「agents」の検索結果

技術文書やエージェント向け指示ファイルを作成・レビューするスキル。READMEや貢献手順も調べ、説明の分かりやすさ、運用上の整合性、多言語版の差分を確認します。

• 技術文書を作成・更新したいとき
• READMEや文書の変更レビュー
• エージェント指示と貢献手順の整備

互いに依存しない不具合やテスト失敗を別々のエージェントに割り当て、並行して調査・修正するスキル。担当範囲を明確にし、結果の確認と変更の統合まで案内します。

• 原因の異なるテスト失敗を調べたいとき
• 別々の機能の不具合を修正したいとき
• 複数エージェントの担当を整理したいとき

長期的な目標に向けて複数のサブエージェントの作業を調整し、利用者との対話を続けながら、次の仕事にも役立つ作業環境や規約の改善を進めるスキル。

• 長期目標に向けて担当を調整したいとき
• 裏で作業を進めながら対話を続けたいとき
• 共通の規約や作業環境を改善したいとき

AIエージェントがスキルやルールを実際に守るか、指示の強さが異なる３段階のシナリオで検証し、遵守率とツール呼び出しの時系列をレポートにまとめます。

• 追加したルールの遵守確認
• 念押しなしで手順が守られるか確認
• ツール実行順序と抜けの確認

AIエージェントが実装の多くを担う開発チーム向けに、計画、責任分担、レビュー基準、テスト要件を整理し、生成コードを扱う開発プロセスを設計するスキル。

• AI生成コードを扱う開発ルールの整備
• コードレビュー基準と承認条件の設定
• エージェントが作業しやすい設計の検討

複数の Claude Code エージェントに開発作業を割り振り、個別の作業環境で並行実行しながら、依存関係・進捗・変更内容やエラーの報告を管理するスキル。

• 開発計画を依存関係付きで分割したいとき
• 個別の作業環境で並行開発したいとき
• 複数の開発タスクの進捗確認

2つのエージェントが別々に加えた変更のGit競合を、双方の差分と意図から中立的に解決。競合箇所ごとの判断理由を記録し、ビルドやテストで統合結果を確認します。

• 2つのエージェントのブランチ競合を解消
• 並行したworktreeの変更を統合
• 競合する設計判断の理由を確認したいとき

AIエージェントに渡すルールや仕様、関連コードを作業ごとに選び、長い会話の情報整理や次のセッションへの引き継ぎまで整えるスキルです。

• AI開発用のルールを整えたいとき
• 作業に必要なファイルの選定
• 長い会話の情報を整理したいとき

接続したPaperclipチームのエージェント、進行中のタスク、作業を妨げる問題、承認待ちを調べ、担当者が対応すべき事項を参照リンク付きでまとめます。

• チームの進行状況を把握したいとき
• 停滞要因と不在エージェントの確認
• 承認待ちの判断事項を確認したいとき

複数のAIエージェントの負荷と処理能力を見ながらタスクを配分し、空きのある担当への移動や優先順位の調整で、作業の偏りを整えるスキル。

• 忙しい担当の作業を再配分したいとき
• 優先度と締め切りで実行順を調整
• 待ち時間と負荷の偏りを調べたいとき

複数のAIエージェントが相互に連絡する分散型の作業体制を調整します。合意形成、能力や負荷に応じた仕事の割り振り、障害検知と復旧を扱うスキルです。

• エージェント間の直接連携
• 担当ごとの作業負荷を分散したいとき
• エージェント停止時の復旧計画

複数のAIエージェントが協働する構成を初期化し、作業に合う接続形態やリソース配分、通信を設定します。共有メモリで進捗や成果物を連携させます。

• REST API開発用の協働構成づくり
• 8エージェントによる階層型の機能開発
• 分散コード分析用のメッシュ構成

AIエージェントの購入に予算・期限・加盟店の条件を設定し、署名検証を経て支払いを承認します。高額取引の複数エージェント承認や権限取消も扱います。

• 買い物用AIの予算と加盟店の設定
• 高額購入を複数のAIで承認したいとき
• 上限額付きの定期購入管理

Claude Code向けプラグインのひな型を作成します。設定ファイルやスキル、コマンド、エージェントに加え、設計判断の記録と構造チェックも整えます。

• 新しいプラグインを作りたいとき
• スキル・コマンド・エージェントの同梱
• プラグインへのMCPツール接続

複数ファイルにまたがる開発や監査に向け、3体以上のAIエージェントが役割を分担し、並列実行と相互連絡を進めるためのチーム構成を初期化します。

• 複数ファイルの機能実装を分担したいとき
• モジュール横断の改修を進めたいとき
• チームでセキュリティ監査をしたいとき

対話や実績に応じて振る舞いを調整するエージェントを作成し、学習状況や効率・精度を確認します。フィードバックによる調整とエージェント間の知識共有も扱います。

• 学習設定を持つエージェントの作成
• 学習進捗と効率・精度の確認
• フィードバックに基づく動作調整

WebAssemblyの隔離環境で動くエージェントを作成・管理します。コードの試行や設定の実験から、専用ファイルの操作、共有用の書き出しまで扱います。

• 未確認のコードを隔離して試したいとき
• エージェント設定を実験したいとき
• 隔離環境内のファイルを操作したいとき

複数の AI コーディングエージェントを連携させる環境の導入と運用を案内します。作業分担、セッションをまたぐ記憶、状態確認、プラグイン選びを支援します。

• 複数エージェント用の開発環境導入
• エージェント間の並列作業の調整
• セッションをまたぐ情報の保存と検索

調査・開発・テストを複数のAIエージェントに分担し、並列作業と順次処理を組み合わせます。役割の割り当てから進捗監視、結果の報告までを支援します。

• 調査・分析・レポート作成の分担
• 専門役に分けたアプリ開発
• 複数種類のテストを並列実行したいとき

Generate project-specific AGENTS.md and companion rules by analyzing a codebase. Supports full, minimal, update, and dry-run modes with package-manager detection, monorepos, backups, managed blocks, confidence scoring, and command validation.

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。

Framework for building LLM-powered applications with agents, chains, and RAG. Supports multiple providers (OpenAI, Anthropic, Google), 500+ integrations, ReAct agents, tool calling, memory management, and vector store retrieval. Use for building chatbots, question-answering systems, autonomous agents, or RAG applications. Best for rapid prototyping and production deployments.

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。

Give chosen NanoClaw agents a real phone number as a container tool — the `dial` CLI baked into the agent image plus OneCLI credential injection for api.getdial.ai, scoped per agent, so the agents you pick can send SMS, place AI voice calls, and receive verification codes from inside the sandbox. Independent of the Dial channel; idempotent; re-run to change which agents may use it. Use when the user wants agents to text, call, or run `dial …` from a chat, without wiring Dial as a messaging channel.

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。

Coordinate several coding agents in parallel through Superset, each in its own workspace, with follow-ups, progress reads, dependency tracking, and structured results. Use when the user asks to delegate, parallelize, fan out, or split up coding work across agents, workspaces, or hosts, hand work between agents, or monitor workers, including "spin up agents for each of these", "run these in parallel", "what are my workers doing". Not for ordinary single-agent workspace, task, or automation 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。

Provides guidance for automatically evolving and optimizing AI agents across any domain using LLM-driven evolution algorithms. Use when building self-improving agents, optimizing agent prompts and skills against benchmarks, or implementing automated agent evaluation loops.

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。