MCP HubMCP Hub
SKILL·C43869

unknown-tool-skill

avifenesh
更新日 4 months ago
11 閲覧
447
34
447
GitHubで表示
メタtesting

について

このスキルは、Claudeが未知またはサポートされていないツールを適切に検証するかをテストするために使用されます。FakeToolやUnknownToolなどの未定義ツールを参照し、適切なエラーハンドリングを検証します。開発者はClaude Codeにおける検証テストシナリオ専用に使用してください。

クイックインストール

Claude Code

推奨
メイン
npx skills add avifenesh/agnix -a claude-code
プラグインコマンド代替
/plugin add https://github.com/avifenesh/agnix
Git クローン代替
git clone https://github.com/avifenesh/agnix.git ~/.claude/skills/unknown-tool-skill

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

ドキュメント

This skill references unknown tools. Tools must be known Claude Code tools: Bash, Read, Write, Edit, Grep, Glob, Task, etc.

GitHub リポジトリ

avifenesh/agnix
パス: tests/fixtures/invalid/skills/unknown-tool
0
agentaiai-agentsai-coding-assistantclaudecli
FAQ

よくある質問

unknown-tool-skill Skillとは何ですか?

unknown-tool-skill はavifenesh 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 unknown-tool-skill に関連するタスクを実行できるようにします。

unknown-tool-skill 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。unknown-tool-skill 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。

unknown-tool-skill はどのカテゴリに属しますか?

unknown-tool-skill は メタ カテゴリに属します。

unknown-tool-skill は無料で利用できますか?

はい。unknown-tool-skill 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