探索 MCP Server 与 Agent Skill

io.github.PostHog/posthog/exploring-llm-traces

使用 PostHog 的 MCP 工具调试并检查 LLM/AI 代理 trace。当用户粘贴 trace 或会话 URL（如 /ai-observability/traces/<id> 或 /ai-observability/sessions/<id>）、要求调试某个 trace、弄清哪里出了问题、检查代理是否正确使用了工具、验证上下文/文件是否被呈现、检查子代理行为、分析 LLM 决策，或研究 token 用量与成本时使用。当针对 `events.properties.$ai_input` / `$ai_output_choices` 的原始 SQL/HogQL 返回为空时也使用——消息内容只存在于专用的 `posthog.ai_events` 表中。

io.github.PostHog/posthog/maintaining-python-tests

维护既有 pytest 与 Django 测试套件，且不放松正确性。当被要求压缩 Python 测试运行时长或 CI 工作量、排查缓慢的 pytest 套件、清理过期的迁移测试、合并重复 setup、提升 Python 测试归属感，或在合并后衡量测试优化是否见效时使用。按实测成本排序工作、将 writing-tests 的价值门槛应用于既有覆盖率、保留彼此独立的行为用例、在改动共享 fixture 后验证隔离性，并区分 testcase 工作与 pytest 套件墙钟时间。遇到偶发失败请改用 fixing-flaky-tests。

io.github.CherryHQ/cherry-studio/code-mate-hermes

以一次性模式运行 Hermes Agent 处理有界的本地任务。当用户明确要求把工作委派给 Hermes 并接受其自动工具批准行为时使用。

io.github.openclaw/openclaw/clawdtributor

处置当前、上周或指定时间窗口内的 Clawtributor PR：发现会话引用、复核 GitHub、按影响排序。

io.github.addyosmani/agent-skills/frontend-ui-engineering

构建生产级、可访问、响应式的用户界面。在构建或修改界面与页面、创建组件、实现布局、满足 WCAG 可访问性要求、管理状态时使用，或当产出需要达到生产质感而非 AI 生成感时使用。

io.github.lobehub/lobehub/compose-atoms

将沉重的领域功能拆解为可挂载的能力原子。适用场景：Viewer/Page/index.tsx 同时承担取数、筛选、变更、弹窗与宿主集成；可视化拆分后页面仍残留 store 调用与 action；portal、嵌入、分享、移动端或微应用需要同一领域的子集；或新能力正以又一个 `readOnly`/`mode`/`variant` 标志落地。触发词：compose-atoms、sink state、状态下沉、重业务拆分、拆成原子、原子组件、组装、god component、fat viewer、module graph、slot composition、host seam。

io.github.sickn33/agentic-awesome-skills/ida-reverse

使用 IDA Pro 逆向二进制文件：反编译、反汇编、数据流跟踪、交叉引用，以及面向 PE/ELF/Mach-O 目标深度静态分析的 IDA MCP 自动化。

io.github.sickn33/agentic-awesome-skills/firmware-pentest

按照 OWASP FSTM 九阶段流程进行固件渗透测试：提取、EMBA 自动化、Firmadyne/QEMU 仿真、AFL++ fuzzing，以及在授权实验室中的实际利用。

io.github.sickn33/agentic-awesome-skills/reverse-browser-automation

自动化浏览器（Playwright）与 Windows 桌面应用（UI 自动化），用于逆向工程取证、UI 驱动的工作流，以及分析过程中的网络观测。

io.github.sickn33/agentic-awesome-skills/src-hunter

Bug bounty/SRC 漏洞挖掘工作流：五阶段方法论（接收、侦察、枚举、挖掘、报告），附 SQLi、XSS、RCE、SSRF、IDOR、CSRF、路径穿越与文件上传等攻击 playbook。

io.github.sickn33/agentic-awesome-skills/pentest-tools

通过结构化工作流操作 20+ 款渗透测试工具（Nmap、Nuclei、SQLMap、FFUF、Hashcat 等），并统一输出处理。

io.github.sickn33/agentic-awesome-skills/mobile-reverse

授权范围内的 Android/iOS 应用逆向与安全测试：APK/IPA 分析、运行时插桩（Frida/Objection）、SSL-pinning 与越狱/ROOT 检测绕过，遵循 OWASP MASTG。

io.github.sickn33/agentic-awesome-skills/docs-generator

基于已完成的分析生成技术交付物：逆向报告、渗透测试报告、CTF write-up 与签名分析文档，采用证据支撑的结构。

io.github.sickn33/agentic-awesome-skills/cloud-k8s

授权范围内的云、容器与 Kubernetes 安全评估：metadata SSRF、IAM 配置错误、容器逃逸路径与集群 RBAC 审查。

io.github.sickn33/agentic-awesome-skills/pwn-chain

从逆向工程到可用 exploit：使用 pwntools、libc-database、ROP 的栈/堆/内核 pwn 工作流，以及从 CTF 到授权远程目标的利用稳定化。

