「agents」の検索結果

複数のAIエージェントへ作業を割り振り、並列処理や順序付きの工程を組み立てます。情報共有、負荷分散、失敗時の再割り当てを含む連携を設定します。

• API・画面・テストを並列開発したいとき
• 設計からレビューまでの工程づくり
• エージェント間で仕様や状態を共有

AIエージェントが会話履歴や利用者の好みを保存し、次のセッションでも参照できるように、AgentDBで短期・長期の記憶と検索を実装するスキル。

• チャットに会話履歴を追加
• セッションをまたいで好みを記憶
• 成功した対話パターンを再利用

複数のOrcaワーカーに作業を分け、メッセージのやり取りや完了待ち、タスクの依存関係を管理しながら、エージェント間の連携を監督するスキル。

• 複数のOrcaワーカーへの作業分担
• 依存関係のあるタスクの進行管理
• 作業完了や判断依頼を待ちたいとき

OmniRouteをインターネットに公開する安全なトンネルを作成・管理し、離れた場所のエージェントやCIパイプラインとアクセスを共有するスキル。

• OmniRouteを外部公開したいとき
• リモートエージェントとの接続共有
• CIからOmniRouteを利用したいとき

複数のAIエージェントの連携構造や仕事の割り振りを、負荷と性能に応じて調整するスキル。構成の切り替え、必要数の予測、変更後の検証を扱います。

• 複数エージェントの連携構造の選定
• エージェント間の負荷を分散したいとき
• 負荷に応じたエージェント数の予測

複数のAIエージェントに仕事を分担させ、並列実行や順番のある工程を組み立てるスキル。情報共有、負荷分散、失敗時の再割り当てまで連携を整えます。

• API・画面・テストを並列開発したいとき
• 設計からレビューまで工程をつなぎたいとき
• 担当間でAPI仕様を共有したいとき

AgentDBで経験データを使う学習プラグインを作成し、用途に合う学習手法の選択から、行動と報酬の記録、モデルの訓練・評価まで進めるスキルです。

• 過去の経験からエージェントを学習させたいとき
• ゲームや経路選択の意思決定を作りたいとき
• 複数エージェントの経験を学習に使いたいとき

複数のAIエージェントによるコード変更と履歴を管理し、作業手順や成否を記録します。過去の経験をもとに、似た作業の進め方を提案するスキルです。

• 複数AIのコード変更を管理したいとき
• 過去の結果からデプロイ手順を考えたいとき
• 似たマージ作業の失敗を確認したいとき

AIエージェントが会話履歴や利用者の好みを保存し、次のセッションでも参照できるように、AgentDBで短期・長期の記憶と検索を実装するスキル。

• チャットに会話履歴を追加
• セッションをまたいで好みを記憶
• 成功した対話パターンを再利用

作成済みの作業計画を複数のエージェントへ分担し、実装から検証まで進めます。作業用ブランチと進捗、検証の証拠を管理し、独立したレビューを経て計画の完了を判定します。

• 保存済みの作業計画を実行したいとき
• 独立した作業を並列に分担したいとき
• 進捗と検証記録を基に再開したいとき

複数の情報源を調べ、選択肢の比較や市場・研究動向を読みやすいレポートにまとめます。調査をテーマ別に分担し、得られた情報を統合するスキルです。

• 製品やサービスを比較したいとき
• 市場や業界の動向調査
• 特定テーマの研究文献の整理

Claude Codeの使い方を段階的に学ぶプレゼンの構成・編集を支援します。プロンプト改善からプロジェクト知識、スキル、エージェント連携へ進む順序と実例を整理します。

• Claude Code研修の構成作り
• スライドの説明順を確認したいとき
• TodoAppで作業手順を説明したいとき

Azure AI Agents Persistent SDK for Java. Low-level SDK for creating and managing AI agents with threads, messages, runs, and tools.

日本語の概要は準備中です。原文の説明を表示しています。

Azure AI Agents Persistent SDK for .NET. Low-level SDK for creating and managing AI agents with threads, messages, runs, and tools.

日本語の概要は準備中です。原文の説明を表示しています。

Build container-based Foundry Agents with Azure AI Projects SDK (HostedAgentDefinition). Use when creating hosted agents with custom container images in Azure AI Foundry.

日本語の概要は準備中です。原文の説明を表示しています。

Scans the codebase to generate project-doc.md and AGENTS.md. Use when bootstrapping a new agent-driven repo, refreshing project documentation after architectural changes, or running a delta scan to detect drift. Runs a full scan on first use and a smart delta scan on subsequent runs. Uses understand-anything + context-mode when available, falls back to native tools otherwise. Only updates AGENTS.md on detected architectural changes with human confirmation.

日本語の概要は準備中です。原文の説明を表示しています。

Design LLM applications using LangChain 1.x and LangGraph for agents, memory, and tool integration. Use when building LangChain applications, implementing AI agents, or creating complex LLM workflows.

日本語の概要は準備中です。原文の説明を表示しています。

Design optimal agent team compositions with sizing heuristics, preset configurations, and agent type selection. Use this skill when deciding how many agents to spawn for a task, when choosing between a review team versus a feature team versus a debug team, when selecting the correct subagent_type for each role to ensure agents have the tools they need, when configuring display modes (tmux, iTerm2, in-process) for a CI or local environment, or when building a custom team composition for a non-standard workflow such as a migration or security audit.

日本語の概要は準備中です。原文の説明を表示しています。

Complete development kit for Microsoft 365 Copilot declarative agents with three comprehensive workflows (basic, advanced, validation), TypeSpec support, and Microsoft 365 Agents Toolkit integration

日本語の概要は準備中です。原文の説明を表示しています。

Patterns and techniques for adding governance, safety, and trust controls to AI agent systems. Use this skill when: - Building AI agents that call external tools (APIs, databases, file systems) - Implementing policy-based access controls for agent tool usage - Adding semantic intent classification to detect dangerous prompts - Creating trust scoring systems for multi-agent workflows - Building audit trails for agent actions and decisions - Enforcing rate limits, content filters, or tool restrictions on agents - Working with any agent framework (PydanticAI, CrewAI, OpenAI Agents, LangChain, AutoGen)

日本語の概要は準備中です。原文の説明を表示しています。

Use this skill when another agent's expertise or context is needed, or when the user explicitly asks to involve another agent. First list agents, then use qwenpaw agents chat for two-way communication with replies.

日本語の概要は準備中です。原文の説明を表示しています。

当需要其他 agent 的专长、上下文或协作支持，或用户明确要求调用其他 agent 时，使用本 skill。先查询可用 agents，再用 qwenpaw agents chat 进行双向沟通。

日本語の概要は準備中です。原文の説明を表示しています。

Autonomous agents are AI systems that can independently decompose goals, plan actions, execute tools, and self-correct without constant human guidance. The challenge isn't making them capable - it's making them reliable. Every extra decision multiplies failure probability. This skill covers agent loops (ReAct, Plan-Execute), goal decomposition, reflection patterns, and production reliability. Key insight: compounding error rates kill autonomous agents. A 95% success rate per step drops to 60% b

日本語の概要は準備中です。原文の説明を表示しています。

Testing and benchmarking LLM agents including behavioral testing, capability assessment, reliability metrics, and production monitoring—where even top agents achieve less than 50% on real-world benchmarks Use when: agent testing, agent evaluation, benchmark agents, agent reliability, test agent.

日本語の概要は準備中です。原文の説明を表示しています。