MCP HubMCP Hub
SKILL·F28B03

mcda-analyzer

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

について

mcda-analyzerスキルは、AHP、TOPSIS、および加重スコアリング手法を用いた多基準意思決定分析を提供し、複数の基準に対して代替案を比較します。ペアワイズ比較、一貫性チェック、感度分析、意思決定の可視化を可能にします。競合する優先事項を伴う複雑な選択肢を評価するための構造化された意思決定支援が必要な場合に、このスキルをご利用ください。

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/mcda-analyzer

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/industrial-engineering/skills/mcda-analyzer
0
agent-orchestrationagent-skillsagentic-aiagentic-workflowai-automationbabysitter
FAQ

よくある質問

mcda-analyzer Skillとは何ですか?

mcda-analyzer 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 mcda-analyzer に関連するタスクを実行できるようにします。

mcda-analyzer 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。mcda-analyzer 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。

mcda-analyzer はどのカテゴリに属しますか?

mcda-analyzer は メタ カテゴリに属します。

mcda-analyzer は無料で利用できますか?

はい。mcda-analyzer 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