スキル deploy-model

📦

deploy-model

Name: deploy-model
Author: microsoft

v1.0.0 コンテンツリビジョン r2 重大 ⚙️ 外部コマンド🌐 ネットワークアクセス📁 ファイルシステムへのアクセス

Déployer des modèles Azure OpenAI dans Foundry

Le déploiement de modèles dans Azure AI Foundry nécessite la sélection d’un projet, des vérifications de quotas, des choix de SKU et une confirmation. Cette compétence guide Claude, Codex ou Claude Code à travers des workflows prédéfinis, personnalisés et de découverte de capacité.

対応: Claude Codex Code(CC)

⚠️ 38 不十分

Maintain this Skill? Claim it ⚠️ 38 不十分

この Skill を自動インストールしないでください。

基準ポリシーにより、インストール操作の前にオペレーターのレビューが必要です。

自分のエージェントでインストール

このリクエストをエージェントにコピーしてください。正規の Skill ページとマニフェストが含まれています。

エージェントリクエスト

Review the Skillstore skill "deploy-model" from https://skillstore.io/skills/microsoft-deploy-model.md and its manifest at https://skillstore.io/api/skills/microsoft-deploy-model/manifest. Verify the artifact. Do not auto-install. Inspect the skill and report your findings, then wait for an operator or manual installation decision.

エージェントは引き続き計画を提示し、セキュリティポリシーで必要な確認を求める必要があります。

エージェントが読めるリソース

AI エージェント、クローラー、スクリプトがページ全体ではなく整理されたコンテキストを必要とする場合は、これらのリンクを使ってください。

Markdown詳細 GET /skills/microsoft-deploy-model.md 署名済み manifest GET /api/skills/microsoft-deploy-model/manifest 署名済み lockfile GET /api/skills/microsoft-deploy-model/lockfile

テストする

「deploy-model」を使用しています。 Déployer gpt-4o.

期待される結果:

L’assistant identifie le mode prédéfini, confirme le projet et la région Azure AI Foundry, vérifie les prérequis et ne poursuit qu’après approbation.

「deploy-model」を使用しています。 Déployer gpt-4o avec une capacité de 50K et des paramètres personnalisés.

期待される結果:

L’assistant vérifie d’abord la capacité, présente les régions admissibles, puis oriente le déploiement vers le flux de paramètres personnalisés.

「deploy-model」を使用しています。 Où puis-je déployer o3-mini ?

期待される結果:

L’assistant utilise la découverte de capacité pour comparer la disponibilité et le quota, puis résume les régions éligibles sans créer de déploiement.

セキュリティ監査

重大

v5 • 2026/7/23 バージョン別レポートを開く

Most static alerts are false positives from Markdown formatting, documented Azure commands, official Microsoft endpoints, and benign redirection. Confirmed risks include jq program injection through the SKU argument and a predictable temporary file. Semantic review also found local Python code injection and Azure CLI option injection.

スキャンされたファイル

2,763

解析済み行数

レビュー項目

誤検知を無視

確認済みのセキュリティ上の懸念 (2)

重大

capacity/scripts/discover_and_rank.sh:53-60 capacity/scripts/discover_and_rank.sh:104

Unsanitized Inline Python Construction

The discovery helper inserts script arguments and Azure JSON directly into Python source. Crafted model, version, or capacity input can execute local Python code.

Lines 57-60 embed unescaped values inside Python string literals, while line 104 embeds model arguments inside generated Python source. These inputs can change program syntax.

高

customize/references/customize-workflow.md:61 customize/references/customize-workflow.md:317-325

Azure CLI Option Injection in Custom Workflow

The workflow permits custom model names, then expands user-influenced values as unquoted Azure CLI arguments. Whitespace can introduce extra options and redirect or disrupt deployment operations.

The instructions explicitly allow custom model input and later use unquoted Bash expansions in a resource-creating command. Bash word splitting can turn one value into additional Azure CLI options.

機能レビュー項目 (3)

これらは、このスキルに期待される可能性のある実際のローカル機能であるため、レビューが必要ですが、確認済みの悪意ある動作としてはカウントされません。

高

capacity/scripts/query_capacity.sh:45

Shell command substitution

REGIONS_WITH_CAP=$(echo "$CAPACITY_RESULT" | jq -r ".value[] | select(.properties.skuName==\"$SKU\"

The SKU argument is interpolated directly into jq source. A crafted SKU can alter the filter and expose process environment values through jq's $ENV object.

高

capacity/scripts/query_capacity.sh:59

Shell command substitution

avail=$(echo "$CAPACITY_RESULT" | jq -r ".value[] | select(.location==\"$region\" and .properties.sk

The user-controlled SKU is inserted into a second jq program without --arg. A crafted value can execute unintended jq filters and place environment data in printed output.

中

preset/references/preset-workflow.md:200

Temp directory access

echo "$ALL_REGIONS_JSON" > /tmp/capacity_check.json

The workflow writes Azure response data to a fixed /tmp/capacity_check.json path. A local attacker can pre-create a symlink, causing file clobbering with the agent user's permissions.

