Web·iOS·Android 화면을 WCAG 2.2에 맞춰 설계하고 점검합니다. 화면 읽기와 키보드 조작, 레이블, 대비, 조작 대상 크기를 확인합니다.
- 아이콘 버튼에 설명 추가
- 키보드 조작과 모달 초점 점검
- 대비와 조작 대상 크기 확인
기존 프로젝트의 구현 방식에 맞춰 외부 API 연동을 추가합니다. 설정, 인증, 오류 처리부터 등록과 테스트까지 기존 코드와 일관되게 구성합니다.
Build a new API connector or provider by matching the target repo's existing integration pattern exactly. Use when adding one more integration without inventing a second architecture.
기존 프로젝트의 구현 방식에 맞춰 외부 API 연동을 추가합니다. 최소 두 개의 기존 커넥터나 프로바이더를 살펴보고 파일 구조, 설정, 인증, 오류 처리, 등록 방식과 테스트 작성 방식을 정리합니다. 이후 필요한 작업의 범위를 정하고 통신 처리부터 데이터 변환, 연동 등록, 테스트까지 구성합니다.
여러 외부 서비스와 이미 연동된 프로젝트에 새로운 연동을 추가할 때 유용합니다. Jira 커넥터, Slack 프로바이더 또는 기존 형식에 맞는 플러그인을 만들면서 주변 코드와 구조 및 사용 방식을 맞출 수 있습니다.
대상 프로젝트의 기존 구현을 출발점으로 삼습니다. 오래된 연동 코드만 모방하지 않고 현재 사용하는 방식을 확인합니다. 페이지 나누기와 재시도도 프로젝트 규칙을 따르며, 프로젝트에서 요구하면 설명 문서나 사용 예시도 갱신합니다.
이 소개문은 공개된 SKILL.md를 바탕으로 AI(OpenAI Codex)가 작성했습니다. 정확한 사양은 아래 원문을 확인하세요.
AI가 SKILL.md의 내용만을 근거로 4가지 관점에서 판정했습니다. 스타 수나 인기도는 판정에 넣지 않았습니다.
총점은 각 항목을 A=25점, B=15점, C=5점으로 더한 값입니다. 2026년 10월 19일 기준으로 AI(OpenAI Codex)가 판정했습니다. 참고용이므로 설치 전에 원문도 확인해 주세요.
설치하기 전에 에이전트에게 전달되는 지시 내용을 확인할 수 있습니다.
Use this when the job is to add a repo-native integration surface, not just a generic HTTP client.
The point is to match the host repository's pattern:
Inspect at least 2 existing connectors/providers and map:
Define only the surface the repo actually needs:
Typical slices:
The new connector should look obvious in the codebase, not imported from a different ecosystem.
providers/
existing_provider/
__init__.py
provider.py
config.py
integrations/
existing/
client.py
models.py
connector.py
src/integrations/
existing/
index.ts
client.ts
types.ts
test.ts
backend-patternsmcp-server-patternsgithub-ops아직 리뷰가 없습니다. 사용해 본 소감을 남겨 주세요.
로그인 없이 쓸 수 있습니다. 사용 후기, 질문, 작동하지 않은 환경 등을 편하게 남겨 주세요.
아직 댓글이 없습니다. 첫 댓글을 남겨 보세요.
Web·iOS·Android 화면을 WCAG 2.2에 맞춰 설계하고 점검합니다. 화면 읽기와 키보드 조작, 레이블, 대비, 조작 대상 크기를 확인합니다.
인공지능 에이전트의 문제를 지시, 기억, 도구 실행, 화면 표시 등 12개 계층에서 조사합니다. 코드와 로그를 근거로 원인을 정리하고 심각도에 따른 지적 사항과 수정안을 제시합니다.
실제 개발 과제로 여러 코딩 에이전트를 비교합니다. 성공률, 확인 가능한 API 비용, 소요 시간과 반복 실행의 안정성을 측정해 도입 결정과 업데이트 후 평가에 활용합니다.
AI 에이전트의 도구 구성, 입력과 출력 형식, 오류 복구 절차를 설계합니다. 문맥 정보량을 관리하고 완료율, 재시도 횟수, 성공한 작업당 비용으로 개선을 평가합니다.
오류와 실행 환경을 바탕으로 AI 에이전트가 실패하거나 같은 작업을 반복하는 원인을 조사합니다. 작은 복구 작업을 시험하고 결과와 근거를 인계용 보고서로 정리합니다.
AI 에이전트의 반복 실패와 도구 사용을 기록하고 원인을 좁힙니다. 영향이 제한된 복구 작업과 결과 보고를 통해 근거 있는 재시도를 돕습니다.