gMCPLite
gMCPLite Rパッケージ（レガシー）を使用して、ユーザーをグラフィカルMCP手順でガイドします。以下についてユーザーから質問がある場合にこのスキルを使用します：多重性グラフ可視化用のhGraph、閉検定用のgMCP、またはレガシーグラフィカルMCPワークフロー。新規プロジェクトの場合はgraphicalMCPを推奨します。
description の原文を見る
Guide users through graphical MCP procedures using the gMCPLite R package (legacy). Use this skill when the user asks about: hGraph for multiplicity graph visualization, gMCP for closed testing, or legacy graphical MCP workflows. For new projects, prefer graphicalMCP.
SKILL.md 本文
gMCPLiteを使用したグラフィカルMCP(レガシー)
新規プロジェクトの場合は、より簡潔なAPIを備えたgraphicalMCPパッケージを推奨します。
APIリファレンス
- 完全な関数ドキュメント:
references/llms.txt(ローカルmanページから生成) - ワークフローパターン:
references/code_patterns.md
主要関数
グラフの作成
matrix2graph()- 遷移行列からgraphMCPオブジェクトを作成graphMCPクラス - コアとなるグラフ表現(仮説、ウェイト、遷移)joinGraphs()- 複数のグラフを結合subgraph()- サブグラフを抽出
検定
gMCP()- グラフィカルMCP検定手順gMCP.extended()- パラメトリック検定を伴う拡張検定graphTest()- グラフ上で仮説を検定
可視化
hGraph()- 多重性グラフの可視化を作成(ggplot2ベース)placeNodes()- グラフレイアウト用のノード位置を計算
検定関数
bonferroni.test()- ボンフェローニ検定- `bonf
...
詳細情報
- 作者
- keaven
- ライセンス
- unknown
- 最終更新
- 2026/4/6
Source: https://github.com/keaven/gsDesignSkills / 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。