SKILL DIRECTORY
설치 수와 최근 흐름을 기준으로 필요한 Agent Skill을 찾아보세요.
skills.sh API 기준방금 확인
이 스킬은 사용자가 “에이전트를 개발”하거나, "ADK를 사용하여 에이전트를 빌드", "에이전트를 로컬에서 실행", "에이전트 코드 디버깅", "에이전트 테스트", "에이전트 배포", "에이전트 게시", "에이전트 모니터링"을 원할 때, 또는 ADK(Agent Development Kit) 개발 라이프사이클 및 코딩 지침이 필요한 경우에 사용해야 합니다. ADK 에이전트 빌드의 시작점입니다. 항상 활성화되어 있으며, ADK 또는 모든 에이전트 개발을 위한 전체 워크플로(스캐폴드, 빌드, 평가, 배포, 게시, 관찰), 코드 보존 규칙, 모델 선택 지침 및 문제 해결 단계를 제공합니다.
특정 사례에 대한 실제 총 비용과 락인(lock-in) 요인을 면밀히 분석하여 랜딩 페이지 또는 세일즈 퍼널 플랫폼을 선택하세요. ClickFunnels, CartFlows, FunnelKit, systeme.io, GoHighLevel, Shopify 앱, 수작업으로 제작한 페이지, 자체 호스팅 오픈소스 옵션 등을 비교해 보세요. 어떤 퍼널 빌더나 랜딩 페이지 빌더를 사용해야 할지, ClickFunnels를 계속 사용할지, 자체 호스팅 또는 오픈소스 대안이 가치가 있는지, 퍼널 소프트웨어 비용을 절감하는 방법이 무엇인지에 대한 질문이 있을 때 활용하세요.
이 스킬은 사용자가 “에이전트 프로젝트 생성”, “새로운 ADK 프로젝트 시작”, “새로운 에이전트 구축”, “프로젝트에 CI/CD 추가”, “배포 추가”, “프로젝트 개선” 또는 “프로젝트 업그레이드”를 원할 때 사용해야 합니다. agents-cli 스킬 제품군의 일부입니다. `agents-cli scaffold create`, `scaffold enhance`, `scaffold upgrade` 명령어, 템플릿 옵션, 배포 대상 및 프로토타입 우선 워크플로를 다룹니다. 에이전트 코드 작성(ADK 프로젝트: google-agents-cli-adk-code 사용)이나 배포 작업(google-agents-cli-deploy 사용)에는 사용하지 마십시오.
제안을 구체적인 다단계 판매 퍼널 사양으로 전환하세요 — 페이지별 구조, 가격 단계, 카피 개요, 그리고 각 단계에서 달성해야 할 지표까지. 이 문서는 영업 퍼널, 마케팅 퍼널, 랜딩 페이지 흐름, 리드 마그넷 퍼널, 웨비나 퍼널, 트립와이어 또는 VSL 퍼널을 구축하라는 요청을 받았을 때, 제품 출시 페이지 흐름을 계획할 때, 또는 누군가가 온라인 판매를 위해 “어떤 페이지가 필요한지” 물어볼 때 사용하십시오.
iOS 제한, 광고 차단기 및 쿠키 손실에도 불구하고 구매 내역이 Facebook, TikTok, Google 및 Bing에 정확하게 보고되도록 서버 측 전환 추적을 설정하세요. 다음과 같은 경우에 사용하십시오: 전환이 과소 보고되는 경우, 플랫폼에서 보고된 구매 내역이 실제 주문과 일치하지 않는 경우, 전환 API/이벤트 API/오프라인 전환/CAPI, 클릭 ID 전달(fbclid, ttclid, gclid, msclkid)에 대한 문의가 있는 경우, 또는 추적 변경 후 광고 최적화 성능이 저하된 경우.
주요 전환율을 저해하지 않으면서 평균 주문 금액을 높일 수 있는 원클릭 구매 후 업셀 및 다운셀 기능을 설계하고 구현하세요. AOV를 높이거나, 결제 후 업셀·크로스셀·다운셀을 추가하거나, 원클릭 업셀 흐름을 구축하거나, 감사 페이지에서 수익을 창출해야 할 때, 또는 동일한 광고 비용으로 고객당 수익을 늘리는 방법을 문의받을 때 활용하십시오.
