について
このスキルは、ナノ材料の安全データシート(SDS)を生成し、危険有害性の分類と規制遵守文書の作成を自動化します。SDS作成ツールや危険有害性データベースなどのツールを活用し、GHS分類、ばく露防止対策、廃棄情報をまとめます。ナノテクノロジーアプリケーション向けの安全性・コンプライアンスワークフローを構築する際に、開発者が使用すべき機能です。
クイックインストール
Claude Code
推奨npx skills add a5c-ai/babysitter -a claude-code/plugin add https://github.com/a5c-ai/babysittergit clone https://github.com/a5c-ai/babysitter.git ~/.claude/skills/nanomaterial-sds-generator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
Frequently asked questions
What is the nanomaterial-sds-generator skill?
nanomaterial-sds-generator is a Claude Skill by a5c-ai. Skills package instructions and resources that Claude loads on demand, so Claude can perform nanomaterial-sds-generator-related tasks without extra prompting.
How do I install nanomaterial-sds-generator?
Use the install commands on this page: add nanomaterial-sds-generator to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does nanomaterial-sds-generator belong to?
nanomaterial-sds-generator is in the Meta category, tagged word and data.
Is nanomaterial-sds-generator free to use?
Yes. nanomaterial-sds-generator is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
関連スキル
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。
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。
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。
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。
