K-Dense-AI/scientific-agent-skills

🔔 Claude Scientific Skills가 이제 Scientific Agent Skills로 변경되었습니다. 동일한 기술을 제공하되 호환성은 더 넓어졌습니다 — 이제 Claude뿐만 아니라 오픈 Agent Skills 표준을 지원하는 모든 AI 에이전트에서 작동합니다.

새로운 기능: K-Dense BYOK — Scientific Agent Skills를 기반으로 데스크톱에서 실행되는 무료 오픈 소스 AI 공동 과학자 (AI co-scientist)입니다. 본인의 API 키를 가져오고(Bring your own API keys), 40개 이상의 모델 중 선택하여 웹 검색, 파일 처리, 100개 이상의 과학 데이터베이스, 그리고 이 저장소에 있는 135개의 모든 기술에 접근할 수 있는 완전한 연구 워크스페이스를 이용하세요. 데이터는 사용자의 컴퓨터에 머물며, 무거운 작업 부하를 위해 Modal을 통해 선택적으로 클라우드 컴퓨팅 (cloud compute)으로 확장할 수 있습니다. 여기서 시작하세요.

K-Dense가 제작한, 오픈 Agent Skills 표준을 지원하는 모든 AI 에이전트를 위한 135개의 즉시 사용 가능한 과학 및 연구 기술 컬렉션 (암 유전체학 (cancer genomics), 약물-표적 결합 (drug-target binding), 분자 역학 (molecular dynamics), RNA 속도 (RNA velocity), 지리 공간 과학 (geospatial science), 시계열 예측 (time series forecasting), Hugging Science를 통한 과학적 머신러닝 (scientific ML) 리소스 발견, 78개 이상의 과학 데이터베이스 등을 포함)입니다. Cursor, Claude Code, Codex 등과 함께 작동합니다. 당신의 AI 에이전트를 생물학, 화학, 의학 및 그 너머의 복잡한 다단계 과학 워크플로 (scientific workflows)를 실행할 수 있는 연구 보조원으로 변모시키세요.

이 기술들은 당신의 AI 에이전트가 여러 과학 분야에 걸쳐 전문적인 과학 라이브러리 (scientific libraries), 데이터베이스 및 도구들과 원활하게 협업할 수 있도록 합니다. 에이전트가 스스로 어떤 Python 패키지나 API도 사용할 수 있지만, 명시적으로 정의된 이러한 기술들은 아래의 워크플로에 대해 큐레이션된 문서와 예시를 제공하여 에이전트를 훨씬 더 강력하고 신뢰할 수 있게 만듭니다:

• 🧬 생물정보학 및 유전체학 (Bioinformatics & Genomics) - 서열 분석 (Sequence analysis), 단일 세포 RNA-seq (single-cell RNA-seq), 유전자 조절 네트워크 (gene regulatory networks), 변이 주석 (variant annotation), 계통 발생 분석 (phylogenetic analysis)

• 🧪 화학정보학 및 신약 개발 (Cheminformatics & Drug Discovery) - 분자 특성 예측 (Molecular property prediction), 가상 스크리닝 (virtual screening), ADMET 분석 (ADMET analysis), 분자 도킹 (molecular docking), 선도물질 최적화 (lead optimization)

• 🔬 단백질체학 및 질량 분석법 (Proteomics & Mass Spectrometry) - LC-MS/MS 처리 (LC-MS/MS processing), 펩타이드 식별 (peptide identification), 스펙트럼 매칭 (spectral matching), 단백질 정량 (protein quantification)

• 🏥 임상 연구 및 정밀 의료 (Clinical Research & Precision Medicine) - 임상 시험 (Clinical trials), 약물 유전체학 (pharmacogenomics), 변이 해석 (variant interpretation), 약물 안전성 (drug safety), 임상 의사 결정 지원 (clinical decision support), 치료 계획 (treatment planning)

• 🧠 헬스케어 AI 및 임상 머신러닝 (Healthcare AI & Clinical ML) - EHR 분석 (EHR analysis), 생체 신호 처리 (physiological signal processing), 의료 영상 (medical imaging), 임상 예측 모델 (clinical prediction models)

