探索 MCP Server 与 Agent Skill

io.github.ForceInjection/domain-driven-design-skills/automation-pluginagentmarketpla-custom-plugin-qa

生产级测试自动化技能，覆盖 Selenium、Cypress、Playwright、Appium，采用 POM 架构、重试逻辑与 CI/CD 集成。

io.github.ForceInjection/domain-driven-design-skills/automation-scripts-miles990-claude-software-skil

构建自动化程序、任务运行器与脚本工具。

io.github.ForceInjection/domain-driven-design-skills/automation-refactor-macroman5-automationhelper-plu

面向 Power Automate、n8n、Make、Zapier 等平台的专业自动化工作流重构工具。优化既有流程，提升性能、可靠性、可维护性并符合最佳实践。当用户想要改进、优化、重构、修正取值、增强或现代化工作流时触发。分析 JSON、给出改进建议，并在未被明确要求改变功能时保持原有功能输出重构后的流程。

io.github.ForceInjection/domain-driven-design-skills/automation-builder-ddunnock-claude-plugins

分析代码库并生成 Claude Code 自动化基础设施，包括命令、脚本与模板，以系统化执行任务。当用户希望创建可复用的自动化工作流、生成 .claude/commands 文件、编写配套的 bash/python 脚本、为结构化产出建立 Markdown 模板，或沉淀跨项目可用的多步任务执行框架时使用。

io.github.ForceInjection/domain-driven-design-skills/automation-language-selection-csheng-dot-claude

根据任务特征，在生成的自动化代码中选择 Shell 还是 Python。当需要自动化语言选型指导时使用。

io.github.ForceInjection/domain-driven-design-skills/css-fundamentals-pluginagentmarketpla-custom-plugin-css-22670519

CSS 基础 —— 选择器、优先级、盒模型、定位与单位。

io.github.ForceInjection/domain-driven-design-skills/cursor-mem-chachamaru127-claude-code-harness

从 Cursor 访问 claude-mem 的 MCP 服务器，搜索过往会话记录并记录新的观察。触发词：「メモリ検索」「claude-mem」「過去の判断」「記録して」「memory search」「past decisions」。不要在常规编码、临时笔记或实现工作时加载。

io.github.ForceInjection/domain-driven-design-skills/cursor-debate-go-go-golems-docmgr-1fb60d22

发起研究先行、多视角的辩论，基于具体代码库证据探讨复杂技术决策（权衡取舍、架构选型、集成策略）。当用户要求“辩论”方案、比较选项，或在决策前需要结构化探索时使用。

io.github.a5c-ai/babysitter/browser-automation

使用 Playwright、Puppeteer 或 Selenium 自动化浏览器交互——面向 Web 应用的抓取、测试与工作流自动化

io.github.a5c-ai/babysitter/mobile-sensor-integration

集成移动设备传感器——iOS 与 Android 的加速度计、陀螺仪、GPS、摄像头与生物识别 API

io.github.a5c-ai/babysitter/mobile-gui-automation

自动化移动端 GUI 测试——iOS 与 Android 的 UI 元素交互、手势模拟与跨设备视觉回归

io.github.a5c-ai/babysitter/backend-async-processing

实现后端异步与后台处理模式——事件驱动架构、消息队列、异步任务运行器与 Worker 池

io.github.a5c-ai/babysitter/database-testing

测试数据库操作——模式迁移校验、查询正确性、事务完整性与数据一致性检查

io.github.a5c-ai/babysitter/database-drivers-connectors

集成数据库驱动与连接器——连接池、查询构造器、ORM 配置与多数据库抽象层

io.github.Gentleman-Programming/gentle-ai/cognitive-doc-design

编写能降低认知负荷的文档。触发场景：撰写指南、README、RFC、入职手册、架构文档或面向评审的文档。

io.github.nixopus/nixopus/dockerfile-generation

按生态以最佳实践生成生产就绪的多阶段 Dockerfile。当用户需要 Dockerfile、询问容器化方案，或仓库中没有 Dockerfile 时使用

io.github.nixopus/nixopus/dockerignore-generation

按生态生成专属的 .dockerignore 文件，缩减构建上下文体积并防止密钥泄露。当不存在 .dockerignore、构建上下文过大或密钥可能泄入镜像时使用

io.github.nixopus/nixopus/mcp-integrations

MCP 服务器发现、工具调用与 Provider 目录集成。当任务涉及外部服务、第三方工具，或用户询问 MCP 服务器时加载

io.github.nixopus/nixopus/database-migration

在部署期间安全执行数据库迁移——各框架专属命令、pre-deploy 与 post-deploy 时机、健康关卡与回滚策略。当应用有数据库迁移系统且需要在部署过程中运行迁移时使用

io.github.nixopus/nixopus/deploy-flow

完整部署流水线——源检测、提示驱动的分析、项目创建、部署监控与在线 URL 交付。当用户想要部署应用时加载

io.github.nixopus/nixopus/shell-deploy

部署 Shell 脚本应用——解释器检测、setup 脚本与 Dockerfile 模式。在部署 Shell 脚本项目或检测到 start.sh 时使用

io.github.nixopus/nixopus/deployment-analysis

分析仓库以确定生态、部署目标、端口、构建命令与 monorepo 结构。在开始新部署、接入新仓库，或用户询问项目所用技术栈/框架时使用