orchestrate
3つ以上のエージェントを並列・波状に展開するマルチエージェント処理が必要なときに起動するスキル。リサーチスウォーム、並列フィーチャービルド、ビルド→レビュー→修正パイプラインなど、大規模なエージェント協調タスクをオーケストレーションします。「swarm」「fan-out」「parallel agents」「orchestrate」などのキーワードでアクティブになります。
description の原文を見る
Use this skill when orchestrating multi-agent work at scale - research swarms, parallel feature builds, wave-based dispatch, build-review-fix pipelines, or any task requiring 3+ agents. Activates on mentions of swarm, parallel agents, multi-agent, orchestrate, fan-out, wave dispatch, research army, unleash, dispatch agents, or parallel work.
SKILL.md 本文
マルチエージェント・オーケストレーション
597以上の本番環境コードベースでの実際のエージェント派遣から抽出されたメタ・オーケストレーション・パターン。このスキルはオーケストレーション戦略を作業形態にマッピングし、プロンプト構造をエージェントタイプにマッピングし、バックグラウンド/フォアグラウンドを依存関係グラフにマッピングします。
コア原則: 戦略を作業に合わせ、エージェントを独立性で分割し、並列性が実現できるだけのコンテキストを注入し、信頼が得られるにつれてレビューのオーバーヘッドを適応させます。以下の戦略は参照パターンです。適切なものを選択し、作業が混在している場合は2つをブレンドし、パターンが当てはまらない場合は独自に発明してください。
戦略選択
digraph strategy_selection {
rankdir=TB;
"What type of work?" [shape=diamond];
"Research / knowledge gathering" [shape=box];
"Independent feature builds" [shape=box];
"Sequential dependent tasks" [shape=box];
"Same transformation across partitions" [shape=box];
"Codebase audit / assessment" [shape=box];
"Greenfield project kickoff" [shape=box];
"Research Swarm" [shape=box style=filled fillcolor=lightyellow];
"Epic Parallel Build" [shape=box style=filled fillcolor=lightyellow];
"Sequential Pipeline" [shape=box style=filled fillcolor=lightyellow];
"Parallel Sweep" [shape=box style=filled fillcolor=lightyellow];
"Multi-Dimensional Audit" [shape=box style=filled fillcolor=lightyellow];
"Full Lifecycle" [shape=box style=filled fillcolor=lightyellow];
"What type of work?" -> "Research / knowledge gathering";
"What type of work?" -> "Independent feature builds";
"What type of work?" -> "Sequential dependent tasks";
"What type of work?" -> "Same transformation across partitions";
"What type of work?" -> "Codebase audit / assessment";
"What type of work?" -> "Greenfield project kickoff";
"Research / knowledge gathering" -> "Research Swarm";
"Independent feature builds" -> "Epic Parallel Build";
"Sequential dependent tasks" -> "Sequential Pipeline";
"Same transformation across partitions" -> "Parallel Sweep";
"Codebase audit / assessment" -> "Multi-Dimensional Audit";
