MCP HubMCP Hub
Retour aux compétences

skill-creator

swarmclawai
Mis à jour 5 days ago
556
112
556
Voir sur GitHub
Métaapi

À propos

Le créateur de compétences aide les développeurs à construire, modifier et auditer des compétences modulaires pour les agents SwarmClaw. Il est déclenché pour des tâches telles que la création d'une nouvelle compétence à partir de zéro ou l'amélioration, la révision et le nettoyage de fichiers et de répertoires de compétences existants. Cette compétence fournit des conseils spécialisés pour rédiger des compétences efficaces qui ajoutent des flux de travail, des intégrations d'outils et des connaissances métier aux agents.

Installation rapide

Claude Code

Recommandé
Principal
npx skills add swarmclawai/swarmclaw -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/swarmclawai/swarmclaw
Git CloneAlternatif
git clone https://github.com/swarmclawai/swarmclaw.git ~/.claude/skills/skill-creator

Copiez et collez cette commande dans Claude Code pour installer cette compétence

Documentation

Skill Creator

Guidance for creating effective skills that extend SwarmClaw agent capabilities.

About Skills

Skills are modular, self-contained packages that provide specialized knowledge, workflows, and tools. They transform a general-purpose agent into a specialized one equipped with procedural knowledge that no model can fully possess.

What Skills Provide

  1. Specialized workflows — multi-step procedures for specific domains
  2. Tool integrations — instructions for working with specific file formats or APIs
  3. Domain expertise — company-specific knowledge, schemas, business logic
  4. Bundled resources — scripts, references, and assets for complex and repetitive tasks

Core Principles

Concise is Key

The context window is a shared resource. Only add context the agent doesn't already have. Challenge each piece of information: "Does the agent really need this explanation?" Prefer concise examples over verbose explanations.

Set Appropriate Degrees of Freedom

  • High freedom (text instructions): Multiple valid approaches, context-dependent decisions
  • Medium freedom (pseudocode/parameterized scripts): Preferred pattern exists, some variation OK
  • Low freedom (specific scripts): Fragile operations, consistency critical, exact sequence required

Anatomy of a Skill

skill-name/
├── SKILL.md (required)
│   ├── YAML frontmatter (name + description, required)
│   └── Markdown instructions (required)
└── Bundled Resources (optional)
    ├── scripts/      — Executable code (Python/Bash/etc.)
    ├── references/   — Documentation loaded into context as needed
    └── assets/       — Files used in output (templates, icons, fonts)

Frontmatter

  • name: Skill name (hyphen-case, lowercase)
  • description: Primary triggering mechanism. Include what the skill does AND when to use it. All "when to use" info goes here — not in the body.

Scripts (scripts/)

Executable code for tasks that require deterministic reliability or are repeatedly rewritten. Token efficient and may be executed without loading into context.

References (references/)

Documentation loaded as needed to inform the agent's process. Keep only essential instructions in SKILL.md; move detailed reference material here.

Assets (assets/)

Files not loaded into context but used in output (templates, images, fonts). Separates output resources from documentation.

What NOT to Include

  • README.md, CHANGELOG.md, INSTALLATION_GUIDE.md, or other auxiliary docs
  • Setup/testing procedures or user-facing documentation
  • Information the agent already knows from general training

Skill Creation Process

  1. Understand the skill with concrete examples
  2. Plan reusable contents (scripts, references, assets)
  3. Initialize the skill
  4. Edit the skill (implement resources, write SKILL.md)
  5. Validate the skill
  6. Iterate based on real usage

Skill Naming

  • Lowercase letters, digits, and hyphens only (hyphen-case)
  • Under 64 characters
  • Prefer short, verb-led phrases describing the action
  • Name the skill folder exactly after the skill name

Step 1: Understanding with Concrete Examples

Ask the user clarifying questions:

  • What functionality should the skill support?
  • Can you give examples of how it would be used?
  • What would a user say that should trigger this skill?

