hosted-agents-v2-py
Python 을 사용하여 Azure AI 호스팅 에이전트 배포하기
공식 Projects SDK 를 사용하여 Azure 에서 컨테이너 기반 AI 에이전트 배포를 간소화합니다. 수동 인프라 구성 없이 커스텀 에이전트 환경의 프로비저닝, 스케일링 및 관리를 자동화합니다.
스킬 ZIP 다운로드
Claude에서 업로드
설정 → 기능 → 스킬 → 스킬 업로드로 이동
토글을 켜고 사용 시작
테스트해 보기
"hosted-agents-v2-py" 사용 중입니다. Create a hosted agent with image 'myacr.azurecr.io/processor:v2', 2 CPUs, 4GiB memory, and code interpreter tool
예상 결과:
- Created agent: data-processor-agent
- Version: 3
- State: Succeeded
- Agent ID: agent_abc123xyz
"hosted-agents-v2-py" 사용 중입니다. List all versions of agent 'my-hosted-agent'
예상 결과:
- 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
"hosted-agents-v2-py" 사용 중입니다. Delete version 2 of agent 'my-hosted-agent'
예상 결과:
- Deleting agent version...
- Successfully deleted version 2 of my-hosted-agent
보안 감사
낮은 위험Static 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.
중간 위험 문제 (2)
낮은 위험 문제 (2)
위험 요인
⚙️ 외부 명령어 (3)
🌐 네트워크 접근 (3)
🔑 환경 변수 (3)
품질 점수
만들 수 있는 것
데이터 처리 파이프라인 에이전트
코드 인터프리터 도구를 사용하여 대규모 데이터셋을 처리하는 컨테이너화된 에이전트를 배포하며, 워크로드 요구에 따라 자동으로 스케일링합니다.
커스텀 도구 통합 에이전트
커스텀 MCP 서버 및 외부 API 에 연결하는 에이전트를 생성하여 Azure AI 인프라 내에서 전문적인 비즈니스 프로세스 자동화를 가능하게 합니다.
개발 환경 에이전트
팀 협업 및 빠른 프로토타이핑을 위해 사전 구성된 도구 및 설정이 포함된 격리된 개발 환경을 프로비저닝합니다.
이 프롬프트를 사용해 보세요
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.
모범 사례
- 재현 가능한 배포를 위해 'latest' 대신 특정 이미지 태그 사용
- 최소 리소스 할당으로 시작한 후 모니터링 지표를 기반으로 스케일업
- 민감한 구성을 Azure Key Vault 에 저장하고 환경 변수를 통해 참조
- ImagePullBackOff 와 같은 일반 실패에 대한 포괄적인 오류 처리 구현
- 리소스 활용도를 최적화하기 위해 사용하지 않는 에이전트 버전을 정기적으로 정리
피하기
- environment_variables 사전에 비밀 정보나 API 키를 하드코딩
- 프로덕션 배포에서 'latest' 이미지 태그 사용은 예측 불가능한 동작 유발
- 실제 사용 패턴을 테스트하지 않고 최대 리소스를 할당하면 낭비 초래
- AcrPull 역할 권한 설정을 생략하면 인증 실패 발생
- 삭제 전략 없이 에이전트 버전을 생성하면 사용하지 않는 리소스 누적