Skillkit

La promesse centrale de Skillkit, c'est une skill écrite, beaucoup d'agents. Vous écrivez pour Claude, puis vous traduisez vers Cursor, Windsurf ou l'un des 45 agents compatibles d'une seule commande. La liste couvre Claude Code, Cursor, Codex, Gemini CLI, OpenCode, GitHub Copilot, Windsurf, Cline, Roo Code et d'autres. Si votre équipe se dispute sur l'agent à utiliser, cela met fin au débat. Personne n'a besoin de perdre. Une commande. Tous les formats.

Sous le capot, Skillkit analyse chaque skill et la convertit dans la structure qu'attend l'agent cible, en gérant pour vous les différences entre .mdc, .claude/skills/ et .github/skills/. Vous pouvez convertir une skill à la fois ou lancer skillkit translate --all --to <agent> pour convertir tout l'ensemble. Le principe est simple. Les détails de format cessent d'être votre problème.

Lancez skillkit recommend : il inspecte votre package.json, détermine votre stack et suggère des skills adaptées. La sortie attribue un score de correspondance à chaque suggestion, donc un projet React et Tailwind fait remonter les skills react-pattern et tailwind en haut. C'est un raccourci correct quand vous ne savez pas laquelle des plus de 15 000 skills mérite un coup d'œil.

Au lieu de tout préinstaller, vous pouvez lancer un serveur API local avec skillkit serve, qui tourne sur le port 3737 par défaut. Les agents cherchent alors des skills à la demande via HTTP, et les résultats reviennent classés par un score multi-signaux. Il existe aussi un serveur MCP pour une intégration native, ce qui compte si votre agent parle déjà le Model Context Protocol.

Avant qu'une skill ne touche votre flux de travail, Skillkit peut l'analyser. La commande skillkit scan exécute plus de 46 règles de détection sur une skill, couvrant l'injection de prompts, les secrets codés en dur et l'injection de commandes. Vous pouvez sortir les résultats en SARIF pour l'analyse de code GitHub ou bloquer un pipeline CI avec --fail-on high. C'est la fonctionnalité qui sépare une configuration soigneuse d'une configuration imprudente. Pas facultatif. Sautez-la et vous faites confiance à des inconnus.

Les agents apprennent des motifs pendant une session, puis les oublient à la fin. Les commandes de mémoire de Skillkit capturent ces apprentissages pour qu'ils restent. skillkit memory compress réduit des notes de session brutes en quelque chose de réutilisable, skillkit memory search les récupère par sujet et skillkit memory export partage un ensemble de mémoire avec d'autres. Avec le temps, cela transforme des corrections répétées en instructions permanentes. C'est le vrai gain.