Задачи и проекты в Linear

Делает работу с задачами, проектами и циклами Linear через его MCP-сервер в строгом порядке: настройка, рамки, чтение, потом запись, с примерами сценариев для триажа, спринтов и релизов. Для случаев, когда агент должен читать или менять Linear по ходу задачи.

Git и PRПак: Скиллы OpenAI87 строкlinear
Автор
Источник
openai/skills/skills/.curated/linear @ 49f948f
Лицензия
Apache-2.0

Об этом скилле

Что делает

Скилл задаёт жёсткий порядок работы с Linear через MCP-сервер Linear. Шаг 0 — настройка, если сервер не подключён: codex mcp add linear --url https://mcp.linear.app/mcp, включение удалённого MCP-клиента в config.toml, codex mcp login linear для входа через OAuth и перезапуск. На случай ошибок соединения в Windows дан конфиг, который запускает mcp-remote через WSL.

Дальше агент уточняет цель и рамки (команда, проект, приоритет, метки, цикл, сроки), выбирает сценарий и подтверждает нужные ID. Сначала читает, потом пишет, а перед массовыми изменениями объясняет, как сгруппировал задачи. В конце — итог, что осталось нерешённым, и предложения, что делать дальше.

В файле перечислены ожидаемые инструменты MCP: задачи, статусы и метки (list_issues, create_issue, update_issue и другие), проекты, команды и пользователи, документы, комментарии и циклы. Там же девять набросков сценариев: планирование спринта, разбор багов, аудит документации, распределение нагрузки, планирование релиза, зависимости между проектами, обновление статусов, расстановка меток и ретроспектива спринта. Есть и список проблем с решениями: OAuth, ошибки вызова инструментов, пропавшие данные, лимиты запросов Linear.

Когда включать и когда не надо

Когда агент по ходу задачи должен читать или менять задачи, проекты и циклы в Linear, особенно пачками.

Без рабочего пространства Linear ему делать нечего, а для одного запроса хватит и самого подключённого MCP-сервера.

Как поставить и вызвать

Команда установки ниже скачивает всю папку: SKILL.md, иконки, файл метаданных для Codex и лицензию. Нужен MCP-сервер Linear (https://mcp.linear.app/mcp), подключённый к вашему рабочему пространству через OAuth; ключ API нигде не хранится. Команды из шага 0 — это команды Codex; другие агенты подключают тот же адрес сервера в своих настройках MCP. Вызвать:

  • Claude Code: /linear или попросить скилл по имени.
  • Codex: $linear.
  • Cursor: наберите / в чате Agent и выберите linear.

Пример: /linear Покажи неназначенные баги с высоким приоритетом в команде Payments и предложи исполнителей с учётом текущей нагрузки.

OpenAI пометила репозиторий openai/skills устаревшим; наша копия зафиксирована на одном из его коммитов, а новой версии этого скилла в openai/plugins на ноябрь 2026 года нет.

Чем отличается от похожих

Триаж задач и PR и Разбивка спецификации на тикеты — сценарии поверх того трекера, который настроен в проекте, Linear в том числе. Триаж переводит задачи между состояниями и пишет брифы для агентов, а to-tickets публикует план тикетами со связями блокировки. Оба запускаются только по вызову и ждут настройки трекера из набора Мэтта Покока. Этот скилл устроен наоборот: только Linear, зато с настройкой и именами инструментов, а сценарии лишь намечены. Разбивка работы на задачи тоже умеет заводить задачи в Linear, если проект назначил его трекером.

Установка

Выполните одну команду — она сохранит SKILL.md и файлы, которые он использует, в папку скиллов агента. Claude Code и Codex подхватывают новый скилл без перезапуска; если скилл не появился, перезапустите агента.

Скилл написан на английском — агент поймёт его и ответит вам по-русски.

