Habilidades hosted-agents-v2-py
🔧

hosted-agents-v2-py

Baixo Risco ⚙️ Comandos externos🌐 Acesso à rede🔑 Variáveis de ambiente

Implantar Azure AI Hosted Agents com Python

Simplificar a implantação de agentes de IA baseados em contêineres no Azure usando o Projects SDK oficial. Automatizar o provisionamento, dimensionamento e gerenciamento de ambientes de agentes personalizados sem configuração manual de infraestrutura.

Suporta: Claude Codex Code(CC)
📊 71 Adequado
1

Baixar o ZIP da skill

2

Upload no Claude

Vá em Configurações → Capacidades → Skills → Upload skill

3

Ative e comece a usar

Testar

A utilizar "hosted-agents-v2-py". Create a hosted agent with image 'myacr.azurecr.io/processor:v2', 2 CPUs, 4GiB memory, and code interpreter tool

Resultado esperado:

  • Created agent: data-processor-agent
  • Version: 3
  • State: Succeeded
  • Agent ID: agent_abc123xyz

A utilizar "hosted-agents-v2-py". List all versions of agent 'my-hosted-agent'

Resultado esperado:

  • 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

A utilizar "hosted-agents-v2-py". Delete version 2 of agent 'my-hosted-agent'

Resultado esperado:

  • Deleting agent version...
  • Successfully deleted version 2 of my-hosted-agent

Auditoria de Segurança

Baixo Risco
v1 • 2/25/2026

Static 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.

1
Arquivos analisados
327
Linhas analisadas
7
achados
1
Total de auditorias
Problemas de Risco Médio (2)
SKILL.md:15-19SKILL.md:305-309
Documentation Contains Shell Command Examples
Static analysis detected backtick expressions and shell commands in SKILL.md. These are legitimate documentation examples showing installation commands (pip install) and bash scripts for Azure AI setup. Not executable code, only markdown-formatted tutorials.
SKILL.md:46-48SKILL.md:202-206
Environment Variable Access in Examples
Documentation code examples show os.environ access for Azure endpoint configuration. This is standard practice for Azure SDK authentication patterns. No evidence of credential exfiltration or malicious access.
Problemas de Baixo Risco (2)
SKILL.md:24SKILL.md:321-323
Hardcoded URLs in Documentation
Documentation contains legitimate Azure service URLs (services.ai.azure.com, pypi.org, learn.microsoft.com). These are reference links and example endpoints, not malicious network destinations.
SKILL.md:113-121SKILL.md:126-133
False Positive Cryptography Detection
Static analyzer flagged 'weak cryptographic algorithm' at lines mentioning 'version' and 'protocol'. These are false positives from version parameters (e.g., 'v1') and protocol names in documentation text.

Fatores de risco

⚙️ Comandos externos (3)
SKILL.md:15-17 SKILL.md:31-34 SKILL.md:305-309
🌐 Acesso à rede (3)
SKILL.md:24 SKILL.md:177 SKILL.md:191
🔑 Variáveis de ambiente (3)
SKILL.md:46 SKILL.md:70 SKILL.md:202
Auditado por: claude

Pontuação de qualidade

38
Arquitetura
100
Manutenibilidade
87
Conteúdo
50
Comunidade
76
Segurança
100
Conformidade com especificações

O Que Você Pode Construir

Agente de Pipeline de Processamento de Dados

Implantar um agente em contêiner que processa grandes conjuntos de dados usando ferramentas de interpretador de código, com dimensionamento automático baseado na demanda de carga de trabalho.

Agente de Integração de Ferramentas Personalizadas

Criar agentes que se conectam a servidores MCP personalizados e APIs externas, permitindo automação de processos de negócios especializados dentro da infraestrutura do Azure AI.

Agente de Ambiente de Desenvolvimento

Provisionar ambientes de desenvolvimento isolados com ferramentas e configurações pré-configuradas para colaboração em equipe e prototipagem rápida.

