Scientific Agent Skills erweitert Agenten um wissenschaftliche Werkzeuge

Die Sammlung: 158 Fähigkeiten und 100+ Datenbanken

Das Repository beschreibt sich selbst als Sammlung von 158 sofort einsatzbereiten wissenschaftlichen und Forschungskompetenzen für KI-Agenten, die den offenen Agent Skills Standard unterstützen. Die README gruppiert diese Fähigkeiten in Kategorien wie Bioinformatik und Genomik, Chemoinformatik und Wirkstoffforschung, Proteomik und Massenspektrometrie, klinische Forschung und Evidenz-Workflows, medizinische Bildgebung, maschinelles Lernen, Materialwissenschaften, Physik und Astronomie, Technik und Simulation, Datenanalyse, Geowissenschaften, Laborautomatisierung, wissenschaftliche Kommunikation, Multi-Omics, Protein-Engineering, Agentenplattformen, Forschungsmethodik sowie Regulierungs- und Normungsarbeit. Darüber hinaus bietet eine einheitliche Datenbank-Lookup-Fähigkeit deterministischen REST-Zugriff auf 78 öffentliche Datenbanken, und spezielle Fähigkeiten decken Plattformen wie DepMap, Imaging Data Commons, PrimeKG, US-Finanzdaten, Hugging Science, OneKGPd und Genomic Intelligence ab. Die Repository-Metadaten verzeichnen 32.689 Sterne und 3.228 Forks, und die Beschreibung behauptet, dass die Bibliothek von über 170.000 Wissenschaftlern weltweit genutzt wird.

Installation mit npx, gh skill oder manuellem Klon

Die README dokumentiert drei Installationspfade. Der erste verwendet den npx-Installer mit dem Befehl `npx skills add K-Dense-AI/scientific-agent-skills`. Der zweite verwendet GitHub CLI Version 2.90.0 oder höher mit `gh skill install`, das eine bestimmte Fähigkeit installieren, einen bestimmten Agenten-Host ansprechen und auf ein Release-Tag oder einen Commit-SHA pinnen kann; die README zeigt auch `gh skill update` zum Aktualisieren von Fähigkeiten. Der dritte Pfad ist ein manuelles git clone in ein Benutzer- oder Projektverzeichnis `.agents/skills/`. Als Voraussetzungen werden Python 3.13+ für Repository-Werkzeuge, der uv-Paketmanager für Abhängigkeiten und ein Agenten-Host, der Agent Skills unterstützt, genannt. Die README warnt, dass Installationspfade und Metadatenverhalten je nach Host variieren und anhand der aktuellen Host-Dokumentation bestätigt werden sollten, und empfiehlt, ein thematisches Teilset statt der gesamten Sammlung zu installieren, um Overhead durch ständigen Kontext zu vermeiden.

Sicherheitsüberprüfung und was sie nicht garantiert

Die README enthält einen ausdrücklichen Sicherheitshinweis. Sie besagt, dass Fähigkeiten Code ausführen und das Verhalten des Agenten beeinflussen können, und dass eine bösartige oder schlecht geschriebene Fähigkeit den Agenten zu schädlichen Handlungen verleiten könnte. Sie sagt, dass alle Beiträge einem Überprüfungsprozess unterzogen werden und dass LLM-basierte Sicherheitsscans über den Cisco AI Defense Skill Scanner für jede Fähigkeit laufen, aber auch, dass das Team nicht garantieren kann, dass jede Fähigkeit erschöpfend auf alle möglichen Risiken überprüft wurde. Die empfohlenen Vorsichtsmaßnahmen sind, nur das Nötigste zu installieren, jede SKILL.md vor der Installation zu lesen, den Beitragsverlauf zu prüfen, den Scanner lokal mit `uv pip install cisco-ai-skill-scanner` und `skill-scanner scan /path/to/skill --use-behavioral` auszuführen und alles Verdächtige zu melden. Die README besagt, dass Fähigkeiten wöchentlich gescannt werden, mit einem vollständigen Rescan mindestens alle 30 Tage und immer dann, wenn sich Scanner oder Modell ändern, und dass die Ergebnisse in docs/security-report.md veröffentlicht werden. Sie behauptet nicht, dass das Scannen die Bibliothek ohne Überprüfung durch den Betreiber sicher zu installieren macht.

