SuperAPI AI 工具集找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 10-14 00:01
4,736 个结果
Azure Diagnostics 是一个用于在 Azure 上调试生产问题的诊断技能，来源于 microsoft/azure-skills。它整合 AppLens、Azure Monitor、资源健康检查和安全的故障排查流程，帮助系统性地诊断与定位常见 Azure 服务问题。当用户需要调试生产问题、排查应用服务故障、分析应用日志或指标、处理镜像拉取失败、冷启动、健康探测异常、查找应用错误根因，以及排查 App Service、Function Apps、AKS、Azure VM 连接、Event Hubs、Service Bus 等场景时触发。该技能强调先进行系统性诊断，优先使用已有证据；在允许实时访问时优先使用内置诊断脚本，并支持 AppLens（MCP）AI 驱动诊断、Azure Monitor 日志与指标查询、Azure Resource Health 检查。
Azure Prepare 是微软 azure-skills 中的一项技能，用于在部署到 Azure 之前，为基于 azd（Azure Developer CLI）的项目生成所需的配置与基础设施代码。它会生成 azure.yaml、基础设施模板（Bicep 或 Terraform）以及 Dockerfile 等文件。该技能强调先规划后执行的工作流，要求在项目根目录的 .azure/deployment-plan.md 中编写并逐步完善部署计划，经用户批准后才开始生成产物。它覆盖创建新应用、扩展现有应用、迁移或现代化应用以及搭建 Azure 基础设施等场景，并规定在部署前必须先调用 azure-validate 进行验证。实际的部署执行由 azure-deploy 技能负责。
azure-deploy 是面向已准备就绪应用的 Azure 部署执行技能。它不会创建应用、生成基础设施代码或搭建项目，而是假定已存在 .azure/deployment-plan.md 和基础设施文件，并严格在 azure-prepare 与 azure-validate 完成后运行。使用前必须确认部署计划状态为 Validated，且验证证明部分已填写；若缺少任一条件，需先调用前置技能。该技能覆盖 azd up、azd deploy、terraform apply、az deployment 等部署命令的执行，并内置预部署检查清单、错误处理、部署后配置与验证流程。对涉及 SQL 托管标识与 EF 迁移的场景提供后续步骤指引。适用于将已构建代码推送到生产、对现有 Azure 部署推送更新，以及部署已包含 APIM/AI 网关基础设施的应用。主要限制包括：不负责应用创建与基础设施生成；禁止手动将计划状态改为 Validated；破坏性操作需经用户确认；向用户展示端点时必须使用带 https:// 的完整 URL。
azure-validate 是微软 azure-skills 提供的一个 Azure 部署前验证技能。它的作用是在应用真正部署到 Azure 之前，对就绪状态进行深度检查，覆盖配置、基础设施（Bicep 或 Terraform）、RBAC 角色分配、托管身份等方面。该技能强调必须在一个完整工作流中使用：先由 azure-prepare 生成部署计划（.azure/deployment-plan.md 且状态为 Approved 或更后），再运行 azure-validate 进行验证，最后才进入 azure-deploy 执行部署。验证过程通过工作流脚本逐项引导，逐步记录到 .azure/validate-status.json，所有检查必须通过，不得在存在失败的情况下部署。若用户仅要求验证或准备，则记录证明并把状态设为 Validated 后停止，不触发部署。对于验证通过的后续动作，取决于用户意图：用户明确要求部署时才调用 azure-deploy，且不应直接运行 azd up、azd deploy 等命令。
Azure Storage 是微软 Azure 提供的云存储服务集合，涵盖 Blob 存储、文件共享、队列存储、表存储和 Data Lake 五类服务。它可回答有关存储访问层（热、冷、冷层、存档）、存储账户层级（标准、高级）、冗余选项（LRS、ZRS、GRS、GZRS）以及 SDK 使用等问题，并提供通过 Azure MCP 工具或 Azure CLI 操作存储账户、容器与 Blob 的方式。
为 Web 应用接入 Azure Application Insights 的指导型技能，主要提供遥测模式、SDK 安装配置与参考文档。它本身是参考资料，侧重于讲解如何插桩（instrument）以及相关概念与示例；当目标是直接为项目添加 App Insights 或修改代码时，应改用 azure-prepare 来编排实际改动。适用前提是工作区中的应用为托管在 Azure 上的 ASP.NET Core 应用、Azure 容器应用、Node.js 应用或 Python 应用。技能会引导先收集上下文（编程语言、应用框架、托管方式），在可行时优先采用自动插桩（如 Azure App Service 上的 C# ASP.NET Core），否则手动插桩：创建 App Insights 资源（可通过现有 Bicep 模板添加或使用 Azure CLI）并修改对应语言的代码。具体价格、收费与效果暂未提供。
