Scientific Agent Skills — 181 научных скиллов для ИИ-агентов

Библиотека Scientific Agent Skills от компании K-Dense — это 181 скилл для ИИ-агентов, заточенный под научную работу. Раньше проект назывался Claude Scientific Skills, но теперь он не привязан к продуктам Anthropic. Коллекция следует открытому стандарту Agent Skills, поэтому скиллы работают в Claude Code, Cursor, Codex, Gemini CLI, Google Antigravity и других совместимых агентах. Репозиторий распространяется по лицензии MIT, а подход команды описан в статье на arXiv.

Идея простая. Агент и сам умеет вызывать любой Python-пакет или API. Но без подготовки он часто ошибается в специфике: путает версии, пропускает научные соглашения, забывает про проверки качества данных. Скилл — это файл SKILL.md с инструкциями, примерами и правилами валидации для конкретной задачи. Агент подгружает его, когда задача попадает в нужную область, и работает заметно надёжнее.

Что внутри

Коллекция охватывает почти все естественные науки. Каталог большой, но скиллы сгруппированы по областям, так что свой набор найдёт каждый.

100+ научных баз данных. Главный скилл здесь — database-lookup: единый интерфейс к 78 публичным базам вроде PubChem, UniProt, ChEMBL и ClinicalTrials.gov. Он возвращает ответы с указанием источника, а не выдуманные цифры. Отдельные скиллы добавляют DepMap, PrimeKG, AlphaGenome и мультибазовые пакеты BioServices и gget.

70+ скиллов для Python-пакетов. Каждый описывает проверенный рабочий процесс для конкретной библиотеки: RDKit для химии, Scanpy для анализа одноклеточных данных, PyTorch Lightning для обучения моделей, pymatgen для материаловедения, Qiskit для квантовых вычислений. Инструкции привязаны к конкретным версиям пакетов, поэтому они не расходятся с реальностью.

9 интеграций с научными платформами. Benchling, DNAnexus, Opentrons, Ginkgo Cloud Lab и другие сервисы, которыми пользуются реальные лаборатории.

30+ инструментов анализа и коммуникации. Поиск по литературе, обзор статей, написание научных текстов со ссылками на источники, конфиденциальное рецензирование, создание презентаций, постеров и схем.

10+ исследовательских и клинических инструментов. Генерация гипотез, написание заявок на гранты, фармакокинетическое моделирование, подготовка документов по стандартам ISO и ICH.

Четыре скилла для документов — docx, pdf, pptx и xlsx — взяты из репозитория anthropics/skills и поддерживаются самой Anthropic.

Для каких задач

Полный каталог с фильтрами по категориям лежит в docs/skills.md. Вот несколько типовых сценариев:

• Поиск лекарств. Агент ищет ингибиторы в ChEMBL, анализирует структуру молекул через RDKit, проводит виртуальный скрининг через DiffDock и собирает отчёт с визуализациями.
• Анализ РНК-секвенирования. Загрузка данных 10X Genomics, контроль качества, определение типов клеток через Scanpy, дифференциальная экспрессия через PyDESeq2.
• Обзор литературы. Поиск по PubMed, arXiv и bioRxiv, чтение полных текстов через Paperclip (11 млн статей с цитатами, привязанными к строкам), генерация гипотез с опорой на источники.
• Клинические исследования. Аннотация вариантов с доказательствами из ClinVar и COSMIC, фармакокинетические модели, анализ реестров клинических испытаний. Важная деталь: клинические скиллы работают только с обезличенными данными и помечают результаты как черновики для проверки врачом.

Как установить

Самый короткий путь — одна команда:

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

Если стоит GitHub CLI версии 2.90.0 или новее, удобнее ставить через него — можно выбрать конкретный скилл и целевого агента:

gh skill install K-Dense-AI/scientific-agent-skills scanpy
gh skill install K-Dense-AI/scientific-agent-skills --agent cursor

Та же утилита фиксирует версию (--pin v2.66.0) и обновляет установленные скиллы (gh skill update --all). Репозиторий также собран как пакет по стандарту Agent Plugins: Cursor и Codex подхватывают его как единый плагин.

Для остальных хостов работает обычное клонирование в каталог скиллов:

git clone https://github.com/K-Dense-AI/scientific-agent-skills.git ~/.agents/skills/scientific-agent-skills

Совместимый агент сам находит скиллы в своих путях и подключает их по мере надобности. Можно и явно назвать скилл в промпте.

Пример промпта

После установки сложный рабочий процесс запускается одним запросом. Пример из документации — поиск кандидатов в ингибиторы EGFR:

Use available skills you have access to whenever possible. Query ChEMBL for EGFR inhibitors (IC50 < 50nM), analyze structure-activity relationships
with RDKit, generate improved analogs with datamol, perform virtual screening with DiffDock
against AlphaFold EGFR structure, search PubMed for resistance mechanisms, check COSMIC for
mutations, and create visualizations and a comprehensive report.

Агент сам определит, какие скиллы нужны на каждом шаге, и выстроит цепочку. Больше примеров для разных областей — в docs/examples.md.

Безопасность

Скиллы могут выполнять код и влиять на поведение агента, поэтому авторы проекта прямо просят не ставить всё подряд. Их рекомендации:

• ставьте только те скиллы, которые нужны для вашей работы;
• читайте SKILL.md перед установкой — там описано, какие пакеты и внешние сервисы использует скилл;
• доверяйте скиллам от самой K-Dense больше, чем вкладам сообщества;
• прогоняйте сторонние скиллы через сканер Cisco AI Defense Skill Scanner перед установкой.

Все скиллы сканируются автоматически раз в неделю, полный пересмотр происходит минимум раз в 30 дней. Результаты публикуются в открытом отчёте docs/security-report.md.

Требования

Понадобятся Python 3.13+ и менеджер пакетов uv — скиллы ставят зависимости через него. Установка uv на macOS и Linux:

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

Важно понимать: сама установка скиллов не устанавливает их зависимости. Для каждой научной задачи лучше отдельное окружение — у скиллов бывают несовместимые требования к версиям пакетов.

Отдельно стоит упомянуть K-Dense BYOK — бесплатное десктопное приложение от той же команды. Это готовый «ИИ-учёный» с поиском в сети, доступом к тем же 100+ базам данных и всеми 181 скиллом из репозитория. Ключи API пользователь приносит свои, данные остаются на компьютере.

Для команды, которая использует ИИ-агентов в науке или анализе данных, эта коллекция — самый полный открытый набор предметных знаний на сегодня. Вместо настройки каждого пакета вручную вы подключаете готовый скилл и сразу получаете проверенный рабочий процесс.