A criação de servidores MCP requer a compreensão de um protocolo complexo com múltiplas opções de transporte e padrões de ferramentas. Esta skill oferece um guia de início rápido com exemplos claros de código Rust, configurações de transporte e estratégias de teste para construir servidores MCP prontos para produção.

Escrever código acoplado diretamente a bancos de dados, clientes HTTP ou sistemas de arquivos cria desafios de teste e limita a flexibilidade. Esta skill ajuda a projetar abstrações de portas e implementações de adaptadores para a arquitetura hexagonal, permitindo uma separação limpa entre a lógica de negócio e as dependências externas.

Arquivos Parquet podem ficar lentos e inchados sem otimização adequada. Esta habilidade analisa proativamente operações Parquet e sugere melhorias para compactação, codificação, dimensionamento de grupos de linhas e estatísticas para maximizar o desempenho de consultas e minimizar custos de armazenamento.

Operações de armazenamento em nuvem falham intermitentemente devido a problemas de rede, limitação de taxa e tempos limite. Esta habilidade fornece orientação especializada sobre como implementar armazenamento de objetos robusto com lógica de repetição adequada, tratamento de erros, padrões de streaming e E/S eficiente para S3, Azure Blob e Google Cloud Storage.

Testar código com dependências externas é desafiador. Esta skill fornece padrões para criar implementações mock usando traits, permitindo testes de unidade confiáveis sem infraestrutura real.

Servidores MCP precisam de recursos para fornecer dados e arquivos para assistentes de IA. Esta skill orienta desenvolvedores na implementação de recursos endereçáveis por URI com cache, streaming e tratamento adequado de tipos MIME para integrações prontas para produção.

Construir servidores MCP requer prompts bem projetados para orientar interações de IA. Esta habilidade fornece padrões e exemplos para criar prompts reutilizáveis e parametrizados usando o crate Rust rmcp.

A criação de servidores MCP para produção requer atenção cuidadosa à arquitetura, segurança e desempenho. Esta habilidade fornece orientação especializada sobre padrões comprovados para criar implementações de servidores MCP manteníveis e seguras.

A arquitetura de código se degrada ao longo do tempo à medida que as equipes se apressam para entregar funcionalidades. Esta skill identifica proativamente violações de arquitetura em codebases Rust e sugere melhorias para uma separação limpa de ports e adapters.

Desenvolvedores lutam com incompatibilidades de tipos de erro Rust e chamadas map_err repetitivas. Esta skill fornece padrões idiomáticos para converter erros usando implementações From trait, o operador ?, e bibliotecas como thiserror e anyhow.

Modelos de domínio frequentemente se tornam simples containers de dados sem comportamento. Esta skill orienta desenvolvedores na criação de modelos de domínio expressivos e seguros em tipos usando objetos de valor, entidades com identidade e eventos de domínio seguindo os princípios de DDD.

Data lakes requerem decisões arquiteturais cuidadosas sobre particionamento, camadas de armazenamento e design de schema que impactam performance e custo. Esta skill oferece orientação especializada para construir arquiteturas lakehouse escaláveis usando padrões modernos e melhores práticas.

Inicializações frias do AWS Lambda causam picos de latência em aplicações serverless. Esta skill oferece orientação especializada para reduzir tempos de inicialização fria para funções Lambda em Rust através de otimização de binário, padrões de inicialização preguiçosa e práticas recomendadas de deploy.

Testes manuais de navegador e web scraping são demorados e propensos a erros. Esta habilidade fornece automação de navegador de nível empresarial usando o protocolo WebDriver, permitindo preenchimento confiável de formulários, captura de screenshots, monitoramento de desempenho e fluxos de trabalho web de várias etapas no Chrome, Firefox e Edge.

Agentes de IA perdem contexto quando as conversas terminam. Esta skill usa Issues do GitHub como memória permanente que sobrevive ao esgotamento de contexto e permite colaboração contínua entre múltiplas sessões.

O gerenciamento de fluxos de trabalho de desenvolvimento multifásico requer acompanhamento manual e fechamento de threads. Esta habilidade automatiza as transições de fases no GitHub Elements, fechando a thread atual e abrindo a próxima thread de fase com validação adequada.

Desenvolvedores frequentemente perdem contexto ao alternar entre problemas do GitHub durante sessões de codificação colaborativa. Esta habilidade permite controle em linguagem natural sobre transcrição de linhas de discussão de problemas, rastreamento automático de estado e alternância perfeita entre múltiplos contextos de desenvolvimento.

Os usuários do GitHub Elements precisam de visibilidade rápida sobre suas threads ativas e estado do fluxo de trabalho antes de iniciar o trabalho. Esta skill somente leitura fornece uma visão instantânea das threads ativas, distribuição de fases e saúde do fluxo de trabalho sem modificar nada.

Gerenciar requisitos de funcionalidades sem um sistema estruturado leva a escopo crescente e implementações desalinhadas. Esta skill fornece arquivos de requisitos em markdown versionados com vinculação automatizada a issues do GitHub e backup de memória SERENA para fluxos de trabalho de desenvolvimento persistentes e rastreáveis.

Os usuários precisam de análise detalhada do desempenho de seus workflows do GitHub Elements. Esta habilidade gera relatórios abrangentes, incluindo métricas, avaliações de saúde e análise específica de epics para ajudar as equipes a entenderem sua velocidade de desenvolvimento e identificarem áreas de melhoria.