Beispiel-Forschungsworkflows

Die README enthält mehrere Beispiel-Prompts, die zeigen, wie die Fähigkeiten kombiniert werden können. Eine Wirkstoffforschungs-Pipeline fordert den Agenten auf, ChEMBL nach EGFR-Inhibitoren zu durchsuchen, Struktur-Aktivitäts-Beziehungen mit RDKit zu analysieren, Analoga mit datamol zu erzeugen, virtuelles Screening mit DiffDock durchzuführen, PubMed zu durchsuchen, COSMIC zu prüfen und Visualisierungen zu erstellen. Ein Einzelzell-RNA-seq-Beispiel lädt einen 10X-Datensatz mit Scanpy, führt QC und Doublet-Entfernung durch, integriert mit Cellxgene Census, identifiziert Zelltypen mit NCBI-Gene-Markern, führt differentielle Expression mit PyDESeq2 durch, inferiert Genregulationsnetzwerke mit Arboreto und reichert Pfade über Reactome und KEGG an. Weitere Beispiele decken Multi-Omics-Biomarker-Entdeckung, virtuelles Screening für allosterische Modulatoren, Varianten-Evidenzprüfung und Netzwerkanalyse in der Systembiologie ab. Die README hat auch einen längeren Abschnitt mit Anwendungsfällen, der diese Workflows nach Domäne gruppiert. In der README selbst erscheinen keine Benchmark-Ergebnisse; sie verlinkt auf Blogbeiträge, die Benchmark-Zahlen für bestimmte Fähigkeiten berichten.

Kompatibilität mit dem Agent Skills Standard

Die README besagt, dass die Fähigkeiten mit jedem KI-Agenten funktionieren, der den offenen Agent Skills Standard unterstützt, und nennt Cursor, Claude Code, Codex, Google Antigravity und Gemini CLI als Beispiele. Sie erwähnt auch Pi und Hermes als Hosts mit Skill-Taps und enthält einen Hinweis zu NemoClaw, das in NVIDIA OpenShell mit standardmäßig verweigertem ausgehendem Netzwerkverkehr läuft, was bedeutet, dass netzwerkabhängige Fähigkeiten eine Vorabgenehmigung der Domänen in der OpenShell-TUI erfordern. Das Repository hieß zuvor Claude Scientific Skills und wurde laut README in Scientific Agent Skills umbenannt, um die breitere Kompatibilität widerzuspiegeln. Die README listet nicht auf, welche Hosts für diese spezifische Version getestet wurden, und rät, das Verhalten auf dem Zielhost zu verifizieren, da optionale Metadaten und Anmeldedaten-Prompts unterschiedlich interpretiert werden können.

Wartung, CI und Lizenzierung

Die README beschreibt einen CI-Prozess, bei dem jede Fähigkeit, die scripts/ enthält, eine Testsuite unter tests/ hat, und ein repo-weiter struktureller Vertrag bei jedem Pull-Request läuft, der Frontmatter, Linkauflösung, Skript-Parsing und --help-Verhalten abdeckt. Sie verweist auch auf eine Sicherheitsberichtsdatei und eine SECURITY.md-Richtlinie. Das Repository ist unter der MIT-Lizenz lizenziert, laut Lizenzauszug, die die Erlaubnis erteilt, Kopien der Software zu verwenden, zu kopieren, zu modifizieren, zu mergen, zu veröffentlichen, zu verteilen, zu unterlizenzieren und zu verkaufen, und besagt, dass die Software ohne Gewährleistung bereitgestellt wird. Die README gibt keine Versionsnummer oder Veröffentlichungsrhythmus an; die Metadaten zeigen, dass der Standardzweig main ist und es 8 offene Issues gibt.

Redaktionelles Fazit

Das Repository bietet Agenten vordokumentierte, versionsbewusste Pfade zu wissenschaftlichen Werkzeugen, aber die README ist deutlich, dass Überprüfung und Verifikation in der Verantwortung des Betreibers bleiben. Ob die Bibliothek gewartet und erweitert wird, hängt von der Community-Übernahme ab; die Metadaten zeigen eine hohe Sternenzahl und 8 offene Issues zum Zeitpunkt des Snapshots.

Offizielle Quellen

1. Official documentation
2. Official README
3. Project repository
4. Release notes