「agent」の検索結果

Microsoft 関連技術の公式文書から、仕組みの説明、設定手順、コード例を探します。Azure や .NET に加え、VS Code、GitHub、Aspire も調べられます。

• 公式の解説や設定手順を探したいとき
• 指定言語のコード例の検索
• VS Code の設定や拡張 API の調査

Microsoft 365でMCP連携エージェントを組織に配布する手順を案内します。管理センターでの承認、ユーザーやグループへの割り当て、権限確認、運用監視を整理します。

• 特定部署へのエージェント配布
• 配布前の認証と権限の確認
• 組織内公開やストア申請の準備

AgentRCの準備度評価を、組織やチームの基準に合わせて調整します。チェックの重みや合格率、除外項目を設定し、CIでの合否判定にも使えます。

• 組織共通の評価基準づくり
• AI関連の整備状況だけを評価
• チェックの重要度を調整したいとき

複雑な作業の進め方を、より高い能力を持つ別のエージェントに相談し、順序・依存関係・確認点を含む実行計画に整理します。得られた計画は依頼元が実行します。

• 複雑な作業を具体的な手順に分けたいとき
• 複数モジュールやシステムの変更計画
• 作業順序・依存関係・確認点の整理

AIエージェントが使うMCPサーバーを監査し、ツール説明に潜む不正な指示や承認後の変更、内部への不正アクセス、認証なしの公開を調べるスキル。

• MCPサーバーの導入前チェック
• 社内MCPサーバーの安全性監査
• 承認済みツールの変更確認

oh-my-codexの導入や設定更新を、利用者全体またはプロジェクト単位で進めます。導入方式や既存ファイルの扱いを選び、必要な設定が整ったか確認するスキルです。

• プロジェクトにOMXを導入したいとき
• 既存の導入内容を更新したいとき
• 設定変更を事前に確認したいとき

AIエージェントがサービスの対価をUSDCで受け取り、他のエージェントへ支払う仕組みを、要件確認からコード生成、設定検証まで支援するスキルです。

• USDCで有料サービスを提供したいとき
• 他のエージェントへ料金を払いたいとき
• ローカル環境で決済を試したいとき

Pythonで外部ツールを呼ぶAIエージェントを作り、応答を決めたデータ形式で検証する設計や、モデルの切り替え、実際のLLMを使わないテストを案内するスキル。

• 形式を検証するAI応答の実装
• 注文データと問い合わせ対応の連携
• 実際のLLMを呼ばないテスト

画面を見てクリックや文字入力を行うAIエージェントを作るためのスキル。画像の認識から操作結果の確認までの処理と、隔離環境で安全に動かす設計を扱います。

• 画面を操作するAIを作りたいとき
• 画像認識とマウス操作の連携
• 自動操作用の隔離環境の設計

自律型コーディングエージェントの設計を、コード例とチェック項目で支援します。ツール連携、権限と承認、ブラウザ操作、作業状態の保存・再開を扱います。

• コーディングエージェントの実行ループ設計
• ファイル・コマンド用ツールの設計
• 権限と人による承認の仕組み作り

AIエージェントが使うツールの入力定義や説明文、入力例、検証、エラー応答を設計し、適切な呼び出しと失敗後の復旧を支えるインターフェースを整えるスキル。

• エージェント用ツールの入力設計
• ツールの説明文と入力例の改善
• 入力検証とエラー応答の見直し

AIエージェントが過去の情報を必要な場面で取り出せるよう、短期・長期記憶の構成を設計。記憶の種類、保存先、文書分割、検索方法を用途に合わせて検討するスキル。

• 会話をまたぐ記憶の設計
• 経験・知識・手順の保存先選定
• 保存情報を思い出せない原因の見直し

NanoClawのエージェントにVercelへの公開機能を追加します。CLIの導入とOneCLIによる認証情報の自動適用を設定し、Webアプリのデプロイや公開状況の確認につなげます。

• NanoClawからVercelへ公開したいとき
• OneCLIでVercelの認証情報を設定したいとき
• 既存のエージェントグループに公開用ツールを追加

