MCP HubMCP Hub
SKILL·131832

mpc-configurator

a5c-ai
更新日 3 months ago
17 閲覧
331
15
331
GitHubで表示
メタgeneral

について

mpc-configuratorスキルは、化学プロセス制御のためのモデル予測制御の実装を可能にし、モデル同定、コントローラーチューニング、設定を扱います。ステップテスト、CV/MV/DVの選択、制約条件の設定、性能最適化の機能を提供します。開発者は、プロセス制御システムにおいて新しいMPCアプリケーションを実装する場合や、既存のコントローラーを再調整する場合にこれを利用すべきです。

クイックインストール

Claude Code

推奨
メイン
npx skills add a5c-ai/babysitter -a claude-code
プラグインコマンド代替
/plugin add https://github.com/a5c-ai/babysitter
Git クローン代替
git clone https://github.com/a5c-ai/babysitter.git ~/.claude/skills/mpc-configurator

このコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします

GitHub リポジトリ

a5c-ai/babysitter
パス: plugins/babysitter/skills/babysit/process/specializations/domains/science/chemical-engineering/skills/mpc-configurator
0
agent-orchestrationagent-skillsagentic-aiagentic-workflowai-automationbabysitter
FAQ

よくある質問

mpc-configurator Skillとは何ですか?

mpc-configurator はa5c-ai が作成した Claude Skillです。Skillは、Claudeが必要に応じて読み込む指示とリソースをまとめ、追加の指示なしで mpc-configurator に関連するタスクを実行できるようにします。

mpc-configurator をインストールするには?

このページのインストールコマンドを使用してください。mpc-configurator をプラグインとして Claude Code に追加するか、リポジトリを skills ディレクトリにクローンし、Claudeを再起動してSkillを読み込みます。

mpc-configurator はどのカテゴリに属しますか?

mpc-configurator は メタ カテゴリに属します。

mpc-configurator は無料で利用できますか?

はい。mpc-configurator は AIMCP に掲載されており、無料でインストールできます。

関連スキル

content-collections
メタ

このスキルは、Content Collections(Markdown/MDXファイルを型安全なデータコレクションに変換するTypeScriptファーストのツール)の本番環境でテストされた設定を提供します。Zodバリデーションによる型安全性を実現し、ブログ、ドキュメントサイト、コンテンツ重視のVite + Reactアプリケーション構築時にご利用ください。Viteプラグインの設定、MDXコンパイルから、デプロイ最適化、スキーマバリデーションまで、すべてを網羅しています。

スキルを見る
polymarket
メタ

このスキルは、開発者がPolymarket予測市場プラットフォームを活用したアプリケーション構築を可能にします。API統合による取引や市場データの取得に加え、WebSocketを介したリアルタイムデータストリーミングにより、ライブ取引や市場活動を監視できます。取引戦略の実装や、ライブ市場更新を処理するツールの作成にご利用ください。

スキルを見る
creating-opencode-plugins
メタ

このスキルは、開発者がコマンド、ファイル、LSP操作など25種類以上のイベントタイプにフックするOpenCodeプラグインを作成することを支援します。JavaScript/TypeScriptモジュール向けに、プラグイン構造、イベントAPI仕様、および実装パターンを提供します。カスタムイベント駆動ロジックでOpenCode AIアシスタントのライフサイクルをインターセプト、監視、または拡張する必要がある場合にご利用ください。

スキルを見る
sglang
メタ

SGLangは、高性能なLLMサービングフレームワークであり、RadixAttentionプレフィックスキャッシュを活用したJSON、正規表現、エージェントワークフロー向けの高速で構造化された生成を特長とします。特にプレフィックスが繰り返されるタスクにおいて、大幅に高速な推論を実現し、複雑な構造化出力やマルチターン対話に最適です。制約付きデコードが必要な場合や、広範なプレフィックス共有を伴うアプリケーションを構築する場合は、vLLMなどの代替案ではなくSGLangを選択してください。

スキルを見る