"Greenfield project kickoff" -> "Full Lifecycle";
}
| 戦略 | 使用する場面 | エージェント数 | バックグラウンド | キーパターン |
|---|---|---|---|---|
| Research Swarm | 知識収集、ドキュメント、SOTA調査 | 10-60+ | あり (100%) | ファンアウト、各自がドキュメント作成 |
| Epic Parallel Build | 独立したエピック/機能による計画 | 20-60+ | あり (90%+) | サブシステム別ウェーブ派遣 |
| Sequential Pipeline | 依存タスク、共有ファイル | 3-15 | なし (0%) | 実装 → レビュー → 修正チェーン |
| Parallel Sweep | モジュール全体への同じ修正/変換 | 4-10 | なし (0%) | ディレクトリ別パーティション、ファンアウト |
| Multi-Dimensional Audit | 品質ゲート、深い評価 | 6-9 | なし (0%) | 同じコード、異なるレビューレンズ |
| Full Lifecycle | ゼロからの新規プロジェクト | すべて | 混合 | 調査 → 計画 → 構築 → レビュー → 強化 |
戦略1: Research Swarm
バックグラウンドエージェントを大量展開して知識コーパスを構築します。各エージェントは1つのトピックについて調査し、1つのMarkdownドキュメントを作成します。エージェント間に依存関係はありません。
使用する場面
- 新規プロジェクトのキックオフ (すべてのテクノロジーのSOTAが必要)
- スキル/プラグインの構築 (包括的な領域知識が必要)
- テクノロジー評価 (複数のオプションを並列比較)
パターン
フェーズ1: 調査部隊の展開 (すべてバックグラウンド)
ウェーブ1 (10-20エージェント): コアテクノロジー調査
ウェーブ2 (10-20エージェント): 専門トピック、統合
ウェーブ3 (5-10エージェント): 初期結果に基づくギャップ補充
フェーズ2: モニタリングと補完
- 完成したドキュメントが到着したら確認
- ギャップを特定し、ターゲット化されたフォローアップエージェントを展開
- 完成した調査を読んで残りの派遣に情報を提供
フェーズ3: 統合
- すべての調査ドキュメントを読む (フォアグラウンド)
- アーキテクチャ計画、設計ドキュメントを作成
- Planエージェントを使用して調査結果を統合
プロンプトテンプレート: 調査エージェント
[PROJECT]の[USE CASE]のため、[TECHNOLOGY]を調査してください。
[OUTPUT_PATH]/[filename].md に、以下をカバーする包括的な調査ドキュメントを作成してください:
1. 最新[TECH]バージョンと機能 ("[TECH] 2026"または"[TECH] latest"を検索)
2. [プロジェクトに関連する特定機能]
3. [関連する別の機能]
4. [スタックの他のコンポーネントとの統合パターン]
5. [パフォーマンス特性]
6. [既知の問題と制限事項]
7. [本番環境使用のベストプラクティス]
8. [主要パターンのコード例]
可能な限りコード例を含めてください。WebSearchとWebFetchを使用して最新のドキュメントを取得してください。
優れた調査エージェントプロンプトの特徴:
- 明示的な出力ファイルパス (どこに書くかについてあいまいさなし)
- 年付きの検索ヒント ("search [TECH] 2026") により、エージェントに最新性ガイダンスを提供
- 番号付きカバレッジリスト (8-12項目) で調査を正確にスコープ化
- バックグラウンド派遣をデフォルトに (調査トピックは相互依存がない)
派遣頻度
- エージェント派遣間で3-4秒間隔を置くと通常レート制限を回避できます
- 10-20エージェントの主題別ウェーブは管理可能なサイズになる傾向があります
- ウェーブ間で15-25分のギャップを確保すると、初期結果でのギャップ分析に余裕が生まれます
戦略2: Epic Parallel Build
バックグラウンドエージェントを展開して、独立した機能/エピックを同時に実装します。各エージェントは独自のディレクトリ/モジュールで1つの機能を構築します。2つのエージェントが同じファイルを触りません。
使用する場面
- 10以上の独立したタスクを含む実装計画
- 分離されたパッケージ/モジュールのMonorepo
- 重複しない機能を持つスプリントバックログ
パターン
フェーズ1: スカウト (フォアグラウンド)
- 1つのExploreエージェントを派遣してコードベースをマッピング
- 依存チェーンと独立したワークストリームを特定
- ファイル競合を防ぐためにタスクをサブシステム別にグループ化
フェーズ2: ビルド部隊の展開 (すべてバックグラウンド)
ウェーブ1: インフラ/基盤 (Redis、DB、認証)
ウェーブ2: バックエンドAPI (各自が独自のモジュールディレクトリ)
