$ get_skill("farama-foundation-arcade-learning-environment")
Arcade Learning Environment — поиск для AI-агента: помогает быстрее понять задачу, выбрать подходящий workflow и не собирать инструкцию с нуля. Подходит для проектов со стеком C++, Research, Browser. Исходники: Farama-Foundation/Arcade-Learning-Environment.
По этим признакам MCP рекомендует skill агенту.
Используй skill Arcade Learning Environment. Открой источник https://github.com/Farama-Foundation/Arcade-Learning-Environment, изучи README и примеры. Применяй только идеи, которые подходят текущему проекту; не копируй код без проверки лицензии, зависимостей и безопасности.$ related ./skills
По README закрывает: поиск, браузерные проверки и сбор данных из внешних источников. Ориентир по стеку и темам: research-browser, ai, ai-agent.
cc haha — поиск для AI-агента: помогает быстрее понять задачу, выбрать подходящий workflow и не собирать инструкцию с нуля. Подходит для проектов со стеком TypeScript, Research, Browser. Исходники: NanmiCoder/cc-haha.
AI Research SKILLs — поиск для AI-агента: помогает быстрее понять задачу, выбрать подходящий workflow и не собирать инструкцию с нуля. Подходит для проектов со стеком TeX, ai, ai research. Исходники: Orchestra-Research/AI-Research-SKILLs.
$ 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: "farama-foundation-arcade-learning-environment")
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.