MCP 도구 호출을 통해 AI 에이전트에 전용 실제 브라우저를 제공하십시오. 실행, 탐색, 클릭, 입력, 스크린샷, 텍스트 추출, JS 실행 등의 기능을 지원하며, 커널 수준의 실제 기기 지문과 영구 프로필을 통해 세션이 실행 간에도 로그인 상태를 유지하고, 웹 페이지에서는 헤드리스 빌드가 아닌 일관된 단일 기기로 인식되도록 합니다. Playwright나 SDK 코드를 작성할 필요가 없습니다. 에이전트가 직접 사이트를 운영해야 할 때, 컴퓨터/브라우저 사용 환경에서 합성 지문 대신 캡처된 실제 지문이 필요할 때, 에이전트 세션에서 로그인이 계속 끊어질 때, 또는 호스팅된 에이전트-브라우저 서비스를 비교할 때 사용하십시오. 또한 ‘MCP 브라우저’, ‘브라우저 MCP 서버’, ‘에이전트가 웹을 탐색하게 하기’, ‘에이전트 브라우저 제어’, ‘브라우저 사용 MCP’, ‘컴퓨터 사용 브라우저’, ‘Browserbase 대안’, ‘Steel 브라우저 대안’, ‘헤드리스 브라우저 감지’ 용도로도 사용 가능합니다. Node (npx) 또는 Python; Windows x64, macOS Intel + Apple Silicon, Linux x64 / arm64. SDK 및 REST 참조 문서는 anti-detect-browser이며, 계정 격리 기능은 multi-account-isolation입니다.
Web search and content extraction with Tavily and Exa via inference.sh CLI. Apps: Tavily Search, Tavily Extract, Exa Search, Exa Answer, Exa Extract. Capabilities: AI-powered search, content extraction, direct answers, research. Use for: research, RAG pipelines, fact-checking, content aggregation, agents. Triggers: web search, tavily, exa, search api, content extraction, research, internet search, ai search, search assistant, web scraping, rag, perplexity alternative
Run AI apps via inference.sh CLI - image generation, video creation, LLMs, search, 3D, Twitter automation. Models: FLUX, Veo, Gemini, Grok, Claude, Seedance, OmniHuman, Tavily, Exa, OpenRouter, and many more. Use when running AI apps, generating images/videos, calling LLMs, web search, or automating Twitter. Triggers: inference.sh, infsh, ai model, run ai, serverless ai, ai api, flux, veo, claude api, image generation, video generation, openrouter, tavily, exa search, twitter api, grok
Execute Python code in a safe sandboxed environment via [inference.sh](https://inference.sh). Pre-installed: NumPy, Pandas, Matplotlib, requests, BeautifulSoup, Selenium, Playwright, MoviePy, Pillow, OpenCV, trimesh, and 100+ more libraries. Use for: data processing, web scraping, image manipulation, video creation, 3D model processing, PDF generation, API calls, automation scripts. Triggers: python, execute code, run script, web scraping, data analysis, image processing, video editing, 3D models, automation, pandas, matplotlib
Run AI apps via inference.sh CLI - image generation, video creation, LLMs, search, 3D, Twitter automation. Models: FLUX, Veo, Gemini, Grok, Claude, Seedance, OmniHuman, Tavily, Exa, OpenRouter, and many more. Use when running AI apps, generating images/videos, calling LLMs, web search, or automating Twitter. Triggers: inference.sh, infsh, ai model, run ai, serverless ai, ai api, flux, veo, claude api, image generation, video generation, openrouter, tavily, exa search, twitter api, grok
Render videos from React/Remotion component code via inference.sh. Pass TSX code, get MP4. Supports all Remotion APIs: useCurrentFrame, useVideoConfig, spring, interpolate, AbsoluteFill, Sequence. Configurable resolution, FPS, duration, codec. Use for: programmatic video generation, animated graphics, motion design, data-driven videos, React animations to video. Triggers: remotion, render video from code, tsx to video, react video, programmatic video, remotion render, code to video, animated video, motion graphics code, react animation video
liarjs CLI를 사용하여 브라우저 지문 내부의 모순을 감사해 보세요. 캔버스, WebGL, WebGL2, WebGPU, 오디오, 220가지 글꼴, WebRTC 및 시간대 탐지 항목을 검사하고, 동일한 요청에 대한 TLS/HTTP/ASN 관점에서 점수를 매깁니다. 브라우저 지문 테스트를 실행하라는 요청을 받았을 때, 지문이 어떻게 보이는지 확인하고, 캔버스나 WebGL 지문의 안정성을 점검하며, 위조된 프로필을 실제 브라우저와 비교하거나, 브라우저 프로필이 내부적으로 일관성이 있는지 확인하는 데 사용하세요.
