From k-skill
Queries real-time Seoul bike-sharing (따릉이) station availability by coordinates or station name, returning available bikes and empty racks.
How this skill is triggered — by the user, by Claude, or both
Slash command
/k-skill:seoul-bikeThe summary Claude sees in its skill listing — used to decide when to auto-load this skill
서울 열린데이터 광장의 따릉이 실시간 대여정보를 `k-skill-proxy` 경유로 조회해 대여 가능 자전거 수와 빈 거치대 수를 요약한다.
서울 열린데이터 광장의 따릉이 실시간 대여정보를 k-skill-proxy 경유로 조회해 대여 가능 자전거 수와 빈 거치대 수를 요약한다.
KSKILL_PROXY_BASE_URL (self-host·별도 프록시를 쓸 때만 설정. 비우면 기본 hosted https://k-skill-proxy.nomadamas.org 를 사용한다.)없음. 사용자가 개인 서울 열린데이터 광장 OpenAPI key를 직접 발급할 필요는 없다. /v1/seoul-bike/* routes는 기본 hosted proxy에서 호출하고, upstream key는 proxy 서버 쪽에만 보관한다.
python3 "$SKILL_DIR/scripts/seoul_bike.py" <subcommand> [args]
첫 사용 시 Bash(python3 *seoul_bike.py:*) 패턴 한 번만 승인하면 이후 호출은 모두 자동 허용된다.
| 명령 | 설명 |
|---|---|
nearby --lat LAT --lon LON [--radius-m 500] [--limit 10] [--json] | 좌표 주변 실시간 대여소 조회 |
search <키워드> [--limit 10] [--json] | 대여소 이름에 키워드가 포함된 실시간 상태 검색 |
realtime [--start-index 1 --end-index 1000] | 실시간 대여정보 원문 JSON 페이지 조회 |
python3 "$SKILL_DIR/scripts/seoul_bike.py" nearby --lat 37.5717 --lon 126.9763 --radius-m 500
요약 항목:
parkingBikeTotCnt)rackTotCnt - parkingBikeTotCnt)proxy.requested_at)python3 "$SKILL_DIR/scripts/seoul_bike.py" search "광화문" --limit 5
GET /v1/seoul-bike/realtime?startIndex=1&endIndex=1000 → 서울 bikeList 실시간 대여정보GET /v1/seoul-bike/stations?startIndex=1&endIndex=1000 → 서울 tbCycleStationInfo 대여소 마스터 정보GET /v1/seoul-bike/nearby?lat=37.5717&lon=126.9763&radius_m=500&limit=10 → proxy-side 주변 대여소 필터링SEOUL_OPEN_API_KEY 없음)docs/features/k-skill-proxy.md 를 참고한다.npx claudepluginhub nomadamas/k-skill --plugin k-skillQueries the Seoul Open Data API for real-time subway arrival info, summarizing line, direction, and approaching trains by station name.
Queries live Auckland public transport data (buses, trains, ferries) including real-time departures, stop search, service alerts, vehicle positions, and network status.
Composes Mapbox MCP tools into grounded, cited location-aware responses using live data instead of stale training data. Activates for questions about nearby places, neighborhoods, travel times, and local discovery.