• 🖼️ 의료 영상 및 디지털 병리학 (Medical Imaging & Digital Pathology) - DICOM 처리 (DICOM processing), 전체 슬라이드 이미지 분석 (whole slide image analysis), 계산 병리학 (computational pathology), 방사선학 워크플로 (radiology workflows)

• 🤖 머신러닝 및 AI (Machine Learning & AI) - 딥러닝 (Deep learning), 강화학습 (reinforcement learning), 시계열 분석 (time series analysis), 모델 해석 가능성 (model interpretability), 베이지안 방법론 (Bayesian methods)

• 🔮 재료 과학 및 화학 (Materials Science & Chemistry) - 결정 구조 분석 (Crystal structure analysis), 상태도 (phase diagrams), 대사 모델링 (metabolic modeling), 계산 화학 (computational chemistry)

• 🌌 물리학 및 천문학 (Physics & Astronomy) - 천문 데이터 분석 (Astronomical data analysis), 좌표 변환 (coordinate transformations), 우주론적 계산 (cosmological calculations), 기호 수학 (symbolic mathematics), 물리학 계산 (physics computations)

• ⚙️ 공학 및 시뮬레이션 (Engineering & Simulation) - 이산 사건 시뮬레이션 (Discrete-event simulation), 다목적 최적화 (multi-objective optimization), 대사 공학 (metabolic engineering), 시스템 모델링 (systems modeling), 공정 최적화 (process optimization)

• 📊 데이터 분석 및 시각화 (Data Analysis & Visualization) - 통계 분석 (Statistical analysis), 네트워크 분석 (network analysis), 시계열 (time series), 출판 품질 피규어 (publication-quality figures), 대규모 데이터 처리 (large-scale data processing), 탐색적 데이터 분석 (EDA)

• 🌍 지형 공간 과학 및 원격 탐사 (Geospatial Science & Remote Sensing) - 위성 이미지 처리 (Satellite imagery processing), GIS 분석 (GIS analysis), 공간 통계 (spatial statistics), 지형 분석 (terrain analysis), 지구 관측을 위한 머신러닝 (machine learning for Earth observation)

• 🧪 실험실 자동화 (Laboratory Automation) - 액체 핸들링 프로토콜 (Liquid handling protocols), 실험 장비 제어 (lab equipment control), 워크플로 자동화 (workflow automation), LIMS 통합 (LIMS integration)

• 📚 과학 커뮤니케이션 (Scientific Communication) - 문헌 검토 (Literature review), 동료 검토 (peer review), 과학적 글쓰기 (scientific writing), 문서 처리 (document processing), 포스터 (posters), 슬라이드 (slides), 도식 (schematics), 인용 관리 (citation management)

• 🔬 멀티오믹스 및 시스템 생물학 (Multi-omics & Systems Biology) - 멀티모달 데이터 통합 (Multi-modal data integration), 경로 분석 (pathway analysis), 네트워크 생물학 (network biology), 시스템 수준의 통찰 (systems-level insights)

• 🧬 단백질 공학 및 설계 (Protein Engineering & Design) - 단백질 언어 모델 (Protein language models), 구조 예측 (structure prediction), 서열 설계 (sequence design), 기능 주석 (function annotation)

• 🎓 연구 방법론 (Research Methodology) - 가설 생성 (Hypothesis generation), 과학적 브레인스토밍 (scientific brainstorming), 비판적 사고 (critical thinking), 연구 제안서 작성 (grant writing), 학자 평가 (scholar evaluation)

당신의 AI 코딩 에이전트를 데스크톱 위의 'AI 과학자 (AI Scientist)'로 변신시키세요!

⭐

이 저장소가 유용하다고 생각하신다면, 별 (star)을 눌러주세요! 이는 다른 사람들이 이 도구들을 발견하는 데 도움이 되며, 저희가 이 컬렉션을 지속적으로 유지 관리하고 확장할 수 있는 격려가 됩니다.

🎬

Scientific Agent Skills가 처음이신가요? Scientific Agent Skills 시작하기 (Getting Started with Scientific Agent Skills) 영상을 시청하여 빠르게 살펴보세요.

