$ get_skill("langchain-ai-deepagents")
deepagents — данные для AI-агента: помогает быстрее понять задачу, выбрать подходящий workflow и не собирать инструкцию с нуля. Подходит для проектов со стеком Python, ai, deepagents. Исходники: langchain-ai/deepagents.
По этим признакам MCP рекомендует skill агенту.
Используй skill deepagents. Открой источник https://github.com/langchain-ai/deepagents, изучи README и примеры. Применяй только идеи, которые подходят текущему проекту; не копируй код без проверки лицензии, зависимостей и безопасности.$ related ./skills
Закрывает задачи из области данных: работает с данными, базами, датасетами или RAG-контекстом, собирает повторяемые agent workflows и автоматизации, настраивает промпты, контекст, память или поведение LLM-агента. Ориентир по стеку и темам: memory-rag, agents, ai.
По README закрывает: RAG, embeddings и поиск по контексту проекта; подключение MCP/tool-use сценариев для агента. Ориентир по стеку и темам: memory-rag, agents, llms.
По README закрывает: генерация, анализ или подготовка изображений; подготовка видео, анимаций или презентаций; работа с базами данных, схемами и датасетами; документация, README, changelog и release notes. Ориентир по стеку и темам: memory-rag, antigravity, claude-code.
$ 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: "langchain-ai-deepagents")
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.