Claude Code — macOS, Linux
curl -fsSL --create-dirs -o ~/.claude/skills/linear/SKILL.md https://anymodel.org/en/skills/openai/linear/SKILL.md -o ~/.claude/skills/linear/LICENSE.txt https://anymodel.org/en/skills/openai/linear/LICENSE.txt -o ~/.claude/skills/linear/agents/openai.yaml https://anymodel.org/en/skills/openai/linear/agents/openai.yaml -o ~/.claude/skills/linear/assets/linear-small.svg https://anymodel.org/en/skills/openai/linear/assets/linear-small.svg -o ~/.claude/skills/linear/assets/linear.png https://anymodel.org/en/skills/openai/linear/assets/linear.png
Codex, Cursor — macOS, Linux
curl -fsSL --create-dirs -o ~/.agents/skills/linear/SKILL.md https://anymodel.org/en/skills/openai/linear/SKILL.md -o ~/.agents/skills/linear/LICENSE.txt https://anymodel.org/en/skills/openai/linear/LICENSE.txt -o ~/.agents/skills/linear/agents/openai.yaml https://anymodel.org/en/skills/openai/linear/agents/openai.yaml -o ~/.agents/skills/linear/assets/linear-small.svg https://anymodel.org/en/skills/openai/linear/assets/linear-small.svg -o ~/.agents/skills/linear/assets/linear.png https://anymodel.org/en/skills/openai/linear/assets/linear.png
Claude Code — Windows PowerShell
foreach ($f in 'SKILL.md','LICENSE.txt','agents/openai.yaml','assets/linear-small.svg','assets/linear.png') { $p = Join-Path "$HOME\.claude\skills\linear" $f; New-Item -ItemType Directory -Force (Split-Path $p) | Out-Null; Invoke-WebRequest "https://anymodel.org/en/skills/openai/linear/$f" -UseBasicParsing -OutFile $p }
Codex, Cursor — Windows PowerShell
foreach ($f in 'SKILL.md','LICENSE.txt','agents/openai.yaml','assets/linear-small.svg','assets/linear.png') { $p = Join-Path "$HOME\.agents\skills\linear" $f; New-Item -ItemType Directory -Force (Split-Path $p) | Out-Null; Invoke-WebRequest "https://anymodel.org/en/skills/openai/linear/$f" -UseBasicParsing -OutFile $p }

Другой агент: сохраните файл в его папку скиллов или дайте ему ссылку на файл: https://anymodel.org/en/skills/openai/linear/SKILL.md

SKILL.md

Исходник

Linear

Overview

This skill provides a structured workflow for managing issues, projects & team workflows in Linear. It ensures consistent integration with the Linear MCP server, which offers natural-language project management for issues, projects, documentation, and team collaboration.

Prerequisites

  • Linear MCP server must be connected and accessible via OAuth
  • Confirm access to the relevant Linear workspace, teams, and projects

Required Workflow

Follow these steps in order. Do not skip steps.

Step 0: Set up Linear MCP (if not already configured)

If any MCP call fails because Linear MCP is not connected, pause and set it up:

  1. Add the Linear MCP:
    • codex mcp add linear --url https://mcp.linear.app/mcp
  2. Enable remote MCP client:
    • Set [features] rmcp_client = true in config.toml or run codex --enable rmcp_client
  3. Log in with OAuth:
    • codex mcp login linear

After successful login, the user will have to restart codex. You should finish your answer and tell them so when they try again they can continue with Step 1.

Windows/WSL note: If you see connection errors on Windows, try configuring the Linear MCP to run via WSL:

{"mcpServers": {"linear": {"command": "wsl", "args": ["npx", "-y", "mcp-remote", "https://mcp.linear.app/sse", "--transport", "sse-only"]}}}

Step 1

Clarify the user's goal and scope (e.g., issue triage, sprint planning, documentation audit, workload balance). Confirm team/project, priority, labels, cycle, and due dates as needed.

Step 2

Select the appropriate workflow (see Practical Workflows below) and identify the Linear MCP tools you will need. Confirm required identifiers (issue ID, project ID, team key) before calling tools.

Step 3

Execute Linear MCP tool calls in logical batches:

  • Read first (list/get/search) to build context.
  • Create or update next (issues, projects, labels, comments) with all required fields.
  • For bulk operations, explain the grouping logic before applying changes.

Step 4

Summarize results, call out remaining gaps or blockers, and propose next actions (additional issues, label changes, assignments, or follow-up comments).

