探索 MCP Server 与 Agent Skill

io.github.novuhq/novu/framework-integration

用 @novu/framework 构建代码优先的通知工作流。适用场景：在 TypeScript 中定义工作流（Zod / JSON Schema / Class Validator）、组合通道步骤（邮件、短信、推送、聊天、应用内）与动作步骤（delay、digest、custom）、为非技术同事暴露 Step Controls、渲染 React/Vue/Svelte 邮件模板、在 Next.js、Express、NestJS、Remix、Nuxt、SvelteKit、H3 或 AWS Lambda 中托管 Bridge Endpoint、通过 CLI / GitHub Actions 同步到 Novu Cloud、用 HMAC 保障生产安全，或以代码实现翻译、hydration、多通道编排与 LLM 驱动的通知逻辑。

io.github.novuhq/novu/inbox-integration

把 Novu 的应用内通知收件箱集成进 Web 应用。支持 React、Next.js 与原生 JavaScript。包括 Inbox 组件（铃铛图标+通知流）、可组合组件（Bell、Notifications、InboxContent、Preferences）、headless hooks、品牌主题、自定义 render props、基于 context 的多租户、标签页、本地化与 HMAC 安全。当需要添加应用内通知中心、铃铛图标、通知流、实时通知更新，或构建个性化且带品牌的通知体验时使用。

io.github.novuhq/novu/design-workflow

以 Novu 之道设计通知工作流——选择通道、设定严重级别、判定工作流何时为关键、配置 digest，并基于订阅者状态做路由。同时适用于控制台编排与代码优先（`@novu/framework`）的工作流。在规划新工作流、决定纳入哪些通道、选择严重级别、配置 digest 行为，或把用例（订单确认、支付失败、账号封禁、评论、试用到期、密码重置、webhook 扇出、先取数后通知）匹配到成熟模板时使用。

io.github.sickn33/antigravity-awesome-skills/github-actions-debugger

通过解析运行日志与流水线定义，诊断、分析并修复失败的 GitHub Actions 工作流的专门技能。

io.github.microsoft/fast/typescript

在 FAST monorepo 处理 TypeScript 变更时使用本指南——编写 Web Components、模板与样式、使用 observable/响应式系统，以及测试。

io.github.irahardianto/awesome-agv/nextjs-idioms

Next.js App Router、RSC、Server Actions、ISR。React 相关内容见 react-idioms，TypeScript 相关内容见 typescript-idioms。

io.github.boshu2/agentops/refactor

执行安全重构。

io.github.browserbase/skills/browser-use-to-stagehand

把 browser-use（Python）浏览器自动化脚本迁移为 Browserbase 上的 Stagehand v3（TypeScript）。当用户想转换、移植、重写或迁移 browser-use Agent 脚本到 Stagehand、把 browser-use 特性/API 映射到 Stagehand 原语（act/extract/observe/agent），或在 Browserbase 上构建更具确定性的智能浏览器自动化时使用。触发词：「browser-use」「browser_use」或「Agent(task=...)」。

io.github.saeedkolivand/ai-job-hunter-app/automation-standards

抓取与 AI 供应商规范 —— Scraper trait 与 SCRAPERS 注册表、选择器容错、限流与任务取消，以及 embeddings/流式输出/提示词所遵循的供应商抽象（零改动切换）规则。在改动 scraping/、ai_provider/、packages/prompts、documents/embed 下的代码时加载。

io.github.garrytan/gstack/codex

对 OpenAI Codex CLI 的封装——三种模式。（gstack）

io.github.garrytan/gstack/review

合并前的 PR 审查。（gstack）

io.github.robinebers/openusage/macos-view-refactor

把 macOS SwiftUI 视图与 scene 重构为稳定结构。在拆分大视图、收紧 scene 状态或收窄 AppKit 逃生口时使用。

io.github.fastapi/sqlmodel/sqlmodel

在用 SQLModel 编写或审阅 Python 代码时使用，尤其是模型、会话、查询、FastAPI 集成、关系、link 模型、创建、更新与删除。

io.github.metabase/metabase/e2e-test-review

审查 Cypress E2E spec 文件是否符合 Metabase 约定，识别常见坑与 flaky/性能问题。在审查 e2e/test/scenarios/ 下包含 Cypress spec 文件的 PR 或 diff 时使用。

