MCP App StoreMCP App Store
de deep-recon35
Orchestrez des cycles de reconnaissance multi-agents parallèles pour explorer un sujet en profondeur et produire un document de reconnaissance structuré (compatible vault/Obsidian).
Ce que cela fait : Deep Recon orchestre des sessions de reconnaissance multi-cycles et multi-agents (Explorer/Associator/Critic/Synthesizer), persiste les sorties et les métriques des agents sur le disque, et produit un document de reconnaissance final. Quand l'utiliser : pour une exploration approfondie, une reconnaissance de type littérature, ou pour générer un rapport compatible avec Obsidian. Ce qui est inclus : l'analyse des entrées, le scan du vault, l'envoi de cycles parallèles, la persistance des métriques, les règles de pollinisation croisée et la production du document final par le Synthesizer.
Deep Recon est une compétence de reconnaissance multi-agents pour les coffres Obsidian. Elle orchestre 4 rôles de sous-agents (Explorer, Associator, Critic, Synthesizer) sur 2 à 3 cycles pour explorer profondément un sujet et produire un document de reconnaissance structuré. Aucun script n'est inclus — elle est purement basée sur des instructions, s'appuyant sur l'outil Task de l'agent hôte pour l'envoi des sous-agents. SKILL.md bien écrit avec des étapes claires, une bonne résilience à la compaction via la persistance disque et un frontmatter correct.
Compétence d'instruction pure sans scripts groupés. La sécurité est donc très élevée. L'architecture est solide avec une bonne séparation entre l'orchestrateur et les rôles d'agents. L'utilité est modérée — le modèle de recherche multi-agents est précieux mais spécifique aux utilisateurs avancés d'Obsidian. Plusieurs compétences similaires existent dans l'écosystème.
Starlark Dev
Create, debug, and test Kurtosis Starlark packages — write package structure, run dry-runs, and inspect plan execution for reliable orchestration.
Maestro Orchestrate
Orchestrates complex engineering workflows with enforced design and approval gates, child-agent delegation, and session state management.
Run Execute
Orchestrates execution of work items across modes (autopilot, confirm, validate) with scripted init/complete tooling, plan/test/report artifacts and strict gati
Cost Tracker
Monitor agent session costs, set budget alerts, and get actionable token-spend optimizations to keep multi-session workflows within budget.
arxiv2md
Convert arXiv papers into clean, LLM-ready Markdown via a REST API or CLI for fast reading, summarization, and downstream processing.
Overnight — Autonomous Long-Running Coding
Orchestrates long-running coding goals: decomposes objectives into atomic tasks, dispatches isolated worktree workers, verifies acceptance criteria, and merges
Scite Database (Smart Citations)
Query Scite.ai Smart Citations by DOI to report supporting, contrasting, and mentioning citation counts and help assess a paper's reliability.
Writing Implementation Plans
Generate detailed, engineer-ready implementation plans from design docs: file paths, step-by-step tasks, tests, and verification instructions.