io.github.sickn33/agentic-awesome-skills/database-security

在授权范围内对 PostgreSQL、MySQL、MSSQL、MongoDB 与 Redis 进行数据库安全评估：暴露面、授权缺口、UDF/命令执行路径与错误配置审查。

io.github.apple/container/container

在 macOS 上运行、构建或管理 Linux 容器,或任务涉及 Mac 上的 Docker、docker compose、Lima、Colima、Podman 命令、Dockerfile、OCI 镜像、镜像仓库,或在 Apple silicon 上搭建 Linux 开发环境时使用。

io.github.getsentry/sentry/feature-flags

将 Sentry 功能置于 FlagPole feature flag 之后。在添加 feature flag、在 temporary.py 中注册 flag、从 Python 或前端检查 flag、在测试中启用 flag，或被问到 FlagPole rollout 配置位置时使用。触发语：“add a feature flag”“gate this behind a flag”“register a flag”“features.has”“api_expose”“OrganizationFeature”“ProjectFeature”“FlagPole”。

io.github.PostHog/posthog/formatting-insight-axes

在通过 `posthog:insight-create` 或 `posthog:insight-update` 创建或更新 insight 时选对 y 轴单位——同时覆盖 TrendsQuery（`trendsFilter.aggregationAxisFormat`）与 SQL insight（`DataVisualizationNode`、`chartSettings.yAxis[].settings.formatting`）。当代理即将仅为换算单位添加 `formula`（如把秒除以 60 显示为分钟）、`math_property` 或 SQL 列是时长、货币、比率或大计数，或用户在图表 insight 语境中提到“格式化 y 轴”“duration”“seconds”“minutes”“hours”“milliseconds”“ms”“percentage”“%%”“currency”“decimals”“axis label”“axis unit”时使用。

io.github.bentoml/BentoML/bentoml-deploy-scriptgen

生成可独立提交进仓库的生产部署脚本包（deploy/deploy.py + 一份仅含覆盖项的 config.yml——Kubernetes manifest 由它渲染），无需 agent 参与即可完成构建、容器化、推送、部署与验证 BentoML 服务——可在终端或 CI/CD 中运行。当用户说“generate a deployment script”“deploy from CI/CD”“set up a production deployment pipeline”“deploy without the agent”“give me a script I can commit to deploy this”“automate my BentoML deploys”等时使用。与交互式技能互补：bentoml-containerize、bentoml-k8s-deploy、bentoml-ec2-deploy 是在有你在场的情况下完成一次部署，本技能则产出可无限重复的脚本。支持 Kubernetes 与 EC2 目标。

io.github.bentoml/BentoML/bentoml-ec2-deploy

用 Docker 将容器化的 BentoML 服务直接部署到一台或多台裸 AWS EC2 实例——不用 Kubernetes。接收已推送的容器镜像（由 bentoml-containerize 技能构建），或通过 SSH 使用用户既有实例，或经 AWS CLI 开通新实例（SSM AMI 查询、安全组、密钥对），以重启自恢复方式运行容器，并用真实推理请求验证。当用户说“deploy my BentoML service to EC2”“run my bento on an AWS VM”“deploy this bento image to an EC2 instance”“run my BentoML container on AWS without Kubernetes”“put my bento on a cloud VM”等时使用。Kubernetes 目标请改用 bentoml-k8s-deploy。

io.github.bentoml/BentoML/bentoml-k8s-deploy

使用纯 kubectl manifest（不用 Helm、operator 或 BentoCloud/Yatai）将容器化的 BentoML 服务部署到 vanilla Kubernetes 集群。接收已推送的容器镜像（来自 bentoml-containerize 技能），探测 bento 的服务拓扑，为部署编写一份 `config.yml`，并据此为每个 BentoML 服务渲染一个 Deployment + Service（外加可选 HPA/Ingress），按依赖顺序应用，并用真实推理请求验证 rollout。当用户说“deploy my BentoML service to Kubernetes”“deploy this bento image to my cluster”“run my bento on k8s”“create k8s manifests for my bento”“split my bento services into separate pods”“expose my BentoML service in Kubernetes”等时使用。也可诊断失败的部署——“my BentoML pods are crashing”“ImagePullBackOff”“pod stuck Pending”“readiness probe failing”“rollout stuck”“can't reach my service on Kubernetes”“inference 4xx/5xx”。