io.github.sickn33/antigravity-awesome-skills/review-animations

在严格的工艺、性能、无障碍性与交互质量标尺下审查动画与动效代码时使用。

io.github.higress-group/himarket/backend-coding-standards

HiMarket 后端（Java 与 Spring Boot）编码规范。在修改或审查 himarket-server、himarket-dal、himarket-bootstrap、后端 Maven POM、Flyway SQL、controller、service、DTO、repository、校验、日志、异常或后端测试时使用。编辑前先阅读 docs/standards/backend。

io.github.proma-ai/Proma/automation

Proma 内嵌自动任务与定时任务 Skill，属于 Proma 自带能力而不是用户临时安装的外部 Skill。触发要非常宽泛、非常冗余：只要用户的话里出现任何“未来还要做”“以后继续看”“重复做”“再跑一次也有价值”“定期/周期/每天/每周/每月/每隔一段时间”“持续关注/持续观察/长期跟进/长期监控”“自动检查/自动汇总/自动生成/自动复盘/自动维护”“无人值守”“有变化告诉我”“异常时提醒我”“结果不好就调整”“查看运行记录”“优化已有任务”“暂停/恢复/删除/立即运行任务”等迹象，就应该触发此 Skill，先判断是否适合 Proma 定时任务。也要覆盖一次性与有限次的延时执行信号：“X 小时/天后跑一次”“过一会儿/晚点/稍后自动做”“到某个具体时间点执行一次”“跑几次/连续观察 N 次就停”——这类未来无人值守的延时任务现在同样适合 Proma 定时任务（用 once 或 maxRuns），不要再一概当成不支持。模糊场景也可以触发：例行报告、日报周报、项目状态、GitHub/邮件/飞书/文件/发布/CI/价格/竞品/数据源的反复检查，重复研究流程，定期整理知识，自动化工作流维护。高频触发不代表必须创建任务；纯提醒/闹钟/倒计时、需要用户实时参与判断、或结果没有任何留存价值的事，要明确说明不推荐创建 Proma 定时任务，并给出替代做法。

io.github.jeremylongshore/claude-code-plugins-plus-skills/databricks-deploy-integration

用 Declarative Automation Bundles 部署 Databricks 作业与数据管道。用于跨环境部署作业、管理部署或搭建部署自动化。触发语如 “databricks deploy”、“asset bundles”、“databricks deployment”、“deploy to production”、“bundle deploy”。

io.github.facebook/openzl/openzl-codec-design

OpenZL 编解码器（位于 `src/openzl/codecs/`）的设计模式与要求。在 OpenZL 中创建、修改或评审编解码器时**自动使用**。

io.github.bage2014/study/common-dockerize

Docker容器化技能，生成Docker配置文件

io.github.pierrecomputer/pierre/typescript-monorepo

在新增或修改 packages/apps、TypeScript 配置、workspace 依赖、项目引用、exports 或 monorepo 项目引用关系时使用。

io.github.google/skills/agent-platform-deploy

从 Model Garden 部署开放模型或自定义权重到 Agent Platform 端点，检查部署状态、验证 serving 端点，或通过卸载模型与删除端点清理资源。当被要求部署 Agent Platform 模型、列出可用 Model Garden 模型、检查模型可部署性、查询部署成本、排查部署错误（如配额限制），或卸载/清理端点时使用。复制并部署 1P Tuned Model 时也使用。不用于公共 Vertex AI 部署（用 `vertex-deploy` 技能）或运行模型评测（用 `agent-platform-eval` 技能）。