PaaS & BaaS
Plateformes cloud applicatives : Firebase, Cloudflare, Vercel, Netlify, Render, Deno Deploy.
| # | Skill | Source | Description | Maj | |
|---|---|---|---|---|---|
| 1 | prisma-compute | prisma/skills | Créer, déployer et déboguer des applications TypeScript sur Prisma Compute. | 42 | 2j |
| 2 | neon-functions | neondatabase/agent-skills | Déployer et gérer des fonctions HTTP longue durée colocalisées avec une base Postgres Neon. | 71 | 3j |
| 3 | neon-object-storage | neondatabase/agent-skills | Gérer un stockage objet S3 compatible qui se branche avec votre base Neon. | 71 | 4j |
| 4 | firebase-app-hosting-basics | firebase/agent-skills | Déployer et gérer des applications web full-stack avec Firebase App Hosting. | 363 | 5j |
| 5 | firebase-basics | firebase/agent-skills | Configurer et gérer un projet Firebase via CLI et outils MCP. | 363 | 5j |
| 6 | firebase-data-connect | firebase/agent-skills | Intégrer une base de données PostgreSQL relationnelle avec GraphQL, SDK typé et requêtes auto-générées. | 363 | 5j |
| 7 | firebase-hosting-basics | firebase/agent-skills | Déployer et héberger des applications web sur Firebase Hosting via CDN mondial. | 363 | 5j |
| 8 | neon | neondatabase/agent-skills | Naviguer dans l'écosystème Neon et orienter vers les skills et ressources adaptés. | 71 | 5j |
| 9 | tao-run-on-brev | nvidia/skills | Gérer des instances GPU NVIDIA on-demand via le CLI Brev avec authentification automatisée. | 1 960 | 5j |
| 10 | tao-run-on-local-docker | nvidia/skills | Exécuter des jobs TAO comme conteneurs Docker locaux sur GPU NVIDIA. | 1 960 | 5j |
| 11 | tao-run-on-slurm | nvidia/skills | Soumettre et gérer des jobs GPU sur clusters SLURM via SSH et sbatch. | 1 960 | 5j |
| 12 | cloudflare | cloudflare/skills | Naviguer les produits Cloudflare et construire des solutions adaptées à chaque besoin. | 1 955 | 7j |
| 13 | functions | browserbase/skills | Déployer des fonctions d'automatisation de navigateur serverless via Browserbase. | 3 610 | 12j |
| 14 | vpc-air-gapped | rivet-dev/skills | Déployer Rivet en réseau privé VPC ou air-gappé sans connexion externe. | 17 | 12j |
| 15 | rivetkit | rivet-dev/skills | Construire des processus en mémoire haute performance sur le runtime d'acteurs Rivet. | 17 | 12j |
| 16 | vss-deploy-detection-tracking-3d | nvidia/skills | Déployer et configurer le stack de détection 3D RTVI-CV-3D avec calibration et vérification. | 1 960 | 16j |
| 17 | vss-setup-behavior-analytics | nvidia/skills | Déployer le service behavior-analytics en mode standalone avec configuration personnalisée. | 1 960 | 16j |
| 18 | vss-setup-video-analytics-api | nvidia/skills | Déployer le service REST video-analytics-api en mode autonome avec Elasticsearch et Kafka. | 1 960 | 16j |
| 19 | vss-setup-behavior-analytics | nvidia-ai-blueprints/video-search-and-summarization | Déployer le service behavior-analytics en mode standalone avec entrypoint et configuration personnalisés. | 1 677 | 17j |
| 20 | vss-setup-video-analytics-api | nvidia-ai-blueprints/video-search-and-summarization | Déployer le service REST vss-video-analytics-api en mode standalone avec configuration personnalisée. | 1 677 | 17j |
| 21 | vss-deploy-detection-tracking-3d | nvidia-ai-blueprints/video-search-and-summarization | Déployer et opérer le microservice RTVI-CV-3D en mode détection et tracking 3D multi-caméras. | 1 677 | 17j |
| 22 | vss-deploy-dense-captioning | nvidia/skills | Déployer et interagir avec le microservice RT-VLM de génération de légendes vidéo NVIDIA. | 1 960 | 18j |
| 23 | vss-deploy-detection-tracking-2d | nvidia/skills | Déployer, opérer et piloter via REST le microservice RTVI-CV de détection vidéo. | 1 960 | 18j |
| 24 | vss-deploy-dense-captioning | nvidia-ai-blueprints/video-search-and-summarization | Déployer et interroger le microservice RT-VLM de génération de captions vidéo NVIDIA. | 1 677 | 18j |
| 25 | tao-run-on-lepton | nvidia/skills | Soumettre et gérer des workloads GPU conteneurisés sur la plateforme cloud Lepton. | 1 960 | 19j |
| 26 | hsb-setup | nvidia/skills | Déployer automatiquement l'environnement de démo Holoscan Sensor Bridge de bout en bout. | 1 960 | 23j |
