MCP HubMCP Hub
Вернуться к навыкам

install-putior

pjt222
Обновлено Yesterday
1 просмотров
17
2
17
Посмотреть на GitHub
Метаaiapimcpautomationdesign

О программе

Этот навык устанавливает и настраивает R-пакет `putior` для визуализации рабочих процессов, обрабатывая установку как из CRAN, так и из GitHub, включая опциональные зависимости. Он проверяет работоспособность полного конвейера от аннотаций до диаграмм. Используйте его для первоначальной настройки, подготовки окружения или восстановления среды после обновлений.

Быстрая установка

Claude Code

Рекомендуется
Основной
npx skills add pjt222/agent-almanac -a claude-code
Команда плагинаАльтернативный
/plugin add https://github.com/pjt222/agent-almanac
Git клонированиеАльтернативный
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/install-putior

Скопируйте и вставьте эту команду в Claude Code для установки этого навыка

Документация

Install putior

Install putior R pkg + optional deps → annotation-to-diagram pipeline ready.

Use When

  • First-time setup in project/env
  • Prep machine for workflow viz
  • Downstream skill (analyze-codebase-workflow, generate-workflow-diagram) needs it
  • Restore after R ver upgrade / renv wipe

In

  • Required: R install (≥4.1.0)
  • Optional: CRAN (default) or GitHub dev ver
  • Optional: opt deps: MCP (mcptools, ellmer), interactive (shiny, shinyAce), logging (logger), ACP (plumber2)

Do

Step 1: Verify R install

R.Version()$version.string
# Must be >= 4.1.0
# From WSL with Windows R
"/mnt/c/Program Files/R/R-4.5.2/bin/Rscript.exe" -e "cat(R.version.string)"

→ R version printed, ≥4.1.0.

If err: install/upgrade R. Windows → https://cran.r-project.org/bin/windows/base/. Linux → sudo apt install r-base.

Step 2: Install putior

# CRAN (recommended)
install.packages("putior")

# GitHub dev version (if latest features needed)
remotes::install_github("pjt222/putior")

→ Installs no errors. library(putior) loads silently.

If err: CRAN fails "not available for R ver" → use GitHub. GitHub fails → check remotes installed: install.packages("remotes").

Step 3: Optional deps

# MCP server integration (for AI assistant access)
remotes::install_github("posit-dev/mcptools")
install.packages("ellmer")

# Interactive sandbox
install.packages("shiny")
install.packages("shinyAce")

# Structured logging
install.packages("logger")

# ACP server (agent-to-agent communication)
install.packages("plumber2")

→ Each installs no errors.

If err: mcptoolsremotes first. Linux system dep errs → install libs (e.g., sudo apt install libcurl4-openssl-dev for httr2).

Step 4: Verify

library(putior)

# Check package version
packageVersion("putior")

# Verify core functions are available
stopifnot(
  is.function(put),
  is.function(put_auto),
  is.function(put_diagram),
  is.function(put_generate),
  is.function(put_merge),
  is.function(put_theme)
)

# Test basic pipeline with a temp file
tmp <- tempfile(fileext = ".R")
writeLines("# put id:'test', label:'Hello putior'", tmp)
cat(put_diagram(put(tmp)))

→ Mermaid flowchart w/ test + Hello putior.

Key defaults: All scan fns (put(), put_auto(), put_generate(), put_merge()) default recursive = TRUE, scan subdirs auto. Breaking change from pre-0.2.0 where default was FALSE. All accept exclude param for regex file filtering (e.g., put("./src/", exclude = "test_")).

If shiny installed → interactive sandbox:

putior::run_sandbox()

Browser-based editor for PUT annotation syntax + real-time diagrams.

If err: put not found → pkg didn't install correctly. Reinstall install.packages("putior", dependencies = TRUE). Empty diagram → verify temp file + annotation uses single quotes inside double.

Check

  • library(putior) loads no errors
  • packageVersion("putior") valid version
  • put() on valid PUT annotation → DF w/ 1 row
  • put_diagram() → Mermaid starting flowchart
  • All requested opt deps load no errors

Traps

  • Wrong quote nesting: PUT uses single quotes inside annotation: id:'name' not id:"name" (conflicts w/ comment string delim).
  • Missing Pandoc for vignettes: build local → set RSTUDIO_PANDOC in .Renviron.
  • renv isolation: renv project → install inside renv lib: renv::install("putior") not install.packages().
  • GitHub rate limits: mcptools from GitHub may fail w/o GITHUB_PAT. Set via usethis::create_github_token().

  • analyze-codebase-workflow — next step post-install
  • configure-putior-mcp — MCP server after opt deps
  • manage-renv-dependencies — putior within renv env
  • configure-mcp-server — general MCP config

GitHub репозиторий

pjt222/agent-almanac
Путь: i18n/caveman-ultra/skills/install-putior
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Похожие навыки

content-collections

Мета

Этот навык предоставляет проверенную в продакшене настройку для Content Collections — TypeScript-ориентированного инструмента, который преобразует файлы Markdown/MDX в типобезопасные коллекции данных с валидацией Zod. Используйте его при создании блогов, сайтов документации или контентных приложений на Vite + React для обеспечения типобезопасности и автоматической проверки содержимого. Он охватывает всё: от настройки плагина Vite и компиляции MDX до оптимизации развертывания и валидации схем.

Просмотреть навык

polymarket

Мета

Этот навык позволяет разработчикам создавать приложения на платформе прогнозных рынков Polymarket, включая интеграцию с API для торговли и получения рыночных данных. Он также обеспечивает потоковую передачу данных в реальном времени через WebSocket для отслеживания текущих сделок и рыночной активности. Используйте его для реализации торговых стратегий или создания инструментов, обрабатывающих обновления рынка в реальном времени.

Просмотреть навык

creating-opencode-plugins

Мета

Этот навык помогает разработчикам создавать плагины OpenCode, которые подключаются к более чем 25 типам событий, таким как команды, файлы и операции LSP. Он предоставляет структуру плагина, спецификации API событий и шаблоны реализации для модулей на JavaScript/TypeScript. Используйте его, когда вам нужно перехватывать, отслеживать или расширять жизненный цикл ассистента OpenCode AI с помощью пользовательской событийно-ориентированной логики.

Просмотреть навык

sglang

Мета

SGLang — это высокопроизводительный фреймворк для обслуживания больших языковых моделей (LLM), специализирующийся на быстрой структурированной генерации JSON, regex и рабочих процессов агентов с использованием кэширования префиксов RadixAttention. Он обеспечивает значительно более высокую скорость вывода, особенно для задач с повторяющимися префиксами, что делает его идеальным для сложных структурированных результатов и многократных диалогов. Выбирайте SGLang вместо альтернатив, таких как vLLM, когда вам требуется ограниченное декодирование или вы создаете приложения с интенсивным совместным использованием префиксов.

Просмотреть навык