muratcankoylan/Agent-Skills-for-Context-Engineering

解決する課題

本プロジェクトは、開発者がプロダクションレベルのAIエージェントシステムを構築するために設計された、包括的な「Agent Skills」コレクションを提供します。特に、モデルの限られたアテンション予算（システムプロンプト、ツール定義、メッセージ履歴を含む）を全体的に管理し、「lost-in-the-middle（中間情報の欠落）」現象のようなパフォーマンス低下を防ぐコンテキストエンジニアリングの課題に対処します。

仕組み

本プロジェクトは、モジュール式でプラットフォームに依存しないスキルライブラリとして構成されています。各スキルは、原則、パターン、および実践的な例（多くの場合Pythonの擬似コードを使用）を含むディレクトリであり、さまざまなエージェントプラットフォームに統合可能です。

**プログレッシブ・ディスクロージャー（段階的開示）**を前提に設計されており、エージェントは初期段階ではスキルの名前と説明のみを読み込み、特定のタスクでスキルが有効化された場合にのみ完全なコンテンツを読み込みます。特定のディレクトリ構造を通じて、Claude Code、Cursor、およびその他のOpen Pluginsホストと互換性があります。

対象読者

自律型エージェントを構築するAIエンジニアや開発者。単純なプロンプトエンジニアリングを超えて、メモリ、ツール設計、マルチエージェントオーケストレーション、評価フレームワークなどのアーキテクチャパターンを必要とする方に最適です。

ハイライト

• 包括的なスキルセット: 基本的なコンテキスト管理、アーキテクチャパターン（マルチエージェント、メモリシステム）、および運用スキル（評価、ハーネスエンジニアリング）を網羅。
• 実践的な例のライブラリ: 「Digital Brain」パーソナルOS、X-to-book合成システム、スタイル転送SFTパイプラインなど、完全なシステム設計が含まれています。
• プラットフォーム非依存: 標準化されたプラグイン形式を使用し、さまざまなエージェントプラットフォーム（Claude Code、Cursor、Codex）で動作します。
• ベンチマークされたパフォーマンス: 「Researcher Operating System」が含まれており、モデルがどのようにスキルを有効化するかを最適化するための測定済みのrouter-benchmark結果が付属しています。