MCP App StoreMCP App Store
de opencode-skills-collection23
Profiler et optimiser les applications Python pour réduire la latence et l'utilisation de la mémoire à l'aide de profileurs CPU/mémoire et des meilleures pratiques de performance.
Fournit une approche systématique pour profiler, diagnostiquer et corriger les goulots d'étranglement des performances Python. Couvre le profilage CPU, l'analyse de la mémoire, l'optimisation des E/S, l'optimisation des requêtes de base de données et des modèles d'implémentation pratiques afin que les agents puissent proposer des étapes d'optimisation exploitables et des corrections de code.
Utilisez cette compétence lorsqu'une application présente des temps de réponse lents, une utilisation élevée du CPU, une augmentation de la mémoire, ou lorsque des régressions de performance doivent être diagnostiquées en production ou en développement. Également utile avant la mise à l'échelle pour identifier les points chauds et réduire les coûts.
resources/ est présent avec des guides d'implémentationProbablement compatible avec les agents orientés codage/CLI : Claude Code, Codex, Cursor, Gemini CLI (agents pouvant exécuter des commandes de profilage et inspecter le code).
Compétence purement instructive sans scripts groupés ni contenu exécutable. Le fichier SKILL.md est extrêmement succinct — instructions génériques de type 'clarifier les objectifs, appliquer les meilleures pratiques' sans commandes de profilage concrètes, recommandations d'outils ou exemples de code. Tout le contenu substantiel est renvoyé à un fichier non groupé resources/implementation-playbook.md. Effectivement inutilisable en l'état.
Cette compétence semble être un stub ou un modèle — elle a le bon sujet mais ne fournit presque aucun contenu actionnable. Le frontmatter est valide et la structure suit la spécification, mais le corps est si générique qu'il n'apporte aucune valeur réelle à un agent essayant d'optimiser les performances de Python.
Flux de Travail de Test de Sécurité des API
Flux de travail structuré pour tester la sécurité des API REST et GraphQL : authentification, autorisation, limitation du débit, validation des entrées et gestion des erreurs.
Azure AI Projects SDK (TypeScript)
SDK TypeScript et exemples pour la gestion des projets Azure AI : agents, connexions, déploiements, jeux de données, index et évaluations.
Guide de Forensics Mémoire
Conseils pratiques et commandes pour l'acquisition, l'analyse et l'extraction d'artefacts à partir de dumps mémoire via Volatility3 et des méthodes d'acquisition courantes.
Modèles et Utilitaires de Test
Directives et utilitaires pour le TDD, les données de test basées sur des usines (factories), les stratégies de mocking et les modèles de test pour les projets React/TypeScript.
Optimiseur de Skill
Diagnostiquez et optimisez les Agent Skills (SKILL.md) en utilisant les transcriptions de session et l'analyse statique pour améliorer les déclencheurs, les flux de travail et l'efficacité des tokens.
Rétro-ingénierie
Guides et listes de contrôle des meilleures pratiques pour la rétro-ingénierie binaire : analyse statique et dynamique, outillage et flux de documentation.
Spring Boot Migration
Guided, phased migration for existing Spring Boot apps to Boot 4 / Java 25 (including Modulith 2 and Testcontainers 2), with scanners and reference guides.
Java 25 & Spring Boot 4 Code Reviewer
Run focused, evidence-based code reviews for Java 25 and Spring Boot 4 projects — migration risks, architecture boundaries, null-safety (JSpecify), security, an
ArcKit Architecture Conformance
Run a systematic architecture conformance assessment that compares ADRs and principles against HLD/DLD artifacts to surface drift, violations, and technical deb
SourceSage CLI
Generate concise, LLM-friendly repository summaries (Markdown) using the SourceSage CLI — supports lite mode, language switching, and targeted repo analysis.
Supabase SDK Patterns (TypeScript & Python)
Production-ready patterns for using Supabase clients in TypeScript and Python: client initialization, typed queries, auth, realtime, storage, RPC, and error-han
Speak Security Basics
Security best practices for integrating Speak: API key management, audio data privacy, student data protection, and COPPA/FERPA compliance for production deploy
Replit — Advanced Troubleshooting
Step-by-step diagnostics and debugging techniques for deep Replit issues: Nix build failures, container crash loops, memory leaks, and platform vs app isolation
Juicebox Performance Tuning
Guidance and code patterns to reduce Juicebox AI analysis latency: caching, batching, upload chunking, and pagination to improve throughput and responsiveness.