LiarJS 지문 보고서를 읽고, 각 실패한 검사 항목을 해당 검사를 생성한 컴포넌트에 매핑하십시오. 즉, 해당 검사 ID가 무엇을 측정하는지, 신호가 런치 구성, 페이지 수정 계층, 네트워크 경로 또는 머신 이미지 중 어디에서 비롯된 것인지, 그리고 어떤 실패가 헤드리스 또는 데이터센터 환경에 고유한 것인지 파악하십시오. 지문 스캔 결과가 낮은 점수를 받았을 때, 또는 webdriver, worker-consistency, gpu-triad, native-integrity, tz와 같은 검사 ID에 대한 설명이 필요할 때 이 가이드를 활용하십시오.
이미 보유하고 있는 페이지(navigator.webdriver, HeadlessChrome 토큰, 워커 대 메인 스레드 식별자, 패치된 API 무결성, WebGL 대 WebGPU GPU 식별자 등)를 대상으로 liarjs 라이브러리를 사용하여 Playwright, Puppeteer, Selenium 또는 CDP 기반 브라우저가 일관된 지문을 나타내는지 확인하십시오. 이 방법은 자동화된 브라우저가 일반 브라우저와 유사한지 확인해야 할 때, 헤드리스 설정이나 스텔스 플러그인의 효과를 추측하지 않고 측정해야 할 때, 또는 지문 품질에 대한 검증이 테스트 스위트에 포함되어야 할 때 사용합니다.
liarjs를 사용하여 브라우저 지문 분석의 회귀 현상에 따라 빌드를 제어하세요. 기준 스캔 결과를 JSON으로 저장하고, 이후 실행 결과를 이와 비교하여 차이를 분석한 뒤, 일관성 점수가 하한값 아래로 떨어지면 작업을 실패로 처리합니다. GitHub Actions, GitLab CI 또는 기타 파이프라인에 지문 또는 헤드리스 감지 검사를 추가해야 할 때, Chromium 빌드나 스크래핑 하네스에서 발생하는 회귀 현상을 출시 전에 포착하거나, 커밋에 따라 지문 점수가 어떻게 변하는지 추적하는 데 이 방법을 사용하세요.
초고압축 통신 모드. 기술적 정확성을 완벽하게 유지하면서 원시인처럼 말함으로써 출력 토큰을 65% (측정값) 줄입니다. 강도 수준 지원: 라이트, 풀(기본값), 울트라, 원얀-라이트, 원얀-풀, 원얀-울트라. 사용자가 "원시인 모드", "원시인처럼 말해", "원시인 모드 사용", "토큰 줄여", "간결하게"라고 말하거나 /caveman 명령어를 실행할 때 사용합니다. 또한 토큰 효율성이 요청될 때도 자동으로 발동됩니다.
증상을 임시로 고치기 전에 근본 원인을 추적하는 디버깅 절차입니다.
Supabase에서 관리하는 Postgres 모범 사례로, 어디서나 실행되는 Postgres에 적용됩니다. Postgres 데이터베이스에 저장될 내용을 작성하거나 변경하기 전에(테이블 및 열 생성 또는 수정(열 유형 선택 포함), 스키마 설계, 마이그레이션 및 선언적 스키마 파일, RLS 정책 및 이를 검증하는 테스트, 인덱스, 트리거, 데이터베이스 함수, 큐 및 예약된 작업(pg_cron, pgmq), 벡터/시맨틱 검색(pgvector), 덤프 복원(pg_restore) 또는 데이터 가져오기 등입니다. 또한 느린 쿼리, 높은 CPU 사용량, 타임아웃, EXPLAIN 계획, 연결 소진, 잠금, 데이터 부풀림, 또는 잘못된 사용자나 테넌트에게 노출된 행을 진단할 때도 이 스킬을 적용하십시오. 이 문서는 단순한 성능 가이드가 아닙니다. 스키마, 마이그레이션, 보안, SQL 작성 작업에도 이러한 규칙이 필요하며, 이는 단 한 개의 열을 변경하거나 단일 쿼리를 작성할 때조차 마찬가지입니다.