rainforest-lab은(는) 무엇을 하나요?
정직한 다중 에이전트 연구 프레임워크 — 스킬, Python 엔진, MCP 제품.
출처: https://github.com/KrakenP/rainforest-lab
일간 awesomeskills.dev 에이전트 스킬 탐색 중 발견됨.
정직한 다중 에이전트 연구 프레임워크 — 스킬, Python 엔진, MCP 제품.
KrakenP/rainforest-lab은 다중 에이전트 시스템을 위한 정직하고 투명한 연구 프레임워크입니다. 이 프레임워크는 스킬 기반의 에이전트 상호작용, Python 엔진을 통한 유연한 확장성, 그리고 MCP(Model Context Protocol) 제품 지원을 결합하여 개발자와 연구자가 복잡한 에이전트 협업 시나리오를 쉽게 구축하고 실험할 수 있도록 돕습니다. 주로 AI 에이전트 개발 도구와 통합되어 사용되며, GitHub 저장소를 통해 오픈소스로 제공됩니다. 이 프레임워크는 에이전트 간의 정직한 통신과 협업을 강조하여, 신뢰할 수 있는 다중 에이전트 연구의 기반을 제공합니다.
npx skills add KrakenP/rainforest-labInstalled? Explore more 연구 & 데이터 분석 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
정직한 다중 에이전트 연구 프레임워크 — 스킬, Python 엔진, MCP 제품.
출처: https://github.com/KrakenP/rainforest-lab
일간 awesomeskills.dev 에이전트 스킬 탐색 중 발견됨.
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.