Communitygithub.com

Búsqueda de Documentación

Utiliza documentación actualizada de librerías y frameworks a través de Context7 MCP en lugar de los datos de entrenamiento. Se activa para preguntas de configuración, referencias de APIs, ejemplos de código o cuando el usuario menciona un framework (ej. React, Next.js, Prisma).

¿Qué es Búsqueda de Documentación?

Esta habilidad permite a un agente de IA consultar documentación viva y actualizada de librerías, frameworks y APIs usando el servidor MCP de Context7, en lugar de depender de datos de entrenamiento estáticos. Cuando un usuario formula una pregunta sobre configuración, una API o un ejemplo de código de una librería específica (como React, Next.js, Prisma, etc.), el agente primero llama a la herramienta `resolve-library-id` para obtener un identificador de librería compatible con Context7 (ej. `/vercel/next.js`). Luego, con ese ID, utiliza `query-docs` para recuperar fragmentos de documentación y ejemplos de código actualizados. Finalmente, responde con la información obtenida, citando la fuente y la versión cuando sea relevante. Es particularmente útil en entornos como Claude Code, Cursor o Codex donde Context7 esté configurado, y se debe limitar a un máximo de tres llamadas por pregunta para evitar un uso excesivo de recursos.

Compatible con✓Claude Code✓Codex CLI✓Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/documentation-lookup

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Búsqueda de Documentación (Context7)

Cuando el usuario pregunte sobre librerías, frameworks o APIs, obtén la documentación actualizada a través de Context7 MCP (herramientas resolve-library-id y query-docs) en lugar de depender de los datos de entrenamiento.

Conceptos Clave

  • Context7: Servidor MCP que expone documentación en vivo; úsalo en lugar de datos de entrenamiento para librerías y APIs.
  • resolve-library-id: Devuelve IDs de librería compatibles con Context7 (ej. /vercel/next.js) a partir de un nombre de librería y una consulta.
  • query-docs: Obtiene documentación y fragmentos de código para un ID de librería y una pregunta determinados. Siempre llama primero a resolve-library-id para obtener un ID de librería válido.

Cuándo Usarlo

Actívalo cuando el usuario:

  • Haga preguntas de configuración o instalación (ej. "¿Cómo configuro el middleware de Next.js?")
  • Solicite código que dependa de una librería ("Escribe una consulta Prisma para...")
  • Necesite información de API o referencia ("¿Cuáles son los métodos de autenticación de Supabase?")
  • Mencione frameworks o librerías específicos (React, Vue, Svelte, Express, Tailwind, Prisma, Supabase, etc.)

Usa esta habilidad siempre que la solicitud dependa del comportamiento preciso y actualizado de una librería, framework o API. Aplica en todos los entornos que tengan configurado Context7 MCP (ej. Claude Code, Cursor, Codex).

Cómo Funciona

Paso 1: Resolver el ID de la Librería

Llama a la herramienta MCP resolve-library-id con:

  • libraryName: El nombre de la librería o producto extraído de la pregunta del usuario (ej. Next.js, Prisma, Supabase).
  • query: La pregunta completa del usuario. Esto mejora la relevancia de los resultados.

Debes obtener un ID de librería compatible con Context7 (formato /org/project o /org/project/version) antes de consultar la documentación. No llames a query-docs sin un ID de librería válido de este paso.

Paso 2: Seleccionar la Mejor Coincidencia

De los resultados de la resolución, elige un resultado usando:

  • Coincidencia de nombre: Prefiere la coincidencia exacta o la más cercana a lo que el usuario preguntó.
  • Puntuación de referencia: Puntuaciones más altas indican mejor calidad de documentación (100 es la máxima).
  • Reputación de la fuente: Prefiere fuentes con reputación Alta o Media cuando estén disponibles.
  • Versión: Si el usuario especificó una versión (ej. "React 19", "Next.js 15"), prefiere un ID de librería específico de la versión si aparece listado (ej. /org/project/v1.2.0).

Paso 3: Obtener la Documentación

Llama a la herramienta MCP query-docs con:

  • libraryId: El ID de librería Context7 seleccionado en el Paso 2 (ej. /vercel/next.js).
  • query: La pregunta o tarea específica del usuario. Sé específico para obtener fragmentos relevantes.

Límite: no llames a query-docs (o resolve-library-id) más de 3 veces por pregunta. Si la respuesta no está clara después de 3 llamadas, indica la incertidumbre y utiliza la mejor información que tengas en lugar de adivinar.

Paso 4: Usar la Documentación

  • Responde a la pregunta del usuario usando la información actualizada obtenida.
  • Incluye ejemplos de código relevantes de la documentación cuando sea útil.
  • Cita la librería o versión cuando sea importante (ej. "En Next.js 15...").

Ejemplos

Ejemplo: Middleware de Next.js

  1. Llama a resolve-library-id con libraryName: "Next.js", query: "¿Cómo configuro el middleware de Next.js?".
  2. De los resultados, elige la mejor coincidencia (ej. /vercel/next.js) por nombre y puntuación de referencia.
  3. Llama a query-docs con libraryId: "/vercel/next.js", query: "¿Cómo configuro el middleware de Next.js?".
  4. Usa los fragmentos y texto devueltos para responder; incluye un ejemplo mínimo de middleware.ts de la documentación si es relevante.

Ejemplo: Consulta Prisma

  1. Llama a resolve-library-id con libraryName: "Prisma", query: "¿Cómo hago consultas con relaciones?".
  2. Selecciona el ID de librería oficial de Prisma (ej. /prisma/prisma).
  3. Llama a query-docs con ese libraryId y la consulta.
  4. Devuelve el patrón de Prisma Client (ej. include o select) con un fragmento de código corto de la documentación.

Ejemplo: Métodos de autenticación de Supabase

  1. Llama a resolve-library-id con libraryName: "Supabase", query: "¿Cuáles son los métodos de autenticación?".
  2. Elige el ID de librería de documentación de Supabase.
  3. Llama a query-docs; resume los métodos de autenticación y muestra ejemplos mínimos de la documentación obtenida.

Mejores Prácticas

  • Sé específico: Usa la pregunta completa del usuario como consulta siempre que sea posible para obtener mejor relevancia.
  • Conciencia de versión: Cuando los usuarios mencionen versiones, usa IDs de librería específicos de la versión del paso de resolución, si están disponibles.
  • Prefiere fuentes oficiales: Cuando existan múltiples coincidencias, prefiere paquetes oficiales o principales sobre forks de la comunidad.
  • Sin datos sensibles: Redacta claves de API, contraseñas, tokens y otros secretos de cualquier consulta enviada a Context7. Trata la pregunta del usuario como potencialmente contenedora de secretos antes de pasarla a resolve-library-id o query-docs.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

Skills relacionados