Ai Agents

iterative-retrieval は、エージェント型の作業でコンテキスト取得を段階的に洗練していくためのワークフローパターンです。サブエージェントがコンテキストを取りすぎたり、逆に足りなさすぎたりするのを防ぎ、iterative-retrieval の導入判断や、Workflow Automation における iterative-retrieval の活用に役立ちます。

continuous-agent-loop は、品質ゲート、評価、復旧手順、明確な停止ルールを備えた再現可能な自律ループをエージェントが実行し、タスクを信頼性高く完了できるよう支援します。

autonomous-loops は、単純な順次パイプラインから、品質ゲートと引き継ぎを備えたマルチエージェント DAG オーケストレーションまで、Claude Code の自律ワークフローを設計するためのスキルです。

autonomous-agent-harness は、Claude Code をメモリ、定期実行、タスク配信、computer use を備えた持続的で自己指向のエージェントシステムに変えます。一度きりのプロンプトでは足りない、エージェントのオーケストレーション、定期チェック、長期稼働のワークフローに適しています。

agentic-engineeringスキルを使って、eval-firstの実行、タスク分解、モデルルーティング、回帰チェック付きのより安全なワークフロー自動化を学べます。

agent-introspection-debugging スキルは、AI エージェントの失敗に対して構造化された自己デバッグのワークフローを提供します。失敗状態を記録し、原因候補を特定し、範囲を限定した回復ステップを適用し、人間が読める introspection レポートを出力します。ループしやすい実行、再試行が多い処理、挙動がずれやすい処理に向いており、通常の検証用途には適していません。

agent-harness-construction は、エージェントのハーネス設計を改善するための実践的なスキルです。ツールのスキーマ、観測フォーマット、エラー復旧、コンテキスト予算管理まで含め、完了率を高めるための設計を支援します。

subagent-driven-development は、実装計画をタスク単位で進めるためのスキルです。各タスクごとに新しい subagent を割り当て、結果はまず仕様適合、その後にコード品質の順で2段階レビューします。implementer、spec reviewer、code quality reviewer 向けのプロンプトテンプレートも含まれています。

dispatching-parallel-agents は、完全に独立したタスクを別々のエージェントへ分割し、コンテキストを分離したまま結果を協調的にまとめるための Agent Orchestration スキルです。

langsmith-fetch は、LangChain と LangGraph エージェント向けのデバッグ skill です。CLI のインストール、LangSmith 認証情報の設定、直近の trace 取得をアシスタントに案内し、trace の根拠に基づいてエラー、ツール呼び出し、メモリ動作、レイテンシ、トークン使用量を分析できるようにします。

langbase-automation は、Composio Rube MCP 経由で Langbase を自動化するための Claude skill です。セットアップ、接続確認、RUBE_SEARCH_TOOLS によるツール検出、安全な Langbase ワークフロー自動化の進め方を確認できます。

griptape-automation は、Composio Rube MCP 経由で Griptape の操作を実行するための Claude スキルです。最新のツールスキーマ検索、アクティブな Griptape 接続の確認、古いパラメータによる失敗を抑えたワークフロー自動化をエージェントに案内します。

flowiseai-automationは、Composio Rube MCPを通じてFlowiseAI関連タスクを自動化するためのスキルです。Rubeをセットアップし、flowiseai接続を確認したうえで、まず現在のツールスキーマを検索し、対応しているワークフロー自動化を安全に実行します。

botsonic-automation は、Composio Rube MCP 経由で Botsonic 操作を自動化するためのスキルです。実行前に現在利用できるツールを探索し、Botsonic 接続を確認し、最新のスキーマを参照してから処理を進められます。

bolna-automation は、Composio Rube MCP を通じて Bolna タスクを自動化するための skill です。最新のツールスキーマを検出し、Bolna 接続を確認したうえで、より安全にワークフロー操作を実行できるようエージェントを支援します。

prompt-engineering-patterns は、本番運用を見据えたプロンプト設計に役立つ実践的なスキルです。導入時の前提整理、再利用しやすいテンプレート、few-shot examples、structured outputs、さらに Context Engineering のためのプロンプト最適化ワークフローまで幅広くカバーします。

evaluation-methodologyは、Model EvaluationにおけるPluginEvalの採点方法を解説するスキルです。評価レイヤー、ルーブリック、合成スコア、バッジ閾値に加え、結果の読み解き方や弱い評価軸の改善に役立つ実践的な指針を確認できます。

langchain-architecture は、LangChain 1.x と LangGraph アプリケーションを設計するためのガイドです。実装に入る前に、chains、agents、retrieval、memory、stateful orchestration のどのパターンを採用するか整理・判断するのに役立ちます。

team-composition-patterns は、Claude Code Agent Teams のマルチエージェントチーム設計に向けた判断スキルです。チーム規模の目安、subagent_type の選び方、表示モードの指針を提供します。この team-composition-patterns ガイドを使って、レビュー/デバッグ向けのプリセットチーム適用、役割の選定、タスク間でのチーム設定の標準化が行えます。

parallel-feature-developmentは、1つの機能を担当範囲が明確なグループに分け、共有インターフェースを早い段階で定義し、マルチエージェントのGitワークフローでより安全なマージ方針を選ぶためのスキルです。ファイルの担当分担、依存関係を踏まえた統合計画、競合を抑えた並行実装の設計に役立ちます。

task-coordination-strategies は、複雑な作業の分解、依存関係の整理、受け入れ条件の定義、並行して進むエージェントや担当者のワークフロー調整を支援し、担当範囲を明確にしながらマージ競合を減らしやすくします。

team-communication-protocols は、agent チーム向けのメッセージ運用ルールを定義するスキルです。direct と broadcast の使い分け、plan approval、shutdown 手順、再利用しやすいテンプレートを通じて、連携の取れた Agent Orchestration を支援します。

agentic-eval は、reflection、rubric ベースの批評、evaluator-optimizer パターンを使って、AI 出力の評価ループをどう構築するかを示す GitHub Copilot スキルです。

agent-governanceは、ツールを使うAIエージェントやマルチエージェントシステム向けに、ガードレール、ポリシーチェック、信頼ルール、ツール制限、監査ログを設計するためのドキュメント主導型スキルです。