hosted-agents-v2-py
Déployer des agents hébergés Azure AI avec Python
Rationalisez le déploiement d'agents IA basés sur des conteneurs sur Azure à l'aide du SDK Projects officiel. Automatisez le provisioning, la mise à l'échelle et la gestion des environnements d'agents personnalisés sans configuration manuelle de l'infrastructure.
Télécharger le ZIP du skill
Importer dans Claude
Allez dans Paramètres → Capacités → Skills → Importer un skill
Activez et commencez à utiliser
Tester
Utilisation de "hosted-agents-v2-py". Create a hosted agent with image 'myacr.azurecr.io/processor:v2', 2 CPUs, 4GiB memory, and code interpreter tool
Résultat attendu:
- Created agent: data-processor-agent
- Version: 3
- State: Succeeded
- Agent ID: agent_abc123xyz
Utilisation de "hosted-agents-v2-py". List all versions of agent 'my-hosted-agent'
Résultat attendu:
- Version: 1, State: Succeeded, Created: 2025-01-15T10:30:00Z
- Version: 2, State: Failed, Created: 2025-01-16T14:22:00Z
- Version: 3, State: Succeeded, Created: 2025-01-17T09:15:00Z
Utilisation de "hosted-agents-v2-py". Delete version 2 of agent 'my-hosted-agent'
Résultat attendu:
- Deleting agent version...
- Successfully deleted version 2 of my-hosted-agent
Audit de sécurité
Risque faibleStatic analysis detected 79 potential issues across documentation code examples. After evaluation, all findings are FALSE POSITIVES. The file SKILL.md contains documentation with code examples showing shell commands (pip install, bash scripts) and environment variable access patterns typical for legitimate Azure AI development tutorials. No executable code is present. The 'weak cryptography' findings are false positives from detecting the word 'version' in context. No malicious intent or security risks identified.
Problèmes à risque moyen (2)
Problèmes à risque faible (2)
Facteurs de risque
⚙️ Commandes externes (3)
🌐 Accès réseau (3)
🔑 Variables d’environnement (3)
Score de qualité
Ce que vous pouvez construire
Agent de pipeline de traitement de données
Déployez un agent conteneurisé qui traite de grands ensembles de données à l'aide d'outils d'interpréteur de code, avec une mise à l'échelle automatique basée sur les demandes de charge de travail.
Agent d'intégration d'outils personnalisés
Créez des agents qui se connectent à des serveurs MCP personnalisés et des API externes, permettant l'automatisation de processus métier spécialisés au sein de l'infrastructure Azure AI.
Agent d'environnement de développement
Provisionnez des environnements de développement isolés avec des outils et configurations pré-configurés pour la collaboration d'équipe et le prototypage rapide.
Essayez ces prompts
Create a hosted agent using Azure AI Projects SDK. The agent should use container image 'myregistry.azurecr.io/my-agent:v1.0', require 2 CPU cores and 4GiB memory, support code interpreter tool, and set MODEL_NAME environment variable to 'gpt-4o-mini'.
Build an agent with both code interpreter and file search tools enabled. Connect to MCP server at 'https://tools.example.com' with label 'custom-tools'. Allocate 1 CPU core and 2GiB memory. Pass AZURE_AI_PROJECT_ENDPOINT from your environment to the agent.
Implement an asynchronous agent creation workflow using AIProjectClient from azure.ai.projects.aio. Create an agent named 'async-processor' with minimal resources (0.5 CPU, 1GiB memory). Use async context managers for proper resource cleanup.
Create a production agent deployment script with error handling. Include try/except blocks for ImagePullBackOff and InvalidContainerImage errors. Log agent state after creation. Implement cleanup logic to delete unused agent versions older than 30 days.
Bonnes pratiques
- Utilisez des tags d'image spécifiques au lieu de 'latest' pour des déploiements reproductibles
- Commencez par une allocation de ressources minimale et augmentez en fonction des métriques de surveillance
- Stockez la configuration sensible dans Azure Key Vault, référencez-la via des variables d'environnement
- Implémentez une gestion complète des erreurs pour les échecs courants comme ImagePullBackOff
- Nettoyez régulièrement les versions d'agents non utilisées pour optimiser l'utilisation des ressources
Éviter
- Coder en dur les secrets ou clés API directement dans le dictionnaire environment_variables
- Utiliser le tag d'image 'latest' dans les déploiements de production provoque un comportement imprévisible
- Allouer le maximum de ressources sans tester les modèles d'utilisation réels conduit au gaspillage
- Ignorer la configuration des permissions de rôle AcrPull provoque des échecs d'authentification
- Créer des versions d'agents sans stratégie de suppression accumule les ressources non utilisées