awesome-agent-infrastructure은(는) 무엇을 하나요?
AI 에이전트 인프라를 선별한 목록: 메모리 저장소, 벡터 데이터베이스, 실행 샌드박스, MCP 서버, 도구 레지스트리, 관찰 가능성, 그리고 자율 에이전트 구축 및 실행을 위한 평가 도구.
AI 에이전트 인프라를 선별한 목록: 메모리 저장소, 벡터 데이터베이스, 실행 샌드박스, MCP 서버, 도구 레지스트리, 관찰 가능성, 그리고 자율 에이전트 구축 및 실행을 위한 평가 도구.
이 스킬은 AI 에이전트 구축 및 운영에 필요한 인프라 도구들을 선별하여 제공하는 큐레이션된 리스트입니다. 메모리 저장소, 벡터 데이터베이스, 실행 샌드박스, MCP 서버, 도구 레지스트리, 관찰 가능성, 평가 도구 등 다양한 카테고리를 포함하고 있어 개발자가 자신의 에이전트에 적합한 인프라를 빠르게 찾고 선택할 수 있도록 도와줍니다. Claude Code, Cursor, Codex 등 다양한 AI 에이전트 플랫폼에서 활용 가능하며, 각 도구의 설명과 특징이 정리되어 있어 의사 결정을 효율적으로 지원합니다. 이 스킬은 특히 자율 에이전트 시스템을 설계하거나 기존 시스템을 개선하려는 개발자에게 유용하며, 지속적으로 업데이트되는 오픈소스 프로젝트입니다.
npx skills add backblaze-labs/awesome-agent-infrastructureInstalled? Explore more 연구 & 데이터 분석 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
AI 에이전트 인프라를 선별한 목록: 메모리 저장소, 벡터 데이터베이스, 실행 샌드박스, MCP 서버, 도구 레지스트리, 관찰 가능성, 그리고 자율 에이전트 구축 및 실행을 위한 평가 도구.
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.