Available Tools

Issue Management: list_issues, get_issue, create_issue, update_issue, list_my_issues, list_issue_statuses, list_issue_labels, create_issue_label

Project & Team: list_projects, get_project, create_project, update_project, list_teams, get_team, list_users

Documentation & Collaboration: list_documents, get_document, search_documentation, list_comments, create_comment, list_cycles

Practical Workflows

  • Sprint Planning: Review open issues for a target team, pick top items by priority, and create a new cycle (e.g., "Q1 Performance Sprint") with assignments.
  • Bug Triage: List critical/high-priority bugs, rank by user impact, and move the top items to "In Progress."
  • Documentation Audit: Search documentation (e.g., API auth), then open labeled "documentation" issues for gaps or outdated sections with detailed fixes.
  • Team Workload Balance: Group active issues by assignee, flag anyone with high load, and suggest or apply redistributions.
  • Release Planning: Create a project (e.g., "v2.0 Release") with milestones (feature freeze, beta, docs, launch) and generate issues with estimates.
  • Cross-Project Dependencies: Find all "blocked" issues, identify blockers, and create linked issues if missing.
  • Automated Status Updates: Find your issues with stale updates and add status comments based on current state/blockers.
  • Smart Labeling: Analyze unlabeled issues, suggest/apply labels, and create missing label categories.
  • Sprint Retrospectives: Generate a report for the last completed cycle, note completed vs. pushed work, and open discussion issues for patterns.

Tips for Maximum Productivity

  • Batch operations for related changes; consider smart templates for recurring issue structures.
  • Use natural queries when possible ("Show me what John is working on this week").
  • Leverage context: reference prior issues in new requests.
  • Break large updates into smaller batches to avoid rate limits; cache or reuse filters when listing frequently.

Troubleshooting

  • Authentication: Clear browser cookies, re-run OAuth, verify workspace permissions, ensure API access is enabled.
  • Tool Calling Errors: Confirm the model supports multiple tool calls, provide all required fields, and split complex requests.
  • Missing Data: Refresh token, verify workspace access, check for archived projects, and confirm correct team selection.
  • Performance: Remember Linear API rate limits; batch bulk operations, use specific filters, or cache frequent queries.

Подключить через AnyModel API

Скилл работает на той модели, которую использует агент. Подключите Claude Code, Codex или Cursor к AnyModel и запускайте его на Claude, GPT, Gemini и других моделях по одному ключу — оплата за токены, без подписки.

Ещё из пака Скиллы OpenAI

Приложения на ASP.NET Core

Делает работу с ASP.NET Core по актуальным правилам: выбор между Blazor, Razor Pages, MVC и Minimal APIs, Program.cs и порядок middleware, авторизация, EF Core, тесты, переход на .NET 10. Для случаев, когда вы создаёте, ревьюите или обновляете приложение.

Приложения для ChatGPT на Apps SDK

Делает приложения для ChatGPT на Apps SDK: сначала читает документацию OpenAI, выбирает тип приложения, планирует MCP-инструменты, берёт официальный пример или заготовку на Node, проверяет в режиме разработчика. Для случаев, когда приложение живёт в ChatGPT.

CLI по документации API

Делает постоянный CLI по документации API, OpenAPI, curl-запросам или скрипту: JSON на выходе, doctor и dry-run, безопасная авторизация, установка в PATH и скилл-компаньон. Для случаев, когда агент раз за разом ходит в один сервис самодельными запросами.

Измеримая цель до начала работы

Делает из расплывчатого намерения одну измеримую цель с проверкой, границами и условием остановки и заводит её через get_goal и create_goal. Для случаев, когда перед долгой работой агента надо договориться, что считать «готово».

Разбор комментариев к PR на GitHub

Делает пронумерованный список всех комментариев, ревью и построчных тредов PR текущей ветки через GraphQL-скрипт на gh и правит только выбранные вами. Для случаев, когда в PR накопились замечания и вы хотите сами решить, что исправлять.

Починка упавших проверок GitHub Actions

Делает разбор упавших проверок GitHub Actions в PR: через gh скачивает логи, вырезает кусок с ошибкой и составляет план исправления, а код меняет только после одобрения. Для случаев, когда CI в PR красный и сначала нужна причина.

Ноутбуки Jupyter

Делает ноутбуки Jupyter для экспериментов и учебных разборов из готовых шаблонов через скрипт на стандартной библиотеке, с правилами структуры и чек-листом прогона. Для случаев, когда нужен новый ноутбук или старый надо сделать понятным и перезапускаемым.

