Agent Skills by ALSEL
汎用LLM・AI開発⭐ リポ 17品質スコア 67/100

response-analyzer

MCPレスポンス分析パターン - 大容量のレスポンスをテンポラリファイルに書き込み、サマリーをコンテキストに読み込みます

description の原文を見る

MCP Response Analyzer pattern - Write large responses to temp files, load summaries into context

SKILL.md 本文

MCP レスポンス分析器

コンテキストの肥大化を削減: 大規模な出力を /tmp/aura-frog/ に書き込み、サマリーのみをコンテキストに読み込みます。


トリガー

triggers[5]{scenario,threshold,action}:
  Command output,>100 lines,Save to temp + summarize
  API response,>5KB,Save JSON + extract key fields
  File search results,>50 files,Save list + show top 10
  Test output,>50 lines,Save full + summarize pass/fail
  Build output,>100 lines,Save full + show errors only

ディレクトリ構成

/tmp/aura-frog/
├── responses/   # cmd-*.txt, api-*.json, search-*.txt
├── summaries/   # summary-*.md
└── session/     # per-session data

パターン

大規模コマンド出力

npm test > /tmp/aura-frog/responses/test-$(date +%s).txt 2>&1
grep -E "(PASS|FAIL|Tests:|Suites:)" /tmp/aura-frog/responses/test-*.txt | tail -10

APIレスポンス

curl url > /tmp/aura-frog/responses/api-$(date +%s).json
jq '{total: .data | length, first_3: .data[:3] | map(.name)}' /tmp/aura-frog/responses/api-*.json

ファイル検索

find . -name "*.ts" > /tmp/aura-frog/responses/search-$(date +%s).txt
echo "Found $(wc -l < file) TypeScript files"; head -10 file

トークン削減量

savings[4]{scenario,without,with,saved}:
  500-line test output,~2000,~100,95%
  Large JSON response,~5000,~200,96%
  200 file search,~800,~100,87%
  Build log,~3000,~150,95%

統合

workflow_integration[4]{phase,use_case,pattern}:
  Phase 2 (Test RED),Test output,Command
  Phase 4 (Review),Linter output,Command
  Phase 4 (Review),Coverage report,Command
  Any,Large API responses,API

クリーンアップ: find /tmp/aura-frog -mtime +1 -delete


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
nguyenthienthanh
リポジトリ
nguyenthienthanh/aura-frog
ライセンス
MIT
最終更新
2026/5/12

Source: https://github.com/nguyenthienthanh/aura-frog / 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: nguyenthienthanh · nguyenthienthanh/aura-frog · ライセンス: MIT