Agentisches Daten-Engineering-Framework mit MCP-Server – lokales LLM orchestriert DE-Tools über einen ReAct-Loop
Dieses Skill, 'de-agent-workflow', ist ein agentisches Daten-Engineering-Framework, das einen MCP (Model Context Protocol) Server nutzt. Es ermöglicht einem lokalen großen Sprachmodell (LLM), Daten-Engineering-Aufgaben (DE) durch einen ReAct-Loop (Reasoning + Acting) zu orchestrieren. Das Framework ist nützlich für Entwickler, die automatisierte Datenpipelines und -transformationen mit KI-Agenten steuern möchten. Es unterstützt Plattformen wie Claude, Codex und Gemini und wurde aus GitHub-Repos der letzten 24 Stunden entdeckt. Der Skill integriert sich nahtlos in Arbeitsabläufe für Agenten, MCP-Tooling und angrenzende KI-Agenten-Automatisierung.
npx skills add Kanishkparganiha/de-agent-workflowInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Agentisches Daten-Engineering-Framework mit MCP-Server – lokales LLM orchestriert DE-Tools über einen ReAct-Loop
Quelle: https://github.com/Kanishkparganiha/de-agent-workflow
Entdeckt aus GitHub-Repositories, die in den letzten 24 Stunden für Agenten-Skills, Claude/Codex/Gemini-Workflows, MCP-Tooling und verwandte KI-Agenten-Automatisierung gepusht wurden.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.