Azure Resource Lookup 是一项用于在 Azure 订阅或资源组中列出、查找和发现各种类型资源的技能。它覆盖虚拟机、Web 应用、存储账户、容器应用、数据库等多种资源，并利用 Azure Resource Graph（ARG）执行快速跨订阅、跨资源组的查询。当缺少专用 MCP 工具时，该技能可处理“列出我订阅中的网站”“列出我的 Web 应用”等提示，也可用于查找孤立资源（未挂载磁盘、未使用网卡、闲置 IP）、发现缺少必需标签或配置的资源、获取跨类型的资源清单，以及查找处于特定状态（不健康、预配失败、已停止）的资源。
Azure Resource Visualizer 是微软 azure-skills 技能集中用于分析 Azure 资源组并生成 Mermaid 架构图的工具。它能够发现并深度分析资源组内的全部资源，梳理它们之间的网络、数据流、身份与配置依赖关系，输出包含资源清单、架构图和关系说明的 Markdown 文档。整个过程为只读分析，不会修改或删除任何 Azure 资源。
azure-aigateway 是一项用于将 Azure API Management（APIM）配置为 AI 网关的技能，适用于治理 AI 模型、MCP 工具和智能体。它覆盖模型治理（语义缓存、令牌限制、AI 负载均衡、令牌用量追踪）、工具治理（MCP 限流、工具保护与配置、将 API 转换为 MCP）、智能体治理（内容安全、越狱检测、有害内容过滤）以及配置和测试（添加 Azure OpenAI 后端、配置模型、添加 AI Foundry 模型、测试 AI 网关）。技能中给出策略用途对照，包括 azure-openai-token-limit 成本控制、azure-openai-semantic-cache-lookup/store 语义缓存、azure-openai-emit-token-metric 可观测性、llm-content-safety 安全合规、rate-limit-by-key 工具保护，并提供获取网关详情的命令与测试端点示例。适合需要在 Azure 上统一管理 AI 调用、控制成本与安全的开发者与运维人员。
Azure Messaging 是一个面向 Azure Event Hubs 与 Azure Service Bus SDK 的排障技能，帮助定位连接失败、身份验证错误、消息处理中断、锁丢失、会话异常以及重复事件或检查点偏移重置等问题。它提供针对不同语言的排障指南，并配合 MCP 工具列举命名空间、队列、主题、订阅等资源，查询诊断日志（KQL）与检查服务健康状态，还会检索 Microsoft Learn 文档以给出修复建议。适用于排查 AMQP 链路错误、空闲超时与重连、消息锁与会话锁续期、事件处理器停止处理以及 SDK 配置（重试、预取、批大小、接收批行为）等场景。
Azure Compute Skill 是微软 azure-skills 中的一个技能，用作 Azure 虚拟机（VM）和虚拟机规模集（VMSS）请求的路由器。它本身不直接执行操作，而是根据用户意图把请求分发到对应的工作流文件，包括 VM 推荐、VM 创建、容量预留（CRG）以及基础机器管理（EMM）。资料明确说明该技能采用「工作流优先」的强制路由方式：不允许直接把请求指向 references/* 参考文件，必须先对用户意图分类，打开匹配的工作流文件，再由该工作流按需加载所需的参考文件。参考文件只是支撑材料，不是入口点。若意图不清晰，应通过澄清式提问来区分不同工作流。此外，技能还负责与 azure-prepare 做消歧：如果用户想部署应用（例如 Docker 服务、Web 应用、API 或无服务器工作负载），应路由到 azure-prepare；vm-creator 仅用于裸 VM/VMSS 基础设施。适用场景包括推荐或比较 VM/VMSS、查询定价、创建或部署裸 VM/VMSS、容量预留与保证、机器注册与监控等。
Azure Cloud Migrate 是微软 azure-skills 中的一项技能，用于评估并将现有跨云工作负载迁移到 Azure，提供评估报告与代码转换。支持的迁移场景包括 AWS Lambda 到 Azure Functions、AWS Elastic Beanstalk/Heroku/Google App Engine 到 Azure App Service、AWS Fargate(ECS)/Kubernetes(GKE/EKS/自托管)/GCP Cloud Run/Spring Boot 到 Azure Container Apps 等。它按阶段顺序执行，先生成评估再做代码迁移，使用 Azure MCP 工具获取最佳实践与文档，并使用目标服务支持的最新运行时。输出统一写入工作区根目录下的 <workspace-root-basename>-azure/ 目录，不修改源目录；迁移完成后可交由 azure-prepare 处理基础设施、测试与部署。