| 27 | huggingface-spaces | huggingface/skills | Créer, déployer et maintenir des applications ML sur Hugging Face Spaces. | 10 736 | 23j |
| 28 | package-usage | pulumi/agent-skills | Identifier les stacks Pulumi utilisant une version obsolète d'un package. | 59 | 25j |
| 29 | holoscan-install-conda | nvidia/skills | Installer le SDK Holoscan dans un environnement Conda sur Linux x86_64. | 1 960 | 27j |
| 30 | holoscan-install-container | nvidia/skills | Installer et valider le conteneur SDK Holoscan depuis NGC avec vérification GPU. | 1 960 | 27j |
| 31 | holoscan-install-source | nvidia/skills | Compiler le SDK Holoscan depuis les sources via Docker et CMake. | 1 960 | 27j |
| 32 | holoscan-setup | nvidia/skills | Détecter l'environnement et installer automatiquement le SDK Holoscan NVIDIA adapté. | 1 960 | 27j |
| 33 | mcore-run-on-slurm | nvidia/skills | Lancer Megatron-LM sur un cluster SLURM multi-nœuds avec configuration distribuée. | 1 960 | 29j |
| 34 | nemoclaw-user-manage-sandboxes | nvidia/skills | Gérer le cycle de vie des sandboxes OpenClaw : santé, logs, ports et reconfiguration. | 1 960 | 1mo |
| 35 | nemoclaw-user-deploy-remote | nvidia/skills | Déployer NemoClaw sur une instance GPU distante via Brev. | 1 960 | 1mo |
| 36 | nemo-automodel-launcher-config | nvidia/skills | Configurer et lancer des jobs d'entraînement LLM sur Slurm, SkyPilot ou en interactif. | 1 960 | 1mo |
| 37 | vercel-optimize | vercel-labs/agent-skills | Auditer les performances Vercel en priorisant les signaux de production pour optimiser le code. | 28 397 | 1mo |
| 38 | clickhousectl-cloud-deploy | clickhouse/agent-skills | Déployer une application ClickHouse sur ClickHouse Cloud via CLI en production. | 477 | 1mo |
| 39 | encore-bucket | encoredev/skills | Gérer le stockage d'objets cloud avec buckets, URLs signées et permissions typées. | 25 | 1mo |
| 40 | encore-go-bucket | encoredev/skills | Gérer le stockage objet cloud avec uploads, downloads et URLs signées en Go. | 25 | 1mo |
| 41 | exec-slurm-compile | nvidia/skills | Compiler TensorRT-LLM sur un cluster SLURM via des conteneurs enroot. | 1 960 | 1mo |
| 42 | apify-actorization | apify/agent-skills | Convertir un projet existant en Actor serverless déployable sur la plateforme Apify. | 2 183 | 1mo |
| 43 | mcloud-deployments | medusajs/medusa-agent-skills | Inspecter les déploiements cloud et leurs logs de build via CLI. | 190 | 1mo |
| 44 | mcloud-environments | medusajs/medusa-agent-skills | Gérer le cycle de vie des environnements cloud via des commandes CLI dédiées. | 190 | 1mo |
| 45 | mcloud-organizations | medusajs/medusa-agent-skills | Lister et récupérer les détails des organisations Cloud via CLI. | 190 | 1mo |
| 46 | mcloud-projects | medusajs/medusa-agent-skills | Gérer les projets Cloud via CLI : lister, consulter et supprimer. | 190 | 1mo |
| 47 | mcloud-variables | medusajs/medusa-agent-skills | Inspecter et récupérer les variables d'environnement Cloud via CLI. | 190 | 1mo |
| 48 | deploy | nvidia/skills | Déployer des profils VSS via un workflow compose validé et auditable. | 1 960 | 1mo |
| 49 | using-medusa-cloud | medusajs/medusa-agent-skills | Gérer les ressources cloud Medusa via CLI avec contraintes et diagnostics intégrés. | 190 | 1mo |
| 50 | modal | mkurman/zorai | Déployer et exécuter du Python serverless sur GPU dans le cloud avec Modal. | 315 | 1mo |
À propos de cette sélection
Provisionner une base en temps réel, déployer un worker edge sans toucher à un cluster Kubernetes, brancher une auth sociale en quelques appels : voilà ce que couvre cette sélection. Ces skills ciblent les profils fullstack ou backend qui veulent déléguer l'infrastructure à une plateforme et concentrer l'effort sur la logique applicative. Tu trouveras de quoi piloter des règles Firestore via un agent, ou automatiser des déploiements sur des runtimes edge comme ceux de Cloudflare. La couverture des scénarios courants est solide, même si la fragmentation entre providers reste réelle. Un bon point d'entrée quand ton agent doit orchestrer des ressources cloud sans passer par une couche IaC complète.