Навыки hosted-agents-v2-py
🔧

hosted-agents-v2-py

Низкий риск ⚙️ Внешние команды🌐 Доступ к сети🔑 Переменные окружения

Развертывание размещенных агентов Azure AI с помощью Python

Оптимизируйте развертывание контейнерных AI-агентов на Azure с использованием официального Projects SDK. Автоматизируйте выделение ресурсов, масштабирование и управление пользовательскими средами агентов без ручной настройки инфраструктуры.

Поддерживает: Claude Codex Code(CC)
⚠️ 68 Плохо
1

Скачать ZIP навыка

2

Загрузить в Claude

Перейдите в Settings → Capabilities → Skills → Upload skill

3

Включите и начните использовать

Протестировать

Использование «hosted-agents-v2-py». Создать размещенный агент с образом 'myacr.azurecr.io/processor:v2', 2 CPU, 4GiB памяти и инструментом интерпретатора кода

Ожидаемый результат:

  • Создан агент: data-processor-agent
  • Версия: 3
  • Состояние: Succeeded
  • ID агента: agent_abc123xyz

Использование «hosted-agents-v2-py». Перечислить все версии агента 'my-hosted-agent'

Ожидаемый результат:

  • Версия: 1, Состояние: Succeeded, Создано: 2025-01-15T10:30:00Z
  • Версия: 2, Состояние: Failed, Создано: 2025-01-16T14:22:00Z
  • Версия: 3, Состояние: Succeeded, Создано: 2025-01-17T09:15:00Z

Использование «hosted-agents-v2-py». Удалить версию 2 агента 'my-hosted-agent'

Ожидаемый результат:

  • Удаление версии агента...
  • Версия 2 агента my-hosted-agent успешно удалена

Аудит безопасности

Низкий риск
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
Просканировано файлов
327
Проанализировано строк
7
находки
1
Всего аудитов
Проблемы среднего риска (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.
Проблемы низкого риска (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.

Факторы риска

⚙️ Внешние команды (3)
SKILL.md:15-17 SKILL.md:31-34 SKILL.md:305-309
🌐 Доступ к сети (3)
SKILL.md:24 SKILL.md:177 SKILL.md:191
🔑 Переменные окружения (3)
SKILL.md:46 SKILL.md:70 SKILL.md:202
Проверено: claude

Оценка качества

38
Архитектура
100
Сопровождаемость
87
Контент
32
Сообщество
76
Безопасность
100
Соответствие спецификации

Что вы можете построить

Агент конвейера обработки данных

Развертывание контейнеризованного агента, обрабатывающего большие наборы данных с помощью инструментов интерпретатора кода, с автоматическим масштабированием в зависимости от нагрузки.

Агент интеграции пользовательских инструментов

Создание агентов, которые подключаются к пользовательским MCP-серверам и внешним API, обеспечивая специализированную автоматизацию бизнес-процессов в инфраструктуре Azure AI.

Агент среды разработки

Выделение изолированных сред разработки с предустановленными инструментами и конфигурациями для командной работы и быстрого прототипирования.

Попробуйте эти промпты

Базовое создание агента 
Создать размещенный агент с использованием Azure AI Projects SDK. Агент должен использовать образ контейнера 'myregistry.azurecr.io/my-agent:v1.0', требовать 2 ядра CPU и 4GiB памяти, поддерживать инструмент интерпретатора кода и установить переменную окружения MODEL_NAME в 'gpt-4o-mini'.
Конфигурация агента с несколькими инструментами 
Создать агента с активированными инструментами интерпретатора кода и поиска файлов. Подключиться к MCP-серверу по адресу 'https://tools.example.com' с меткой 'custom-tools'. Выделить 1 ядро CPU и 2GiB памяти. Передать AZURE_AI_PROJECT_ENDPOINT из вашего окружения агенту.
Асинхронное развертывание агента 
Реализовать асинхронный рабочий процесс создания агента с использованием AIProjectClient из azure.ai.projects.aio. Создать агента с именем 'async-processor' с минимальными ресурсами (0.5 CPU, 1GiB памяти). Использовать асинхронные менеджеры контекста для корректного освобождения ресурсов.
Готовое к продакшену развертывание 
Создать скрипт развертывания агента для продакшена с обработкой ошибок. Включить блоки try/except для ошибок ImagePullBackOff и InvalidContainerImage. Логировать состояние агента после создания. Реализовать логику очистки для удаления неиспользуемых версий агентов старше 30 дней.

Лучшие практики

  • Использовать конкретные теги образов вместо 'latest' для воспроизводимых развертываний
  • Начинать с минимального выделения ресурсов и масштабировать вверх на основе метрик мониторинга
  • Хранить чувствительные данные конфигурации в Azure Key Vault, ссылаться через переменные окружения
  • Реализовывать полную обработку ошибок для распространенных сбоев вроде ImagePullBackOff
  • Регулярно очищать неиспользуемые версии агентов для оптимизации утилизации ресурсов

Избегать

  • Жесткое кодирование секретов или API-ключей напрямую в словаре environment_variables
  • Использование тега образа 'latest' в продакшен-развертываниях вызывает непредсказуемое поведение
  • Выделение максимальных ресурсов без тестирования фактических паттернов использования приводит к расточительству
  • Пропуск настройки разрешений роли AcrPull вызывает сбои аутентификации
  • Создание версий агентов без стратегии удаления накапливает неиспользуемые ресурсы

Часто задаваемые вопросы

Какая минимальная версия SDK требуется для размещенных агентов?
Необходимо использовать azure-ai-projects версии 2.0.0b3 или выше. Более ранние версии не поддерживают ImageBasedHostedAgentDefinition или API размещенных агентов.
Как предоставить разрешения ACR pull моему агенту?
Перейдите к вашему Azure Container Registry в портале Azure, перейдите в Access Control (IAM) и добавьте роль 'AcrPull' для управляемого идентификатора вашего AI-проекта.
Могу ли я использовать контейнеры из Docker Hub или других реестров?
Нет, размещенные агенты в настоящее время требуют образы из Azure Container Registry (ACR). Необходимо собрать и отправить образ контейнера в ACR перед созданием агента.
Что произойдет, если мой агент превысит лимиты CPU или памяти?
Агент будет ограничен в ресурсах или остановлен, если превысит выделенные ресурсы. Мониторьте использование ресурсов вашего агента и соответствующим образом корректируйте лимиты, используя параметры cpu и memory.
Как отладить ошибки ImagePullBackOff?
Проверьте, что предоставлены разрешения ACR pull, подтвердите существование пути и тега образа в вашем реестре и убедитесь, что ваш ACR доступен из виртуальной сети AI-проекта.
Что лучше для операций с агентами: синхронный или асинхронный клиент?
Используйте синхронные клиенты для простых скриптов и разовых операций. Используйте асинхронные клиенты (azure.ai.projects.aio) для сценариев с высокой пропускной способностью, требующих множественных параллельных операций с агентами.

Сведения для разработчиков

Автор

sickn33

Лицензия

MIT

Репозиторий

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

Ссылка

main

Структура файлов

📄 SKILL.md