Tente Estes Prompts

Criação Básica de Agente 
Criar um agente hospedado usando o Azure AI Projects SDK. O agente deve usar a imagem de contêiner 'myregistry.azurecr.io/my-agent:v1.0', requerer 2 núcleos de CPU e 4GiB de memória, suportar ferramenta de interpretador de código e definir a variável de ambiente MODEL_NAME como 'gpt-4o-mini'.
Configuração de Agente com Múltiplas Ferramentas 
Criar um agente com ferramentas de interpretador de código e busca de arquivos habilitadas. Conectar ao servidor MCP em 'https://tools.example.com' com o rótulo 'custom-tools'. Alocar 1 núcleo de CPU e 2GiB de memória. Passar AZURE_AI_PROJECT_ENDPOINT do seu ambiente para o agente.
Implantação de Agente Assíncrono 
Implementar um fluxo de trabalho de criação de agente assíncrono usando AIProjectClient de azure.ai.projects.aio. Criar um agente chamado 'async-processor' com recursos mínimos (0.5 CPU, 1GiB de memória). Usar gerenciadores de contexto assíncronos para limpeza adequada de recursos.
Implantação Pronta para Produção 
Criar um script de implantação de agente de produção com tratamento de erros. Incluir blocos try/except para erros ImagePullBackOff e InvalidContainerImage. Registrar o estado do agente após a criação. Implementar lógica de limpeza para excluir versões de agente não utilizadas com mais de 30 dias.

Melhores Práticas

  • Usar tags de imagem específicas em vez de 'latest' para implantações reproduzíveis
  • Começar com alocação mínima de recursos e escalar com base em métricas de monitoramento
  • Armazenar configuração sensível no Azure Key Vault, referenciar via variáveis de ambiente
  • Implementar tratamento abrangente de erros para falhas comuns como ImagePullBackOff
  • Limpar regularmente versões de agente não utilizadas para otimizar a utilização de recursos

Evitar

  • Codificar segredos ou chaves de API diretamente no dicionário environment_variables
  • Usar tag de imagem 'latest' em implantações de produção causa comportamento imprevisível
  • Alocar recursos máximos sem testar padrões de uso reais leva ao desperdício
  • Pular a configuração de permissões de papel AcrPull causa falhas de autenticação
  • Criar versões de agente sem estratégia de acúmulo de recursos não utilizados

Perguntas Frequentes

Qual é a versão mínima do SDK necessária para agentes hospedados?
Você deve usar azure-ai-projects versão 2.0.0b3 ou superior. Versões anteriores não suportam ImageBasedHostedAgentDefinition ou as APIs de agentes hospedados.
Como concedo permissões de pull do ACR ao meu agente?
Navegue até seu Azure Container Registry no portal do Azure, vá para Controle de Acesso (IAM) e adicione o papel 'AcrPull' para a identidade gerenciada do seu projeto de IA.
Posso usar contêineres do Docker Hub ou outros registros?
Não, agentes hospedados atualmente requerem imagens do Azure Container Registry (ACR). Você deve construir e pushar sua imagem de contêiner para o ACR antes de criar o agente.
O que acontece se meu agente exceder os limites de CPU ou memória?
O agente será limitrado ou encerrado se exceder os recursos alocados. Monitore o uso de recursos do seu agente e ajuste os limites adequadamente usando os parâmetros cpu e memory.
Como fazer debug de erros de ImagePullBackOff?
Verifique se as permissões de pull do ACR foram concedidas, confirme que o caminho e a tag da imagem existem em seu registro e certifique-se de que seu ACR está acessível a partir da rede virtual do projeto de IA.
Cliente síncrono ou assíncrono é melhor para operações de agente?
Use clientes síncronos para scripts simples e operações únicas. Use clientes assíncronos (azure.ai.projects.aio) para cenários de alto throughput que requerem múltiplas operações concorrentes de agentes.

Detalhes do Desenvolvedor

Autor

sickn33

Licença

MIT

Repositório

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/hosted-agents-v2-py

Referência

main

Estrutura de arquivos

📄 SKILL.md