jpskill.com
🛠️ 開発・MCP コミュニティ

agently-playbook

ビジネス上の課題や要望から、AIを活用したアシスタント、ツール、自動化、評価システムなどを構築、改善、再構築する際に、プロジェクト構成の見直しも含めて最適な解決策を提案するSkill。

📜 元の英語説明(参考)

Use when the user wants to build, validate, optimize, or refactor a model-powered assistant, internal tool, automation, evaluator, or workflow from a business scenario or common problem statement, including project-structure refactors that may separate model setup, prompt config, and orchestration, even if the request also mentions a UI, app shell, or local model service such as Ollama, and it is still unclear whether the solution should stay a single request, add supporting capabilities, or become orchestration. The user does not need to mention Agently explicitly.

🇯🇵 日本人クリエイター向け解説

一言でいうと

ビジネス上の課題や要望から、AIを活用したアシスタント、ツール、自動化、評価システムなどを構築、改善、再構築する際に、プロジェクト構成の見直しも含めて最適な解決策を提案するSkill。

※ jpskill.com 編集部が日本のビジネス現場向けに補足した解説です。Skill本体の挙動とは独立した参考情報です。

⚡ おすすめ: コマンド1行でインストール(60秒)

下記のコマンドをコピーしてターミナル(Mac/Linux)または PowerShell(Windows)に貼り付けてください。 ダウンロード → 解凍 → 配置まで全自動。

🍎 Mac / 🐧 Linux 
mkdir -p ~/.claude/skills && cd ~/.claude/skills && curl -L -o agently-playbook.zip https://jpskill.com/download/10105.zip && unzip -o agently-playbook.zip && rm agently-playbook.zip
🪟 Windows (PowerShell) 
$d = "$env:USERPROFILE\.claude\skills"; ni -Force -ItemType Directory $d | Out-Null; iwr https://jpskill.com/download/10105.zip -OutFile "$d\agently-playbook.zip"; Expand-Archive "$d\agently-playbook.zip" -DestinationPath $d -Force; ri "$d\agently-playbook.zip"

完了後、Claude Code を再起動 → 普通に「動画プロンプト作って」のように話しかけるだけで自動発動します。

💾 手動でダウンロードしたい(コマンドが難しい人向け)
  1. 1. 下の青いボタンを押して agently-playbook.zip をダウンロード
  2. 2. ZIPファイルをダブルクリックで解凍 → agently-playbook フォルダができる
  3. 3. そのフォルダを C:\Users\あなたの名前\.claude\skills\(Win)または ~/.claude/skills/(Mac)へ移動
  4. 4. Claude Code を再起動
⬇ .zip でダウンロード(推奨) ⬇ .skill 形式(上級者用) 元のソース ↗

⚠️ ダウンロード・利用は自己責任でお願いします。当サイトは内容・動作・安全性について責任を負いません。

🎯 このSkillでできること

下記の説明文を読むと、このSkillがあなたに何をしてくれるかが分かります。Claudeにこの分野の依頼をすると、自動で発動します。

📦 インストール方法 (3ステップ)

  1. 1. 上の「ダウンロード」ボタンを押して .skill ファイルを取得
  2. 2. ファイル名の拡張子を .skill から .zip に変えて展開(macは自動展開可)
  3. 3. 展開してできたフォルダを、ホームフォルダの .claude/skills/ に置く
    • · macOS / Linux: ~/.claude/skills/
    • · Windows: %USERPROFILE%\.claude\skills\

Claude Code を再起動すれば完了。「このSkillを使って…」と話しかけなくても、関連する依頼で自動的に呼び出されます。

詳しい使い方ガイドを見る →
最終更新
2026-05-18
取得日時
2026-05-18
同梱ファイル
1

📖 Skill本文(日本語訳)

※ 原文(英語/中国語)を Gemini で日本語化したものです。Claude 自身は原文を読みます。誤訳がある場合は原文をご確認ください。

Agently Playbook

リクエストがビジネス目標、目標のリファクタリング、製品の振る舞い、または広範なモデル-アプリ言語から始まる場合、最初にこのスキルを使用してください。

ユーザーは、Agently、TriggerFlow、またはその他のフレームワーク用語を言う必要はありません。「アシスタントを構築する」、「内部ツールの設計を手伝ってほしい」、または「一般的な問題に対するバリデーターを作成する」などの一般的な要求は、オーナーレイヤーが未解決の場合でも、ここから始める必要があります。