이 저장소는 다음과 같은 카테고리로 분류된 **135가지 과학 및 연구 기술 (scientific and research skills)**을 제공합니다:

100개 이상의 과학 및 금융 데이터베이스 (100+ Scientific & Financial Databases)

• 통합 데이터베이스 조회 (database-lookup) 기술을 통해 78개의 공개 데이터베이스 (PubChem, ChEMBL, UniProt, COSMIC, ClinicalTrials.gov, FRED, USPTO 등)에 직접 접근할 수 있으며, DepMap, Imaging Data Commons, PrimeKG, U.S. Treasury Fiscal Data, 그리고 Hugging Science (Hugging Face의 17개 과학 도메인에 걸친 과학 데이터셋, 모델 및 데모의 큐레이션된 카탈로그)를 위한 전용 기술을 제공합니다. BioServices (~40개의 생물정보학 서비스), BioPython (Entrez를 통한 38개의 NCBI 하위 데이터베이스), gget (20개 이상의 유전체 데이터베이스)과 같은 멀티 데이터베이스 패키지가 범위를 더욱 확장합니다.

70개 이상의 최적화된 Python 패키지 기술 (70+ Optimized Python Package Skills)

• RDKit, Scanpy, PyTorch Lightning, scikit-learn, BioPython, pyzotero, BioServices, PennyLane, Qiskit, OpenMM, MDAnalysis, scVelo, TimesFM 등을 위해 명시적으로 정의된 기술을 제공하며, 큐레이션된 문서, 예시 및 모범 사례 (best practices)를 포함합니다.

참고: 에이전트는 이러한 패키지뿐만 아니라 모든 Python 패키지를 사용하여 코드를 작성할 수 있습니다. 이러한 기술은 나열된 패키지들에 대해 더 강력하고 신뢰할 수 있는 성능을 제공할 뿐입니다.

9 Scientific Integration Skills (과학적 통합 기술)

• Benchling, DNAnexus, LatchBio, OMERO, Protocols.io, Open Notebook 등을 위해 명시적으로 정의된 기술입니다. 다시 한번 말씀드리지만, 에이전트는 이에 국한되지 않습니다. Python에서 접근 가능한 모든 API 또는 플랫폼은 사용 가능하며, 이러한 기술들은 최적화되고 사전 문서화된 경로입니다.

30+ Analysis & Communication Tools (30개 이상의 분석 및 커뮤니케이션 도구)

• 문헌 검토 (Literature review), 과학적 글쓰기 (scientific writing), 동료 검토 (peer review), 문서 처리 (document processing), 포스터, 슬라이드, 도식 (schematics), 인포그래픽 (infographics), Mermaid 다이어그램 등

10+ Research & Clinical Tools (10개 이상의 연구 및 임상 도구)

• 가설 생성 (Hypothesis generation), 연구 제안서 작성 (grant writing), 임상 의사 결정 지원 (clinical decision support), 치료 계획, 규제 준수 (regulatory compliance), 시나리오 분석

각 기술에는 다음이 포함됩니다:

• ✅ 포괄적인 문서 (SKILL.md)

• ✅ 실용적인 코드 예시

• ✅ 사용 사례 (Use cases) 및 모범 사례 (best practices)

• ✅ 통합 가이드

• ✅ 참조 자료

• 포함 내용 (What's Included)

• 사용 이유 (Why Use This?)

• 시작하기 (Getting Started)

• 보안 면책 조항 (Security Disclaimer)

• 오픈 소스 지원 (Support Open Source)

• 사전 요구 사항 (Prerequisites)

• 빠른 예시 (Quick Examples)

• 사용 사례 (Use Cases)

• 사용 가능한 기술 (Available Skills)

• 기여하기 (Contributing)

• 문제 해결 (Troubleshooting)

• FAQ

• 지원 (Support)

• 인용 (Citation)

• 라이선스 (License)

며칠의 작업 시간을 절약 (Save Days of Work)

• API 문서 조사 및 통합 설정을 건너뛰십시오.

프로덕션 준비 완료된 코드 (Production-Ready Code)

• 과학적 모범 사례를 따르는 테스트 및 검증된 예시를 제공합니다.

다단계 워크플로 (Multi-Step Workflows)

• 단일 프롬프트로 복잡한 파이프라인을 실행하십시오.

