SKILLEMALL.ai

AC mac-compute-use

Управляйте приложениями macOS через Accessibility API с помощью сервера MCP. Открывайте приложения, нажимайте кнопки, вводите текст, нажимайте клавиши, прокручивайте и читайте состояние пользовательского интерфейса. Используйте, когда: (1) взаимодействуете с нативными приложениями macOS (Finder, Messages, Mail и т. д.), (2) автоматизируете рабочие процессы GUI — нажатия, ввод текста, навигация по меню, (3) читаете содержимое экрана или состояние пользовательского интерфейса любого приложения, (4) управляете браузерами для веб-автоматизации без расширений браузера, (5) выполняете любые задачи, требующие «использования компьютера» или «управления рабочим столом» на macOS. НЕ использовать для: Linux/Windows, безголовых серверов или задач, выполнимых через CLI/API без GUI.

машинный переводПоказать оригиналСкрыть оригинал«Control macOS applications via Accessibility API through an MCP server…»

Control macOS applications via Accessibility API through an MCP server. Open apps, click buttons, type text, press keys, scroll, and read UI state. Use when: (1) interacting with native macOS apps (Finder, Messages, Mail, etc.), (2) automating GUI workflows — clicking, typing, navigating menus, (3) reading screen content or UI state from any app, (4) controlling browsers for web automation without browser extensions, (5) any task requiring 'computer use' or 'desktop control' on macOS. NOT for: Linux/Windows, headless servers, or tasks achievable via CLI/API without GUI.

ClawHub Agent Skills автор: Evgeniy v0.1.0 3 файла · 1 скрипт тело ≈ 1 034 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Управляйте приложениями macOS через Accessibility API с помощью сервера MCP.

Как процесс C 63/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, отчётность по ходу

ИнтеграцияИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
63/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

    Процессный рейтинг: все десять параметров 63/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 55Ошибки и развилки. Развилок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 22
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1034 токенов
    • 100Повторный запуск. Изменяющих операций нет

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -31 из 1 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 576 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 22 пунктов
    • +4Есть примеры (11 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: suspicious
    This skill is transparent about controlling macOS apps, but it gives an agent broad desktop control and screen-reading power with limited safety boundaries.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.