UI、Webページ、デスクトップシェル、またはOllamaなどのローカルモデルサービスについても言及するリクエストは、要求が本質的に、1つの狭い機能を接続するだけではなく、モデル駆動型ツールの形成に関するものである場合は、ここから始める必要があります。

ワークフロー

  1. リクエストをシナリオとアトミックな目標に分解します。
  2. 最も狭いネイティブな Agently の機能パスを選択します。
  3. 使用すべき具体的な操作またはプリミティブに名前を付けます。
  4. 設計がネイティブファーストを維持していることを証明する検証ルールに名前を付けます。

機能ルーティング

  • モデルプロバイダーのセットアップまたは settings-file ベースのモデル分離 -> agently-model-setup
  • リクエスト側のプロンプト設計または config-file プロンプトブリッジ -> agently-prompt-management
  • 出力スキーマと信頼性 -> agently-output-control
  • レスポンスの再利用、メタデータ、またはストリーミング消費 -> agently-model-response
  • セッションの継続性または復元 -> agently-session-memory
  • ツール、MCP、FastAPIHelper、auto_func、または KeyWaiter -> agently-agent-extensions
  • 埋め込み、KB、または検索から回答 -> agently-knowledge-base
  • 分岐、並行性、待機/再開、混合同期/非同期オーケストレーション、イベント駆動型ファンアウト、プロセス明確化リファクタリング、ランタイムストリーム、または明示的な多段階品質ループ -> agently-triggerflow
  • LangChain と LangGraph の間の移行の選択 -> agently-migration-playbook

アンチパターン

  • オーナーレイヤーが未解決の場合、このプレイブックをスキップしないでください
  • カスタム出力パーサー、リトライループ、またはオーケストレーションを最初に発明しないでください
  • ネイティブの Agently 機能をチェックする前に、マルチエージェント、ジャッジ、またはレビューフローを個別のフレームワークサーフェスとして扱わないでください

次に読む

  • references/capability-map.md
📜 原文 SKILL.md(Claudeが読む英語/中国語)を展開

Agently Playbook

Use this skill first when the request still starts from business goals, refactor goals, product behavior, or broad model-app language.

The user does not need to say Agently, TriggerFlow, or any other framework term. Generic asks such as "build an assistant", "help me design an internal tool", or "create a validator for common problems" should still start here when the owner layer is unresolved.

Requests that also mention a UI, a web page, a desktop shell, or a local model service such as Ollama should still start here when the request is fundamentally about shaping a model-powered tool rather than only wiring one narrow capability.

Workflow

  1. Reduce the request into scenario and atomic goals.
  2. Choose the narrowest native Agently capability path.
  3. Name the concrete operations or primitives that should be used.
  4. Name the validation rule that proves the design stayed native-first.

Capability Routing

  • model provider setup or settings-file-based model separation -> agently-model-setup
  • request-side prompt design or config-file prompt bridge -> agently-prompt-management
  • output schema and reliability -> agently-output-control
  • response reuse, metadata, or streaming consumption -> agently-model-response
  • session continuity or restore -> agently-session-memory
  • tools, MCP, FastAPIHelper, auto_func, or KeyWaiter -> agently-agent-extensions
  • embeddings, KB, or retrieval-to-answer -> agently-knowledge-base
  • branching, concurrency, waiting/resume, mixed sync/async orchestration, event-driven fan-out, process-clarity refactors, runtime stream, or explicit multi-stage quality loops -> agently-triggerflow
  • migration choice between LangChain and LangGraph -> agently-migration-playbook

Anti-Patterns

  • do not skip this playbook when the owner layer is unresolved
  • do not invent custom output parsers, retry loops, or orchestration first
  • do not treat multi-agent, judge, or review flows as separate framework surfaces before checking native Agently capabilities

Read Next

  • references/capability-map.md