ウェーブ3: フロントエンドページ (各自が独自のルートディレクトリ)
ウェーブ4: 統合 (MCPサーバー、外部サービス)
ウェーブ5: DevOps (CI、Docker、デプロイメント)
ウェーブ6: レビュー検出からのバグ修正
フェーズ3: モニタリングと調整
- 完成したコミットのgitステータスを確認
- gitインデックスロック競合に対応 (30以上エージェントで予想)
- エージェント完了時に残りのタスクを派遣
- SibylタスクまたはTodoWriteで追跡
フェーズ4: レビューと強化 (フォアグラウンド)
- 完成した作業について`/hyperskills:cross-model-review`を実行
- 重大な検出事項について修正エージェントを派遣
- 統合テスト
プロンプトテンプレート: 機能構築エージェント
**タスク: [DESCRIPTIVE TITLE]** (task\_[ID])
/path/to/project/[SPECIFIC_DIRECTORY]で作業してください
## コンテキスト
[既に存在するもの。特定のファイル、パターン、インフラストラクチャを参照してください]
[例: "Redisは`app.state.redis`で利用可能"、"`src/auth/`からパターンに従ってください"]
## あなたの仕事
1. `src/path/to/module/`を作成してください:
- `file.py` -- [説明]
- `routes.py` -- [説明]
- `models.py` -- [スキーマ定義]
2. 実装要件:
[コードスニペット、Pydanticモデル、APIコントラクトを含む詳細仕様]
3. テスト:
- `tests/test_module.py`を作成してください
- カバー: [特定のテストシナリオ]
4. 統合:
- [メインアプリケーションエントリポイント]に接続
- [パス]でルートを登録
## Git
コミットメッセージ: "feat([module]): [description]"
あなたが作成したファイルだけをステージしてください。コミット前に`git status`を確認してください。
他のエージェントのファイルをステージしないでください。
優れたビルドエージェントプロンプトの特徴:
- 各エージェントは独自のディレクトリスコープを取得 (ファイル所有権の重複はマージコンフリクトと失われたロードを生成)
- 従うべき既存パターン ("パターンXに従ってください") で、エージェントが1つを発明する手間を省く
- インフラコンテキスト ("RedisはXで利用可能") で、エージェントが既に存在するものを再発見するのを防ぎます
- 明示的なgit衛生 (30以上並列エージェントでは、これは負荷を支える、オプションではありません)
- スウォーム全体での追跡可能性のためのタスクID
並列エージェントのGit調整
10以上のエージェントを同時に実行する場合、いくつかの現実が重要です:
index.lock競合は予想される エージェントは自動的に再試行します。これを防ごうとしないでください- 各エージェントは独自のファイルのみをコミット プロンプトでこれを明示的に述べないと、エージェントは兄弟のWIPを回収します
git add .とgit add -AはNGです 特定のパスのみ- 定期的に
git log --oneline -20でモニタ して、停滞またはパターン外のエージェントを検出 - プッシュはオーケストレーターの判断です。統合後の、エージェントではなく
戦略3: Sequential Pipeline
依存タスクを1つずつ実行し、レビューゲートで実行します。各タスクは前のタスクの出力に基づいて構築されます。
使用する場面
- 共有ファイルを変更するタスク
- 統合境界作業 (JNIブリッジ、認証チェーン)
- 各修正が前のレビュー検出事項に依存するレビュー・修正サイクル
- 実装順序が重要な複雑な機能
パターン
各タスクについて:
1. 実装者を派遣 (フォアグラウンド)
2. 仕様レビュアーを派遣 (フォアグラウンド)
3. コード品質レビュアーを派遣 (フォアグラウンド)
4. 検出事項を修正
5. 次のタスクに移動
信頼勾配 (時間とともに適応):
初期タスク: 実装 → 仕様レビュー → コードレビュー (完全な儀式)
中期タスク: 実装 → 仕様レビュー (軽度)
後期タスク: 実装のみ (パターン実証、高い信頼度)
信頼勾配
パターンが信頼性を証明するにつれて、あらゆるタスクで完全な儀式を実行する代わりにレビューオーバーヘッドを軽減します。12番目の同一CRUD エンドポイントで完全レビューのコストは実在しており、信号雑音比は低下します:
| フェーズ | レビューオーバーヘッド | 通常 |
|---|---|---|
| 完全な儀式 | 実装 + 仕様レビュー + コードレビュー | 最初の3-4タスク |
| 標準 | 実装 + 仕様レビュー | タスク5-8、パターンが安定した後 |
| 軽度 | 実装 + 簡易スポットチェック | 確立されたパターンの後期タスク |
| コスト最適化 | ホストの設定高速レビュアーを使用 | 公式化されたレビューパス |