Деплой на Netlify

Делает деплой проекта на Netlify через `npx netlify`: проверяет вход, привязывает папку к сайту по Git-remote или создаёт новый, собирает локально и отдаёт адрес превью или прода. Для случаев, когда сайт нужно выложить на Netlify со своей машины.

Управление браузером через Playwright CLI

Делает действия в настоящем браузере из терминала через playwright-cli: снапшоты дают ссылки на элементы для кликов и ввода, плюс скриншоты, консоль, сеть и трейсы, без файлов тестов. Для случаев, когда браузер нужно пройти по шагам.

Деплой на Render

Делает деплой приложения на Render из Git: пишет и проверяет Blueprint render.yaml с сервисами, базами и секретами или создаёт один сервис через MCP-сервер Render, затем смотрит статус и логи. Для случаев, когда приложению нужен хостинг на Render.

Ревью безопасности по стеку

Делает ревью безопасности кода на Python, JavaScript/TypeScript и Go по встроенным спецификациям для десяти фреймворков, пишет отчёт по серьёзности с номерами строк и чинит по одной находке. Для случаев, когда явно нужно ревью по практикам безопасности.

Модель угроз репозитория

Делает модель угроз по коду репозитория: границы доверия, активы, возможности атакующего и ранжированные сценарии атак с мерами защиты, а перед итоговым файлом уточняет ключевые допущения. Для случаев, когда явно нужна модель угроз кодовой базы.

Ошибки и события в Sentry

Делает выборку issues и событий из Sentry через CLI sentry, ничего не меняя: свежие ошибки прода, детали issue и события, ИИ-разбор причины, с маскировкой персональных данных. Для случаев, когда нужно понять по Sentry, что ломается на проде.

Деплой на Vercel

Делает деплой на Vercel, по умолчанию превью: через Vercel CLI или, без аккаунта, скриптом, который загружает папку и отдаёт ссылку на превью и ссылку для переноса деплоя в свой аккаунт. Для случаев, когда быстро нужна ссылка на работающий проект.

Контекст дизайна из Figma MCP

Делает код из фрейма Figma через MCP-сервер: контекст дизайна, метаданные, скриншот, затем перевод на компоненты и токены проекта; описывает настройку сервера в Codex. Для случаев, когда нужно подключить Figma MCP или сверстать фрейм по ссылке.

Работа с Figma через use_figma

Делает обязательную подготовку перед каждым вызовом use_figma: правила Plugin API о return, страницах, цветах, шрифтах, ID узлов и работе малыми проверяемыми шагами. Для случаев, когда агент создаёт или правит что-то внутри файла Figma.

Вёрстка по макету Figma

Делает вёрстку по фрейму или компоненту Figma один в один: берёт контекст и скриншот, переводит на токены и компоненты проекта, проходит чек-лист сверки. Для случаев, когда по ссылке на Figma нужен готовый интерфейс в коде.

Макет в Figma из приложения

Делает экран в Figma по коду или описанию — по секциям, из опубликованных компонентов, переменных и стилей файла, без захардкоженных значений. Для случаев, когда страницу приложения нужно перенести в Figma или обновить там.

Дизайн-система в Figma из кода

Делает библиотеку дизайн-системы в Figma по коду за пять фаз с согласованием: разведка, переменные и стили, структура страниц, компоненты по одному, проверка. Для случаев, когда библиотека в Figma должна совпадать с токенами и компонентами кода.

Связка компонентов Figma с кодом

Делает связи Code Connect между опубликованными компонентами Figma и их реализацией в коде: находит несвязанные, подбирает пары в репозитории, связывает одобренные. Для случаев, когда библиотека в Figma и компоненты в коде уже есть, а связи нет.

Правила дизайн-системы для Figma

Делает файл правил для вёрстки по Figma — в CLAUDE.md, AGENTS.md или правила Cursor — по шаблону Figma и разбору кодовой базы. Для случаев, когда агента нужно один раз настроить на регулярную работу с макетами в этом репозитории.

Новый файл в Figma

Делает пустой файл Figma или доску FigJam в черновиках, выбирая тарифный план через whoami, и возвращает ключ и ссылку. Для случаев, когда следующему шагу с Figma нужен новый файл для записи.