メッセージ用チャネルとエージェントの接続を設定し、会話や作業領域の共有範囲を選べます。チャネル追加や接続先の変更、現在の設定確認に使うスキルです。

• 新しいメッセージ用チャネルの接続
• 複数サービスで記憶を共有したいとき
• 利用者ごとにエージェントを分けたいとき

NanoClawの共有Slackボットを、既存エージェントごとの専用アプリへ移行します。作業領域やメモリ、応答設定を保ち、従来構成を続ける選択も扱います。

• エージェント別のSlackボットに分けたいとき
• 応答設定を保って移行したいとき
• 中断した移行を再開したいとき

シェル処理とAIエージェントの作業をgbrainの共通キューで管理します。進捗確認や中断・再開、並列実行に加え、長時間処理の結果報告漏れへの対策も扱います。

• スクリプトを監視付きで実行したいとき
• 複数のAI調査を並列で進めたいとき
• 実行中の方針変更や中断・再開

覚えておきたい事実や決定を、検索用の具体的なタグと関連ファイル付きで長期保存します。利用者の言い回しを残し、次のセッションで参照する知識を整理するスキルです。

• 決定事項を次のセッションに残したいとき
• 発見を関連ファイルと一緒に保存したいとき
• 保存済みの事実を訂正したいとき

エージェントの作業セッションに結び付いた Git コミットを新しい順に一覧化し、ブランチやリポジトリで絞って、変更履歴と記録された作業の背景を確認するスキル。

• エージェント関連のコミットを振り返る
• ブランチ別にコミットを確認したいとき
• 特定リポジトリの関連コミット確認

Design n8n AI agents the right way. Use when building or editing any @n8n/n8n-nodes-langchain.* AI node — an AI Agent, LLM chain, Text Classifier, or Information Extractor — and whenever the user mentions AI agents, LLM with tools, tool calling, $fromAI, system prompts, agent memory, sessionId, structured/JSON output, output parser, RAG, vector store, a chat assistant/bot, or human-in-the-loop review. Covers Agent-vs-chain-vs-classifier choice, the model/memory/tools/outputParser slots, tool names/descriptions as prompt, structured output with autoFix, memory, RAG, human review, and chat topologies.

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。

Measures and improves the quality of AI models and agents on Google Cloud using the Eval Quality Flywheel methodology. Use when generating synthetic user scenarios, evaluating an agent or model, building an eval dataset, picking or writing evaluation metrics, analyzing failures, comparing results before and after a fix, or when guidance is needed on Agent Platform eval methodology — including dataset schema, LLM-as-judge scoring, and common failure causes. For fine-tuning, use agent-platform-tuning. For general production deployment, use agent-platform-deploy.

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。

Troubleshoots Google Cloud Gemini Enterprise Agent Platform issues (Agent Gateway, Registry, Identity, Policies, Model Armor, Identity-Aware Proxy (IAP)). Use when agent requests fail with 403 (especially unauthorized egress), Agent Runtime queries return 500, or gateway/IAP logs show permission errors. Don't use for general Google Cloud Identity and Access Management (IAM) debugging or networking issues unrelated to the Agent Platform stack.

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。

Agent Platform Model Tuning. Use when you need to fine-tune open models or Gemini models using Agent Platform infrastructure. Don't use for model training outside Agent Platform, model deployment to endpoints (use `agent-platform-deploy`), or managing serving endpoints (use `agent-platform-endpoint-management`).

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。

The continual-harness refinement protocol — how an agent inspects its recent trajectory for failure signatures and improves its own harness (agent prompts, sub-agents, skills, memory) in place, mid-session, landing changes on the session branch immediately and promoting them to `main` only through a change request. Load this skill when a refinement prompt arrives mid-session, when the `harness-reflector` agent runs, or whenever you decide your own scaffolding needs repair. The sub-agent fan-out in this skill is for the top-level `harness-reflector` run only; if you loaded this as a subagent, do the four passes yourself and skip the fan-out.

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。

Create Agent Zero profiles with agent.yaml, prompt overrides, tools and extensions.

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。