135 Skills (135개 기술)

• 모든 주요 과학 분야에 걸친 광범위한 커버리지

100+ Databases (100개 이상의 데이터베이스)

• database-lookup을 통한 78개 이상의 데이터베이스에 대한 통합 액세스, 그리고 전용 데이터 액세스 기술 및 BioServices, BioPython, gget과 같은 멀티 데이터베이스 패키지 제공

70+ Optimized Python Package Skills (70개 이상의 최적화된 Python 패키지 기술)

• RDKit, Scanpy, PyTorch Lightning, scikit-learn, BioServices, PennyLane, Qiskit, OpenMM, scVelo, TimesFM 및 기타 (에이전트는 모든 Python 패키지를 사용할 수 있습니다. 이들은 사전 문서화된, 더 높은 성능을 내는 경로입니다.)

간편한 설정 (Simple Setup)

• 스킬을 스킬 디렉토리(skills directory)로 복사하고 바로 작업을 시작하세요.
  자동 탐색 (Automatic Discovery)
• 에이전트가 관련 스킬을 자동으로 찾아 사용합니다.
  잘 정리된 문서 (Well Documented)
• 각 스킬에는 예시, 사용 사례(use cases), 그리고 모범 사례(best practices)가 포함되어 있습니다.

정기적인 업데이트 (Regular Updates)

• K-Dense 팀에 의해 지속적으로 유지 관리되고 확장됩니다.
  커뮤니티 주도 (Community Driven)
• 활발한 커뮤니티 기여가 이루어지는 오픈 소스입니다.
  엔터프라이즈 준비 완료 (Enterprise Ready)
• 고급 요구 사항을 위한 상업적 지원이 가능합니다.

단 하나의 명령어로 Scientific Agent Skills를 설치하세요:

npx skills add K-Dense-AI/scientific-agent-skills

이것은 Claude Code, Claude Cowork, Codex, Gemini CLI, Cursor 및 오픈 에이전트 스킬(Agent Skills) 표준을 지원하는 기타 모든 에이전트를 포함한 모든 플랫폼에서 에이전트 스킬을 설치하는 공식 표준 방식입니다.

GitHub CLI (v2.90.0 이상)를 사용하는 경우, gh skill 명령어로 스킬을 설치할 수 있습니다:

# 대화형으로 탐색 및 설치
gh skill install K-Dense-AI/scientific-agent-skills
# 특정 스킬을 직접 설치
...

gh skill은 에이전트 호스트의 올바른 디렉토리에 자동으로 설치하며, 공급망 무결성(supply chain integrity)을 위해 출처 메타데이터(provenance metadata)를 기록합니다.

재현 가능한 설치를 위해 특정 릴리스 태그(release tag) 또는 커밋 SHA(commit SHA)로 고정(Pin)할 수 있습니다:

# 릴리스 태그로 고정
gh skill install K-Dense-AI/scientific-agent-skills --pin v1.0.0
# 커밋 SHA로 고정
...

# 대화형으로 업데이트 확인
gh skill update
# 설치된 모든 스킬 업데이트
...

끝입니다! 여러분의 AI 에이전트는 과학적 작업과 관련이 있을 때 스킬을 자동으로 탐색하고 사용할 것입니다. 또한 프롬프트에 스킬 이름을 언급함으로써 어떤 스킬이든 수동으로 호출할 수 있습니다.

스킬은 코드를 실행하고 코딩 에이전트의 동작에 영향을 미칠 수 있습니다. 설치하는 내용을 검토하십시오.

Agent Skills (에이전트 스킬)는 강력합니다. 에이전트 스킬을 통해 AI 에이전트가 임의의 코드를 실행하고, 패키지를 설치하며, 네트워크 요청을 보내고, 시스템의 파일을 수정하도록 지시할 수 있습니다. 악의적이거나 잘못 작성된 스킬은 코딩 에이전트를 해로운 동작으로 유도할 가능성이 있습니다.

