されているオープンソースの SKILL.md ファイルをクロール・インデックス化したものです。 各スキルの著作権は原作者に帰属します。掲載に問題がある場合は info@alsel.co.jp または /takedown フォームよりご連絡ください。
原作者: IgorGanapolsky · IgorGanapolsky/ThumbGate · ライセンス: MIT