$ get_skill("agentwrapper-agent-orchestrator")
agent orchestrator — безопасность для AI-агента: помогает быстрее понять задачу, выбрать подходящий workflow и не собирать инструкцию с нуля. Подходит для проектов со стеком Go, agent fleet, agent swarm. Исходники: AgentWrapper/agent-orchestrator.
По этим признакам MCP рекомендует skill агенту.
Используй skill agent orchestrator. Открой источник https://github.com/AgentWrapper/agent-orchestrator, изучи README и примеры. Применяй только идеи, которые подходят текущему проекту; не копируй код без проверки лицензии, зависимостей и безопасности.$ related ./skills
academic research skills — безопасность для AI-агента: помогает быстрее понять задачу, выбрать подходящий workflow и не собирать инструкцию с нуля. Подходит для проектов со стеком Python, academic pipeline, academic writing. Исходники: Imbad0202/academic-research-skills.
nanoclaw — безопасность для AI-агента: помогает быстрее понять задачу, выбрать подходящий workflow и не собирать инструкцию с нуля. Подходит для проектов со стеком TypeScript, ai agents, ai assistant. Исходники: nanocoai/nanoclaw.
xonsh — безопасность для AI-агента: помогает быстрее понять задачу, выбрать подходящий workflow и не собирать инструкцию с нуля. Подходит для проектов со стеком Python, anthropic, claude. Исходники: xonsh/xonsh.
$ mcp ./skills
Скопируйте промпт в Codex, Cursor, Claude или другой AI-агент. Агент подключит Wikivibe MCP, локально изучит проект и подберёт подходящие скилы.
Подключи Wikivibe MCP и получи скил для текущей задачи.
Endpoint: https://wikivibe.ru/mcp/
Transport: streamable-http
После подключения вызови:
- get_skill(slug: "agentwrapper-agent-orchestrator")
Прочитай скил, затем проанализируй текущий проект локально. Не отправляй исходный код во внешний MCP: передавай только безопасную выжимку — стек, зависимости, список файлов, цель и проблемы.