우리는 보안을 엄격하게 다룹니다. 모든 기여(contribution)는 검토 과정을 거치며, 이 저장소의 모든 스킬에 대해 LLM 기반 보안 스캔(Cisco AI Defense Skill Scanner를 통해 수행)을 실행합니다. 하지만 커뮤니티 기여가 늘어나고 있는 소규모 팀으로서, 모든 스킬이 발생 가능한 모든 위험에 대해 철저하게 검토되었음을 보장할 수는 없습니다.

설치하는 스킬을 검토하고 어떤 것을 신뢰할지 결정하는 것은 궁극적으로 사용자의 책임입니다.

다음 사항을 권장합니다:

한꺼번에 모두 설치하지 마십시오. 실제로 작업에 필요한 스킬만 설치하십시오. K-Dense가 모든 스킬을 직접 생성하고 유지 관리했을 때는 전체 컬렉션을 설치하는 것이 합리적이었으나, 현재 저장소에는 저희가 충분히 철저하게 검토하지 못했을 수도 있는 많은 커뮤니티 기여가 포함되어 있습니다. 설치하기 전에 SKILL.md를 읽으십시오. 각 스킬의 문서는 해당 스킬이 무엇을 하는지, 어떤 패키지를 사용하는지, 어떤 외부 서비스에 연결되는지를 설명합니다. 무언가 의심스러워 보인다면 설치하지 마십시오. 기여 이력을 확인하십시오. K-Dense(K-Dense-AI)가 작성한 스킬은 내부 검토 과정을 거쳤습니다. 커뮤니티에서 기여한 스킬은 저희가 할 수 있는 최선의 범위 내에서 검토되었으나, 리소스에 한계가 있습니다. 보안 스캐너를 직접 실행하십시오. 제3자 스킬을 설치하기 전에 로컬에서 스캔하십시오:

uv pip install cisco-ai-skill-scanner
skill-scanner scan /path/to/skill --use-behavioral

의심스러운 사항은 보고하십시오. 악의적으로 보이거나 예상치 못한 동작을 하는 스킬을 발견하면 즉시 이슈(issue)를 생성하여 저희가 조사할 수 있도록 해주십시오.

모든 스킬은 대략 매주 단위로 스캔되며, SECURITY.md는 최신 결과로 업데이트됩니다. 저희는 보안 공백이 발생하면 이를 해결하기 위해 노력하고 있습니다.

Scientific Agent Skills는 전 세계의 헌신적인 개발자와 연구 커뮤니티가 관리하는 **50개 이상의 놀라운 오픈 소스 프로젝트 (open source projects)**를 기반으로 작동합니다. Biopython, Scanpy, RDKit, scikit-learn, PyTorch Lightning 및 기타 여러 프로젝트가 이러한 기술의 토대를 형성합니다.

이 저장소(repository)에서 가치를 발견하셨다면, 이를 가능하게 하는 프로젝트들을 지원하는 것을 고려해 주세요:

• ⭐
  GitHub에서 해당 프로젝트의 저장소에 Star를 눌러주세요 - 💰
  GitHub Sponsors 또는 NumFOCUS를 통해 유지 관리자(maintainers)를 후원해 주세요 - 📝
  출판물에서 프로젝트를 인용(Cite)해 주세요 - 💻
  코드, 문서 또는 버그 리포트로 기여(Contribute)해 주세요

Python: 3.11+ (최상의 호환성을 위해 3.12+ 권장)
uv: Python 패키지 매니저 (skill 의존성 설치를 위해 필요)
Client: Agent Skills 표준을 지원하는 모든 에이전트 (Cursor, Claude Code, Gemini CLI, Codex 등)
System: macOS, Linux 또는 WSL2가 설치된 Windows
Dependencies (의존성): 개별 기술(skills)에 의해 자동으로 처리됨 (SKILL.md 파일에서 특정 요구 사항 확인)

기술들은 Python 의존성을 설치하기 위해 패키지 매니저로 uv를 사용합니다. 사용 중인 운영 체제에 맞는 지침을 사용하여 설치하세요:

macOS 및 Linux:

curl -LsSf https://astral.sh/uv/install.sh | sh

Windows:

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

대안 (pip를 통해):

pip install uv

설치 후, 다음 명령어를 실행하여 정상 작동 여부를 확인하세요:

uv --version

더 많은 설치 옵션과 자세한 내용은 공식 uv 문서를 방문하십시오.