SKILLEMALL.ai

AC baselight-mcp

Подключается к серверу Baselight MCP (Model Context Protocol) для обнаружения и запроса более 50 премиальных источников данных, включая Kaggle, OWID, World Bank, Data Commons, Eurostat, FiveThirtyEight, DefiLlama, блокчейны EVM, Polymarket, NFLverse, Yahoo Finance, FRED, IMF, SEC filings, OECD, US Census, CDC, FBI Crime, CIA World Factbook, спорт (футбол, баскетбол, фэнтези-футбол), погоду (Open-Meteo), криптовалюты (XrpScan, XRPL, CoinDesk) и статистику образования/здравоохранения. Выполняет SQL-запросы в реальном времени к структурированным данным из ИИ-инструментов.

машинный переводПоказать оригиналСкрыть оригинал«Connects to the Baselight MCP (Model Context Protocol) server to disco…»

Connects to the Baselight MCP (Model Context Protocol) server to discover and query 50+ premium dataset sources including Kaggle, OWID, World Bank, Data Commons, Eurostat, FiveThirtyEight, DefiLlama, EVM blockchains, Polymarket, NFLverse, Yahoo Finance, FRED, IMF, SEC filings, OECD, US Census, CDC, FBI Crime, CIA World Factbook, sports (soccer, basketball, fantasy football), weather (Open-Meteo), crypto (XrpScan, XRPL, CoinDesk), and education/health statistics. Run live SQL queries against structured data from AI tools.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 1 файл тело ≈ 454 токенов Открыть источникgithub.com проанализирован 2 дн назад

Подключается к серверу Baselight MCP (Model Context Protocol) для обнаружения и запроса более 50 премиальных источников данных, включая Kaggle, OWID, World…

Как процесс C 58/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияИИ и агентыДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
C
58/100
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: 1. 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 58/100

    • 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
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 22
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 454 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
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 526 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 22 пунктов

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.