中文介绍正在整理，稍后补充。
google-agents-cli-deploy 是 google/agents-cli 提供的部署指南技能，用于把智能体部署到 Google Cloud。它要求先安装 agents-cli（uv tool install google-agents-cli），并建议全程使用 agents-cli 命令，因为它把 Terraform、Docker 和部署流程封装成一条经过测试的流水线。该技能针对用户提出“部署一个 agent”“部署我的 ADK agent”“设置 CI/CD”“配置 secrets”“排查部署问题”等场景。它给出三种部署目标（Agent Runtime、Cloud Run、GKE）的决策矩阵，涵盖扩缩容、网络、会话状态、批量/事件处理、成本模型、配置复杂度和适用场景的对比；同时涉及 OAuth 用户同意类智能体、实时与语音智能体、环境变量/密钥、标签、实例与并发参数、服务账号等配置项，以及开发环境部署流程、部署标志参考和实测调优建议。
该技能用于为基于 Google Agents CLI 构建的智能体配置可观测性能力，涵盖分布式追踪、提示与响应日志记录以及 BigQuery 智能体分析。Cloud Trace 开箱即用，无需额外基础设施，可追踪智能体执行流程、延迟与错误；提示-响应日志与 BigQuery 智能体分析则需通过 Terraform 预置服务账号、GCS 存储桶和 BigQuery 数据集。技能还介绍部署顺序、各观测层级的选择、环境变量控制、第三方可观测平台集成（如 AgentOps、Phoenix、MLflow 等）以及常见故障排查方法，适用于希望在开发或生产环境中调试、审计和监控 LLM 调用与工具执行行为的场景。
azure-quotas 是微软 Azure Skills 中用于查询和管理 Azure 配额（服务限制）与用量的技能，面向部署规划、容量验证与区域选择等场景。它强调优先通过 Azure CLI 的 az quota 命令获取权威数据，先安装 quota 扩展，再用 list、show、usage list、usage show 等命令查看配额上限、当前用量与可用余量；也可提交配额提升请求并查看审批状态。技能说明指出 Azure 门户与 REST API 可能显示误导性的“无限制”，MCP 服务器不可靠，均不应优先使用。它还提供预置脚本一次性返回上限、用量与可用容量，并提醒配额资源名与 ARM 资源类型并非一一对应，需先 list 再按名称查询。执行查询需 Reader 权限，管理配额需 Quota Request Operator 权限。部分资源提供程序（如 Cosmos DB）不受配额 API 支持，需改用门户或相应限制文档。
env-and-assets-bootstrap 是 Rigor Setup 技能，用于 README 优先的深度学习仓库复现场景。它的核心作用是在运行命令之前，为深度学习项目准备保守的、以 conda 为先的环境配置与资产路径。适用时机包括：仓库接入并确认了可信复现目标之后、需要在运行命令前创建环境或准备资产路径时、仓库依赖检查点、数据集或缓存目录时，以及用户明确希望在任何运行尝试前获得安装帮助时。该技能会输出保守的环境设置说明、候选 conda 命令、资产路径计划、检查点与数据集来源提示，以及尚未解决的依赖或资产风险。它只负责准备环境与资产假设，不负责目标选择、最终报告，也不做论文查询（仅将缺口转交给可选的论文解析器）。
Azure Upgrade 是微软 Azure 官方技能，用于评估并自动化升级现有 Azure 工作负载，涵盖托管计划和层级变更、跨服务迁移以及 SKU 调整。它支持将 Azure Functions 从消耗计划（Consumption）升级到弹性消耗计划（Flex Consumption）、将旧版 Azure Java SDK（com.microsoft.azure.*）现代化为 com.azure.*，以及把 Azure Cache for Redis（ACR/OSS 各层级）和 Azure Cache for Redis Enterprise（ACRE）/Enterprise Flash 迁移到 Azure Managed Redis（AMR）。该技能仅限 Azure 内部迁移，不处理跨云迁移（跨云请使用 azure-cloud-migrate）。它按阶段顺序执行：先识别源与目标并让用户确认，再评估就绪性并加载场景参考，然后收集现有设置、标识与配置，执行自动化升级，最后通过默认 URL 和监控端点验证。该技能使用 Azure MCP 最佳实践与文档工具，要求破坏性操作必须经用户确认，脚本需幂等可恢复，并在工作区根目录的 upgrade-status.md 中跟踪进度。