リスク要因

⚙️ 外部コマンド (50)

🌐 ネットワークアクセス (26)

capacity/scripts/discover_and_rank.ps1:26 capacity/scripts/discover_and_rank.ps1:32 capacity/scripts/discover_and_rank.sh:21 capacity/scripts/discover_and_rank.sh:27 capacity/scripts/query_capacity.ps1:41 capacity/scripts/query_capacity.ps1:43 capacity/scripts/query_capacity.sh:34 capacity/scripts/query_capacity.sh:36 customize/EXAMPLES.md:80 customize/references/customize-workflow.md:130 customize/references/customize-workflow.md:149 customize/references/customize-workflow.md:209 customize/references/customize-workflow.md:219 customize/references/customize-workflow.md:340 customize/references/customize-workflow.md:385 preset/references/preset-workflow.md:168 preset/references/preset-workflow.md:197 preset/references/preset-workflow.md:497 preset/references/preset-workflow.md:507 preset/references/preset-workflow.md:521 preset/references/preset-workflow.md:566 preset/references/workflow.md:108 preset/references/workflow.md:80 preset/references/workflow.md:93 scripts/generate_deployment_url.ps1:59 scripts/generate_deployment_url.sh:87

📁 ファイルシステムへのアクセス (38)

監査者: codex 監査履歴を表示 →

このレポートを共有・引用

バージョン付き評価レポート、中立的なバッジ、埋め込みカード、引用を共有できます。Skillstore は証拠を報告しますが、この Skill が安全かどうかは判断しません。

バージョン別レポートを開く

レポートリンクをコピー

https://skillstore.io/skills/microsoft-deploy-model/audits/5?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Markdownバッジ

[![Skillstore security assessment](https://skillstore.io/badges/skills/microsoft-deploy-model/security.svg)](https://skillstore.io/skills/microsoft-deploy-model?utm_source=security_passport_badge)

HTMLバッジ

<a href="https://skillstore.io/skills/microsoft-deploy-model?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/microsoft-deploy-model/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

埋め込みカード

<iframe src="https://skillstore.io/embed/skills/microsoft-deploy-model.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>

学術引用 (APA · BibTeX · CFF)

APA形式の引用

microsoft. (2026). deploy-model security audit report (audit version 5) [Author version 1.0.0]. Skillstore. https://skillstore.io/skills/microsoft-deploy-model/audits/5

BibTeX形式の引用

@techreport{microsoft-microsoft-deploy-model-2026,
  author = {microsoft},
  title = {deploy-model security audit report (audit version 5)},
  institution = {Skillstore},
  year = {2026},
  number = {5},
  url = {https://skillstore.io/skills/microsoft-deploy-model/audits/5},
  note = {Author version 1.0.0}
}

CITATION.cff

cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "deploy-model security audit report (audit version 5)"
version: "1.0.0"
type: report
authors:
  - name: "microsoft"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/microsoft-deploy-model/audits/5"
identifiers:
  - type: other
    value: "skillstore:microsoft-deploy-model:audit:5"
    description: "Skillstore immutable audit report identifier"

Skillstore スコア

このスコアの理由証拠の信頼度: 中

アーキテクチャ

100

保守性

コンテンツ

コミュニティ

仕様準拠

作成できるもの

Provisionnement rapide de modèle

Déployer un modèle Azure OpenAI connu avec les paramètres par défaut après confirmation du projet cible.

Déploiement de production contrôlé

Choisir la version du modèle, le SKU, la capacité et le filtrage du contenu avant de provisionner un modèle.

Planification de la capacité

Comparer le quota disponible entre les régions et les projets avant de choisir où déployer.

これらのプロンプトを試す

Déployer avec les paramètres par défaut

Déployer gpt-4o dans Azure AI Foundry. Confirmez le projet avant de créer le déploiement.

Choisir les paramètres de déploiement

Déployer o3-mini avec des paramètres personnalisés. Aidez-moi à choisir la version, le SKU, la capacité et le filtre de contenu.

Trouver d’abord la capacité

Trouvez où je peux déployer gpt-4o avec 100K TPM, puis affichez les meilleures options de déploiement.

Planifier un déploiement en production

Planifiez un déploiement Azure OpenAI pour gpt-4o. Vérifiez la prise en charge du SKU, le quota, l’adéquation de la région et la confirmation du projet avant le provisionnement.

ベストプラクティス

Confirmer le projet et la région Azure AI Foundry avant chaque déploiement.
Valider la prise en charge du SKU du modèle et le quota avant de présenter les options sélectionnables.
Utiliser la découverte de capacité lorsque la demande inclut des exigences de débit ou de région.

回避

Ne pas déployer vers un projet sans confirmation de l’utilisateur.
Ne pas afficher de choix de SKU codés en dur lorsque des données de catalogue en direct sont requises.
Ne pas utiliser cette compétence pour supprimer des déploiements ou créer des agents.