Step 2: Planning Reusable Contents

Analyze each example to identify what scripts, references, and assets would be helpful:

  • Repeated codescripts/ (e.g., scripts/rotate_pdf.py)
  • Boilerplateassets/ (e.g., assets/hello-world/ template)
  • Domain knowledgereferences/ (e.g., references/schema.md)

Step 3: Initializing the Skill

Use the bundled init script to create the directory structure:

python3 {baseDir}/scripts/init_skill.py <skill-name> --path <output-directory> [--resources scripts,references,assets] [--examples]

Examples:

python3 {baseDir}/scripts/init_skill.py my-skill --path skills
python3 {baseDir}/scripts/init_skill.py my-skill --path skills --resources scripts,references

Step 4: Edit the Skill

Write instructions that would help another agent instance execute tasks effectively. Include information that is beneficial and non-obvious.

Writing guidelines: Use imperative/infinitive form. Keep SKILL.md body under 500 lines.

Frontmatter description: Include both what the skill does and specific triggers for when to use it. This is the primary mechanism for skill selection.

Step 5: Validate the Skill

Run the validator to check structure and frontmatter:

python3 {baseDir}/scripts/quick_validate.py <path/to/skill-folder>

Step 6: Iterate

  1. Use the skill on real tasks
  2. Notice struggles or inefficiencies
  3. Update SKILL.md or bundled resources
  4. Test again

Progressive Disclosure

Skills use a three-level loading system:

  1. Metadata (name + description) — always in context (~100 words)
  2. SKILL.md body — when skill triggers (<5k words)
  3. Bundled resources — as needed (unlimited, since scripts can be executed without reading)

Keep SKILL.md lean. Move detailed information to reference files and describe clearly when to read them.

Dépôt GitHub

swarmclawai/swarmclaw
Chemin: skills/skill-creator
0
agent-frameworkagent-memoryagent-runtimeagent-swarmagentsai

Compétences associées

content-collections

Méta

Cette compétence propose une configuration éprouvée en production pour Content Collections, un outil axé sur TypeScript qui transforme des fichiers Markdown/MDX en collections de données typées de manière sûre avec une validation Zod. Utilisez-la lors de la création de blogs, de sites de documentation ou d'applications Vite + React riches en contenu pour garantir la sécurité de typage et la validation automatique du contenu. Elle couvre tout, de la configuration du plugin Vite et de la compilation MDX à l'optimisation des déploiements et la validation des schémas.

Voir la compétence

polymarket

Méta

Cette compétence permet aux développeurs de créer des applications avec la plateforme de marchés prédictifs Polymarket, incluant l'intégration d'API pour le trading et les données de marché. Elle fournit également une diffusion de données en temps réel via WebSocket pour surveiller les transactions en direct et l'activité du marché. Utilisez-la pour mettre en œuvre des stratégies de trading ou pour créer des outils traitant les mises à jour de marché en direct.

Voir la compétence

creating-opencode-plugins

Méta

Cette compétence aide les développeurs à créer des plugins OpenCode qui s'interconnectent avec plus de 25 types d'événements tels que les commandes, les fichiers et les opérations LSP. Elle fournit la structure du plugin, les spécifications de l'API événementielle et les modèles d'implémentation pour les modules JavaScript/TypeScript. Utilisez-la lorsque vous avez besoin d'intercepter, de surveiller ou d'étendre le cycle de vie de l'assistant IA OpenCode avec une logique personnalisée pilotée par les événements.

Voir la compétence

sglang

Méta

SGLang est un framework de service LLM haute performance spécialisé dans la génération rapide et structurée pour les workflows JSON, regex et agentiques grâce à son cache de préfixe RadixAttention. Il offre une inférence nettement plus rapide, particulièrement pour les tâches avec des préfixes répétés, ce qui le rend idéal pour les sorties complexes et structurées ainsi que les conversations multi-tours. Choisissez SGLang plutôt que des alternatives comme vLLM lorsque vous avez besoin d'un décodage contraint ou que vous construisez des applications avec un partage étendu de préfixes.

Voir la compétence