SKILLEMALL.ai
GitHub ↗ EN Войти

AD manus

Интеграция с Manus AI Agent API с аутентификацией по ключу API. Создание и управление задачами, проектами, файлами и веб-хуками AI-агента. Используйте этот навык, когда пользователи хотят запускать задачи AI-агента, управлять проектами, загружать файлы или настраивать веб-хуки с помощью Manus. Для других сторонних приложений используйте навык api-gateway (https://clawhub.ai/byungkyu/api-gateway).

машинный переводПоказать оригиналСкрыть оригинал«Manus AI Agent API integration with managed API key authentication. Cr…»

Manus AI Agent API integration with managed API key authentication. Create and manage AI agent tasks, projects, files, and webhooks. Use this skill when users want to run AI agent tasks, manage projects, upload files, or set up webhooks with Manus. For other third party apps, use the api-gateway skill (https://clawhub.ai/byungkyu/api-gateway).

modbender/skill-library-mcp Agent Skills автор: modbender MIT 2 файла тело ≈ 2 782 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Интеграция с Manus AI Agent API с аутентификацией по ключу API.

Как процесс D 44/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияРазработкаИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
D
44/100
Процесс не доведён
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 44/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 12, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (manus) не совпадает с папкой (manus-api)
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 20
    • 100Стоимость исполнения. Тело инструкции 2782 токенов

    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
    • +2Инструкции на одном языке
    • +3Длина description 345 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 36 заголовков
    • +3Пошаговые инструкции: 20 пунктов
    • +4Есть примеры (38 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.