これは得られた信頼であり、コーナーを切ることではありません。タスクが確立されたパターンから逸脱するたびに勾配がリセットされます。本当に新しいものについては完全な儀式に引き上げてください。
戦略4: Parallel Sweep
コードベースの分割領域全体に同じ変換を適用します。すべてのエージェントは同じ種類の作業を行いますが、異なるファイルで実行します。
使用する場面
- モジュール全体のLint/フォーマット修正
- パッケージ全体への型アノテーション追加
- 複数モジュールのテスト作成
- コンポーネント全体のドキュメント更新
- ページ全体のUI ポーランド
パターン
フェーズ1: スコープを分析
- ツール (ruff、tyなど) を実行して完全な問題リストを取得
- 可能なものを自動修正
- 残りの問題をモジュール/ディレクトリ別にグループ化
フェーズ2: ファンアウト修正エージェント (4-10エージェント)
- モジュール/ディレクトリごとに1つのエージェント
- 各自には: カテゴリ別問題数、領域固有ガイダンス
- すべてフォアグラウンド (各自が完了することを確認する必要があります)
フェーズ3: 確認と繰り返し
- ツールを再度実行して残りの問題をチェック
- 問題が残っている場合は別のウェーブを派遣
- クリーンになるまで繰り返し
プロンプトテンプレート: モジュール修正エージェント
[PATH]の[MODULE_NAME]ディレクトリのすべての[TOOL]問題を修正してください。
現在の問題 ([COUNT]件合計):
- [RULE_CODE]: [説明] ([count]) -- [領域固有の修正ガイダンス]
- [RULE_CODE]: [説明] ([count]) -- [領域固有の修正ガイダンス]
`[TOOL_COMMAND] [PATH]`を実行して正確な問題を確認してください。
[DOMAIN]コードの重要な注意:
[領域固有のガイダンス、例: "GTKインポートはgi.repositoryインポート前にGI.require_version()が必要"]
修正後、`[TOOL_COMMAND] [PATH]`を実行して問題がゼロになったことを確認してください。
優れたスウィープエージェントプロンプトの特徴:
- 「すべて修正」ではなくカテゴリ別の問題数で、エージェントが検証する対象を持つ
- 領域固有ガイダンス (そうしないとエージェントはカーゴカルトまたはオーバーライド)
- ディレクトリパーティション (重複を防ぐ)
- ウェーブ形状: 修正 → 確認 → 残りを修正 → 確認 (問題数が収束するまで)
戦略5: Multi-Dimensional Audit
複数のレビュアーを展開して同じコードを異なる角度から同時に検査します。各レビュアーは異なるフォーカスレンズを持っています。
使用する場面
- 主要機能完了、包括的レビューが必要
- リリース前の品質ゲート
- セキュリティ監査
- パフォーマンス評価
パターン
6つの並列レビュアーを派遣 (すべてフォアグラウンド):
1. コード品質・安全性レビュアー
2. 統合正確性レビュアー
3. 仕様完全性レビュアー
4. テストカバレッジレビュアー
5. パフォーマンス分析者
6. セキュリティ監査人
すべての完了を待ってから:
- 検出事項を優先アクションリストに統合
- 重大な問題については標的修正エージェントを派遣
- 検出事項があった次元のみを再レビュー
プロンプトテンプレート: 次元レビュアー
[COMPONENT]実装の[DIMENSION]レビュー。
**レビューするファイル:**
- [file1.ext]
- [file2.ext]
- [file3.ext]
**分析:**
1. [この次元に対する特定の質問]
2. [この次元に対する特定の質問]
3. [この次元に対する特定の質問]
**レポート形式:**
- 検出事項: 重大度別の番号付きリスト (Critical/Important/Minor)
- 評価: 承認 / 変更が必要
- 推奨事項: 優先アクションアイテム
戦略6: Full Lifecycle
Greenfieldプロジェクトの場合、すべての戦略を順序付けて結合します:
セッション1: 調査 (Research Swarm)
-> 30-60バックグラウンドエージェントが知識コーパスを構築
-> アーキテクチャ計画エージェントが調査結果を統合
-> 出力: docs/research/*.md + docs/plans/*.md
セッション2: 構築 (Epic Parallel Build)
-> Scoutエージェントが既存をマッピング
-> 30-60バックグラウンドエージェントがエピック別に機能を構築
-> モニタリング、git競合を処理、完了を追跡
-> 出力: コミット付きの動作するコードベース
セッション3: イテレート (Build-Review-Fix Pipeline)
-> コードレビューエージェントが作業を評価
-> 修正エージェントが検出事項に対応
-> 深い監査エージェント (フォアグラウンド) が各サブシステムを評価
-> 出力: 品質評価されたコードベース
