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
- 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
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。