Automation

agent-browser と Chrome DevTools Protocol (CDP) を使って、VS Code、Slack、Discord、Figma、Notion、Spotify など既存の Electron デスクトップアプリを自動化します。このスキルにより、起動中の Electron アプリに接続し、スナップショットを取得して UI と対話し、デスクトップや業務フローのエンドツーエンド自動化の一部として扱えるようになります。

ブラウザー自動化を使って、コマンドラインから Slack を操作できます。slack スキルは `agent-browser` 経由で、既存の Slack Web セッションに接続し、未読チャンネルの確認、DM のスキャン、会話の検索、データ抽出、構造化レポートの作成などを、より大きなワークフローの一部として実行できます。

Vercel Sandbox microVM 内で headless Chrome とともに agent-browser を実行し、Vercel にデプロイしたアプリから、安全かつスケーラブルに実ブラウザの自動操作・スクリーンショット取得・ページ操作を行えるようにします。

BiRefNet を inference.sh CLI 経由で利用する background-removal スキルで、画像の背景を自動で削除できます。商品写真、ポートレート、EC用画像、透過 PNG、素早い切り抜き作業に最適です。

agent-browser は、inference.sh 経由で Playwright ベースのブラウザを AI エージェントから制御できるスキルです。ページを開き、@e 要素リファレンスを使ってクリック・入力・ドラッグ・ファイルアップロード・コンテンツスクレイピングを行い、スクリーンショットや動画も取得できます。Web 自動化、データ抽出、エージェントによるブラウジングワークフローに最適です。

agent-browser は、AI エージェントやシェルスクリプトから利用できる Chrome/Chromium 自動化用の CLI です。ページを開く、遷移する、クリックする、フォーム入力、スナップショット取得、スクリーンショット撮影、動画録画、パフォーマンス計測、セッション管理、認証処理など、ブラウザーを使ったエンドツーエンドのワークフローを自動化できます。

agent-tools は、あなたのエージェント内で inference.sh の CLI を使えるようにし、1つの場所から 150 以上の AI アプリを実行できるようにします（画像生成、動画生成・編集、LLM、検索、3D、Twitter 自動化など）。FLUX、Veo、Gemini, Grok, Claude, Seedance, OmniHuman, Tavily, Exa, OpenRouter などを、GPU や複雑な個別インテグレーションを管理せずに、ひとつのワークフローランナーでまとめて扱いたい場合に最適です。

ai-automation-workflows をインストールして、inference.sh CLI を使った自動化された AI ワークフローを構築しましょう。バッチ処理、スケジュール実行、イベント駆動パイプライン、エージェント風ループを使ったコンテンツ生成・データ処理・モニタリングの大規模自動化を学べます。

inference.sh CLI を使って、画像と音声トラックから AI アバター／トーキングヘッド動画を生成します。ai-avatar-video は OmniHuman、Fabric、PixVerse Lipsync といったアプリをラップし、音声駆動のアバター、リップシンク動画、バーチャルプレゼンターを作成できます。マーケティング動画、解説動画、SNS 向けコンテンツのワークフローに最適です。

inference.sh CLI を使って、画像・動画・音声・テキスト系ツールをつなぐマルチステップの AI コンテンツパイプラインを設計・実行できます。ai-content-pipeline を使えば、「画像生成 → 動画にアニメーション化 → サウンドやボイスを追加 → YouTube や SNS、マーケティング向けに整形」といったワークフローを自動化できます。

AI 搭載の inference.sh CLI を使ってマーケティング動画を生成します。ai-marketing-videos を使うと、Veo、Seedance、Wan、FLUX、Kokoro voiceover などのモデルを用いて、Facebook、YouTube、Instagram、TikTok 向けのプロモーション動画、プロダクトデモ、解説動画、広告クリエイティブを作成できます。

Kokoro TTS、DIA TTS と inference.sh CLI を使って、テキストから AI 音声ポッドキャストやボイスコンテンツを作成できます。複数ボイスのミックス、BGM の追加、フルエピソードの組み立てまで、ポッドキャスト、オーディオブック、音声ニュースレター向けの制作を自動化します。

inference.sh CLI を使って、Web検索ツール（Tavily, Exa）と LLM（Claude, GPT-4, Gemini via OpenRouter）を組み合わせた Retrieval Augmented Generation (RAG) パイプラインを構築できます。リサーチエージェント、ファクトチェック、根拠付きの回答が必要な AI アシスタントに最適です。

既存の Azure ワークロードについて、プラン、ティア、SKU 間の評価とアップグレードを段階的なガイド付きワークフローで実行できます。azure-upgrade を使うと、Consumption から Flex Consumption への移行、Azure Functions プランの切り替え、ホスティングティアの変更、App Service から Container Apps への移行などを、アセスメントレポートと自動化されたアップグレード手順とあわせて実行できます。

公式 CLI を使って inference.sh アプリを構築・デプロイするためのスキルガイドです。アプリのスキャフォールド、必須ファイル、リソース設定、Python / Node.js バックエンド向けのデプロイ基本を扱います。

content-repurposing を使うと、1つの長尺コンテンツから、ソーシャル投稿、スレッド、カルーセル、引用カードなど、複数フォーマットのコンテンツを一括で生成できます。inference.sh CLI を使って、AI によるコンテンツの「アトマイズ（細分化）」を行いたいコンテンツマーケターやクリエイター向けに設計されています。

Dia TTS と ElevenLabs を inference.sh CLI 経由で利用し、複数話者のリアルな会話音声を生成します。dialogue-audio スキルを使うと、ポッドキャスト、オーディオブック、解説コンテンツ、キャラクターシーンなどの会話コンテンツ向けに、話者・感情・テンポ・会話の流れを細かくコントロールできます。

複数の独立した AI エージェントを、それぞれ専用のコンテキストとタスク領域を持たせて並列に設計・実行します。

Microsoft Entra ID のアプリ登録、OAuth 2.0 フロー、API パーミッション、コンソール / バックエンド アプリ向けの MSAL ベース認証例について、スキルとしてのガイダンスを提供します。

executing-plans スキルを使うと、既に書かれている実装プランを読み込み、批判的にレビューしたうえで、チェックポイントとステータス管理付きで小さな開発タスクを順に実行できます。

実装が完了しテストが通った後の Git 開発ブランチをきれいに終わらせるための構造化ワークフローを提供し、ローカルマージ、push と PR、ブランチを残す／破棄する、といった選択をガイドします。

1つのセッションの中で、タスクごとに専用の subagent を立ち上げ、仕様レビューとコード品質レビューまで含めて開発をオーケストレーションします。

現在の作業ツリーからきちんと分離された状態で新しい機能開発を始めたいときに使います。using-git-worktrees は、ディレクトリ選択と安全確認を自動化し、安全で整理された Git worktree を作成するのに役立ちます。