セッション4: 強化 (Sequential Pipeline)
-> 統合境界レビュー (フォアグラウンド、順序付け)
-> セキュリティ修正、競合状態修正
-> テストインフラ設定
-> 出力: 本番環境対応コードベース
セッション5: 統合 (Dream)
-> 耐久性のあるパターン、落とし穴、アーキテクチャの決定事項をキャプチャ
-> Sibylのプロジェクトコンテキストに学習をリンク
-> 出力: 将来のセッションのための更新された知識グラフ
各セッションはオーケストレーション戦略を作業の性質に合わせてシフト。可能な限り並列、必要な場合は順序付け。
バックグラウンド vs フォアグラウンド決定
digraph bg_fg {
"What is the agent producing?" [shape=diamond];
"Information (research, docs)" [shape=box];
"Code modifications" [shape=box];
"Does orchestrator need it NOW?" [shape=diamond];
"BACKGROUND" [shape=box style=filled fillcolor=lightgreen];
"FOREGROUND" [shape=box style=filled fillcolor=lightyellow];
"Does next task depend on this task's files?" [shape=diamond];
"FOREGROUND (sequential)" [shape=box style=filled fillcolor=lightyellow];
"FOREGROUND (parallel)" [shape=box style=filled fillcolor=lightyellow];
"What is the agent producing?" -> "Information (research, docs)";
"What is the agent producing?" -> "Code modifications";
"Information (research, docs)" -> "Does orchestrator need it NOW?";
"Does orchestrator need it NOW?" -> "FOREGROUND" [label="yes"];
"Does orchestrator need it NOW?" -> "BACKGROUND" [label="no - synthesize later"];
"Code modifications" -> "Does next task depend on this task's files?";
"Does next task depend on this task's files?" -> "FOREGROUND (sequential)" [label="yes"];
"Does next task depend on this task's files?" -> "FOREGROUND (parallel)" [label="no - different modules"];
}
597以上の派遣で観察されたパターン:
- 依存関係がない調査エージェント → バックグラウンド (本質的には常に)
- コード作成エージェント → フォアグラウンド (並列実行中でも)
- レビュー/検証ゲート → フォアグラウンド (パイプラインの進行をブロックするため)
- 順序付け依存 → フォアグラウンド、1つずつ
プロンプトエンジニアリング・パターン
パターンA: ロール + ミッション + 構造 (調査)
あなたは[PROJECT]の包括的なドキュメントを作成するために[DOMAIN]を調査しています。
あなたのミッション: [TOPIC]のすべての機能をカバーする包括的なリファレンスドキュメントを作成します。
これらの領域を詳細にカバー:
1. **[カテゴリ]** -- 特定アイテム
2. **[カテゴリ]** -- 特定アイテム
...
WebSearchとWebFetchを使用して、ブログ記事、GitHubリポジトリ、公式ドキュメントを見つけてください。
パターンB: タスク + コンテキスト + ファイル + 仕様 (機能構築)
**タスク: [TITLE]** (task\_[ID])
/absolute/path/to/[directory]で作業してください
## コンテキスト
[何が存在し、何を読み、どのインフラストラクチャが利用可能か]
## あなたの仕事
1. [説明]付きの`path/to/file`を作成
2. [詳細な実装仕様]
3. [テスト要件]
4. [統合要件]
## Git
コミットメッセージ: "feat([scope]): [message]"
あなたのファイルのみをステージしてください。
パターンC: レビュー + 確認 + レポート (監査)
[SCOPE]の[DIMENSION]の包括的な監査。
以下を探してください:
1. [特定のもの #1]
2. [特定のもの #2]
...
