探索 MCP Server 与 Agent Skill

io.github.vamseeachanta/workspace-hub/available-skills

automation 的子技能：可用技能（Available Skills）。

io.github.vamseeachanta/workspace-hub/automation

跨 n8n、GitHub Actions、Make 等平台的工作流自动化、CI/CD 流水线与任务编排模式。

io.github.webiny/webiny-js/cms

API — Headless CMS — 124 个抽象。条目、模型与分组事件处理器及用例。

io.github.webiny/webiny-js/db

api/db — 3 个抽象。

io.github.webiny/webiny-js/languages

api/languages — 2 个抽象。

io.github.webiny/webiny-js/mailer

api/mailer — 11 个抽象。

io.github.webiny/webiny-js/tenant-manager

API — Tenant Manager — 9 个抽象。租户管理事件处理器及用例。

io.github.Chachamaru127/claude-code-harness/agent-browser

通过仓库内的 agent-browser CLI 完成浏览器自动化。用于导航、表单、截图、抓取和 Web 应用检查的显式助手；若可用，优先选 Browser Use 或 Playwright。不要用于：分享 URL、嵌入链接或编辑截图文件。

io.github.Fody/Costura/api-docs

按 .NET 规范编写与评审 XML API 文档。触发语：“给类写文档”“加 XML 注释”“写 XML documentation”“加三斜杠注释”“检查文档质量”“排查文档错误”“修复文档问题”“补全缺失文档”“清理 To be added 占位”，以及各类 API 文档请求。

io.github.n8n-io/n8n/setup-mcps

为 n8n 开发配置 MCP 服务器。当用户输入 /setup-mcps 或要求为 n8n 设置 MCP 服务器时使用。

io.github.davidtoby/agent-skills/automation-browser-api-workflows

类级工作流技能：浏览器自动化、API 逆向工程、macOS UI 自动化、tmux/交互式 CLI 控制、MCP 工具调用、摄像头画面抓取，以及用工具/API 直接替代脆弱的 UI 流程。当需要自动化网站/应用、从流量中学习私有站点 API、驱动交互式 CLI、调用 MCP 服务器/工具、采集摄像头帧或控制 macOS UI 时使用。

io.github.MengTo/Skills/css-border-gradient

为高级感 Web 表面施加克制的渐变描边效果。当卡片、价格面板、导航栏、modal、按钮或主视觉区需要精致的边缘高光而非张扬的辉光时使用。

io.github.LeoYeAI/openclaw-master-skills/datadog-monitor-designer

设计能捕获真实生产问题、又不会被噪声触发呼叫的 Datadog 监控。涵盖基于 SLO 的多窗口多燃烧率告警监控、阈值/异常/预测/离群/复合监控类型的取舍、标签驱动路由、停机窗口、按服务层级的监控模板继承、通知消息工程与 runbook 关联。如同一位管理过 4000+ 个 Datadog 监控并精简到 600 个仍能捕获所有真实事故的资深 SRE。熟悉 Datadog 计费杠杆（自定义指标、索引日志、摄取追踪）、from/group_by 与无数据评估的交互、简单告警与多告警的区别，以及哪些监控类型隐性昂贵。适用于监控因表面波动误报、某服务层级需要成体系的监控集、SLO 需转化为燃烧率告警或监控泛滥难以管理时。触发词：“datadog”“datadog monitor”“monitor design”“slo”“burn rate”“anomaly mo

io.github.LeoYeAI/openclaw-master-skills/fly-io-deployer

在 Fly.io 上部署和运维 Node、Python、Go、Rust、Elixir 与 Docker 应用：生产级 fly.toml 编写、Machines API 编排、区域选择（延迟/数据主权/出口流量）、Fly Postgres 集群、用 LiteFS 做 SQLite 复制、Upstash Redis 绑定、Tigris 对象存储、持久卷、WireGuard 私网（6PN）、通过 flyctl 管理密钥、借助自动停机机器实现蓝绿部署、缩零策略、定时扩缩、每个 PR 的预览部署、多区域副本、热配置重载、机器 SSH、日志投递到 Better Stack/Axiom/Datadog/Logtail，以及激进的 cost 调优。触发词：“fly.io”“flyctl”“fly machines”“fly.toml”“fly postgres”“litefs”“tigris”“upstash on fly”“fly deploy”“migrate from heroku”“migrate from render”“migrate from railway”“scale to zero”“fly regions”“fly volumes”“fly wireguard”“6pn”“fly secrets”

skillsmp.neonwatty-css-animation-skill-skill-md

为应用功能生成自包含的 HTML/CSS 动画，用于演示、导览与新手引导。通过 Chrome 调研目标应用、访谈用户、生成结构化简报与动画 HTML 文件，随后进入“冻结-检查-反馈”迭代评审循环直至用户认可。当用户说“css animation”“给这个功能做动画”“创建 CSS 导览”“animation walkthrough”，或想做基于 CSS 的应用功能视觉演示时使用。

io.github.OpenAEV-Platform/openaev/review-frontend

OpenAEV React/TypeScript 代码的前端评审清单：组件模式、表单、MUI 使用、权限、i18n、状态管理、死代码。在评审 PR 或审计前端功能时使用

io.github.elophanto/EloPhanto/nextjs

Next.js 16 的关键要点与参考链接。用于规划、编写与排查 Next.js 16 的变更。

io.github.microsoft/skills-for-fabric/sqldw-operations-cli

通过 CLI 使用 sqlcmd 与 queryinsights 视图分析 Fabric Data Warehouse 性能。诊断慢查询、SQL 池压力、缓存冷启动并推荐聚集索引键。触发词：“DW slow query analysis”“slowest queries warehouse”“queryinsights long running”“warehouse CPU resource consumers”“SQL pool pressure window”“pressure events warehouse”“DW cache warmth cold start”“cache warmth analysis”“warehouse cluster key recommendation”“cluster tables performance”“DW performance baseline comparison”“performance degraded warehouse”“warehouse user query patterns”“queryinsights diagnostics”“DW optimization sqlcmd”。

io.github.eclipse-rdf4j/rdf4j/docker-jfr-benchmark-loop

在 Docker 中针对 Linux Java 26 与 JFR CPU 时间剖析，对单个 JMH 基准运行可重复的 RDF4J 性能循环。在本仓库进行基准引导的性能改动、热点定位、JFR 解读、CPU 瓶颈分析或重复的基线-修复-重跑循环时使用。当请求提及 benchmark、profiling、JFR、hotspot、perf loop、CPU bottleneck 或 RDF4J 的 Docker 基准运行时触发。

io.github.taracodlabs/aiden/docker-management

通过 Docker CLI 与 Dockerode API 管理 Docker 容器、镜像、数据卷与网络

io.github.sickn33/antigravity-awesome-skills/react-patterns

现代 React 模式与原则：Hooks、组件组合、性能优化与 TypeScript 最佳实践。

io.github.sickn33/antigravity-awesome-skills/browser-automation

浏览器自动化支撑着 Web 测试、网页抓取与 AI 代理交互。不稳定的脚本与可靠系统之间的差别，在于对选择器、等待策略与反检测模式的理解。