3. [特定のもの #10]
[スコープの境界 -- どのディレクトリ/ファイル]
レポート形式:
- 検出事項: 重大度付き番号付き
- 評価: パス / 作業が必要
- アクションアイテム: 優先付け
パターンD: 問題 + 場所 + 修正 (バグ修正)
**タスク:** [ISSUE]を修正 -- [SEVERITY]
**問題:** [ファイル:行参照を含む説明]
**場所:** [正確なファイルパス]
**必要な修正:**
1. [特定の変更]
2. [特定の変更]
**確認:**
1. [コマンド]を実行して修正を確認
2. テスト実行: [テストコマンド]
コンテキスト注入: 並列性の実現者
並列エージェントはオーケストレーターが事前にコンテキストを読み込むときだけ並列で機能します。それなしでは、すべてのエージェントが有用な作業をする前にコードベースを再探索し、並列性は順序付け発見に崩壊します。
ほとんどのプロンプトに注入する価値がある:
- 相対的ではなく絶対ファイルパス (エージェントは予期しないcwdから実行される場合があります)
- 従うべき既存パターン ("パターンから従ってください
src/auth/jwt.py") - 利用可能なインフラ ("Redisは
app.state.redis") - デザイン言語と慣行 ("SilkCircuit Neon palette")
- ツール使用ヒント ("WebSearchを使用して...")
- Git指示 ("あなたのファイルのみをステージしてください")
並列エージェントの場合:
- 共有コンテキストブロックを各プロンプトに複製します。コンテキストは無料ではありませんが、冗長なコンテキストは順序付け探索を上回ります
- 明示的な除外メモを追加 ("エージェント11-Sibylが X を処理、触らないでください")
- プロンプト全体で共有ユーティリティを同一に記述して、ドリフトを防ぐ
並列エージェントのモニタリング
10以上のバックグラウンドエージェントを実行する場合:
- 定期的にチェック -- コミットについて
git log --oneline -20 - 出力ファイルを読む -- 進行状況についてエージェント出力ファイルを
tail - 完了を追跡 -- SibylタスクまたはTodoWriteを使用
- ギャップフィラーを派遣 -- 初期エージェントが完了するにつれて、欠落した作業を特定
- 競合を処理 -- gitインデックスロックは予想されており、エージェントは自動的に再試行
ステータスレポートテンプレート
## エージェント・スウォーム・ステータス
**[N]エージェント派遣** | **[M]完了** | **[P]進行中**
### 完了:
- [エージェント説明] -- [主要結果]
- [エージェント説明] -- [主要結果]
### 進行中:
- [エージェント説明] -- [ステータス]
### 特定されたギャップ:
- [欠落した領域] -- フォローアップエージェント派遣
アンチパターン
| アンチパターン | 修正 |
|---|---|
| 同じファイルに触れるエージェントを派遣 | ディレクトリ/モジュール別にパーティション; 1つの所有者スコープごと |
| 独立した調査エージェントをフォアグラウンドで実行 | バックグラウンド調査; 完了後に統合 |
| "すべて修正"プロンプトで50エージェントを送信 | 各エージェントに特定のスコープ、問題リスト、完了シグナルを提供 |
| ビルドスプリントのスカウトフェーズをスキップ | 最初に探索して依存関係とファイル所有権をマッピング |
| すべての後期タスクで完全レビュー儀式を維持 | パターンが安定を証明した後は信頼勾配を適用 |
エージェントにgit add .またはgit pushを実行させる | すべてのビルドプロンプトで明示的なgit衛生を実装 |
| 統合コードのバックグラウンドエージェントを派遣 | バックグラウンドは調査用; コード変更を調整 |
Hyperskills統合
| スキル | 使用先 | 場合 |
|---|---|---|
brainstorm | Full Lifecycle | 方向が開いているときの調査前 |
research | Research Swarm | 決定前の知識収集 |
plan | Epic Parallel Build | スコープを依存性安全ウェーブに変換 |
implement | すべてのビルド戦略 | 実行ループと検証頻度 |
cross-model-review | すべての戦略 | 統合後の独立した品質ゲート |
security | Multi-Dimensional Audit | セキュリティレビューレンズ |
git | Epic Parallel Build | マルチエージェント・ステージング、リベース、リカバリー |
dream | Full Lifecycle | 大規模実行後の耐久性のある学習をキャプチャ |
このスキルではないこと
- ホスト環境がそれを禁止する場合にエージェントを生成する許可ではありません。
- 計画の代替ではありません; オーケストレーションはタスクグラフを実行します。
- 1つのエージェントがより速く直接完了できる小さな変更には役立ちません。
- ファイル所有権を回避する方法ではありません; 重複編集はまだ順序付けが必要です。
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
- hyperb1iss
- ライセンス
- MIT
- 最終更新
- 不明
Source: https://github.com/hyperb1iss/hyperskills / ライセンス: MIT
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。