Azure Enterprise Infra Planner 是一个面向云架构师和平台工程师的 Azure 基础设施规划与预配技能，用于根据工作负载或架构描述来规划企业级 Azure 基础设施。它可以设计登陆区、中心辐射（hub-spoke）网络或多区域拓扑，规划 VNet、子网、防火墙、专用终结点和 VPN 网关等网络组件，并规划身份、RBAC 与合规驱动的基础设施。该技能还能生成订阅范围或多资源组部署的 Bicep 或 Terraform 代码，并规划灾难恢复、故障转移或跨区域高可用拓扑。它采用 7 阶段门控流水线：从输入中提取洞察、研究最佳实践与资源、生成计划、经用户批准后生成 IaC、进行本地验证与安全扫描、最后在明确风险确认后部署。对于已存在的资源，它会先进行清单清点并引用而非重建，部署时仅增量添加，不修改或销毁被引用的资源。
面向 Azure Kubernetes Service (AKS) 集群的规划与配置技能，用于规划、创建和配置生产级 AKS 集群，覆盖 Day-0 检查清单、SKU 选择（Automatic 与 Standard）、网络、安全、可观测性、升级与节点池等主题。该技能基于用户需求产出推荐的 AKS 集群配置，明确区分创建后难以更改的 Day-0 决策（如网络、API 服务器）与可在创建后启用的 Day-1 功能。适用于新建 AKS 集群、规划生产工作负载集群配置、设计 AKS 网络（API 服务器访问、Pod IP 模型、出站）、设置身份与密钥管理、配置治理、启用可观测性、定义升级与补丁策略以及了解 Automatic 与 Standard SKU 差异等场景。若需要将应用容器化并部署到已有集群，应改用其子技能 azure-kubernetes-app-deploy。
azure-cost 是微软 azure-skills 技能集中面向 Azure 成本管理的技能，用于查询历史成本、预测未来支出，并通过成本优化减少浪费。它根据用户意图进行路由：想了解当前花费时进入成本查询流程，想降低成本或找出浪费时进入成本优化流程，想预估未来花费时进入成本预测流程。技能依据 Azure Cost Management 的查询接口与预测接口工作，查询和预测均使用 POST 请求，作用域可采用订阅、资源组、管理组或计费账户等范围模式。使用该技能需要具备目标范围上的 Cost Management Reader、Monitoring Reader 和 Reader 角色权限。技能文档还包含 Redis、Storage 等服务专属的优化说明，并引用 MCP 工具、最佳实践与安全相关内容，以及 Redis .NET SDK 参考资料。
AI Runway AKS Setup 是微软 azure-skills 提供的一项技能，用于在现有 AKS（Azure Kubernetes Service）集群上完成 AI Runway 的端到端搭建，从裸集群验证一路推进到运行自己的第一个 AI 模型。该技能覆盖集群上下文检查与节点清单、GPU 检测、AI Runway 控制器与 CRD 安装、GPU 硬件兼容性评估、推理提供商（KAITO、Dynamo、KubeRay）选择与安装、首个模型部署与就绪验证，以及最终总结与冒烟测试。使用前要求已存在 AKS 集群，若没有需先借助 azure-kubernetes 技能创建（除非可接受纯 CPU 推理，否则应包含 GPU 节点池）。所有集群操作直接通过 kubectl 和 make 完成，不使用 MCP 工具。技能强调成本意识：GPU 节点池会产生显著计算费用（如 A100-80GB 可达每小时 3–5 美元以上），在供应 GPU 资源前需确认用户理解费用影响。执行时按步骤顺序进行，每步报告集群状态（健康或缺失/失败），任何安装或部署操作前请求用户确认，已完成的步骤将跳过，并支持用户通过 skip-to-step N 从指定阶段恢复。文档还提供常见错误处理，如控制器 CrashLoop、提供商未就绪、ModelDeployment 挂起、bfloat16 不兼容等。
azure-reliability 是微软 azure-skills 中用于评估和提升 PaaS 应用可靠性状况的技能，当前仅覆盖 Azure Functions 与 Azure App Service。它通过 Azure Resource Graph 查询和 Azure CLI 命令，盘点已部署资源在区域冗余、ZRS/GZRS 存储、健康探测和多区域故障转移等方面的配置情况，并生成以可靠性特性为维度的评估表。评估结果用 🟢 ON、🟡 PARTIAL、🔴 OFF 等符号标注，不给出数值评分或等级。技能可在用户确认后执行配置修复：通过 CLI 对活动资源直接修改，或修补 Bicep/Terraform 基础设施代码（IaC）使设置持久化。修复分阶段推进，先做计划内区域冗余和健康检查等快速改动，再单独询问是否进行耗时的存储冗余迁移，多区域故障转移需在用户明确同意后才启动。使用前提包括 az login 登录、读取权限（评估）或贡献者权限（配置），以及 resource-graph 扩展。Azure Container Apps 支持已规划但尚未提供。
该技能用于将 Python（Flask、Django、FastAPI 或通用）代码部署到 Azure App Service Linux。它会按需创建资源组、应用服务计划（P0v3，Linux）和 Web 应用，并设置启动命令与部署构建选项，支持 azd 或 az CLI 两种部署路径。使用时仅应用名称需要交互输入，其余如资源组、计划、区域和订阅均按智能默认推导。部署完成后不执行任何验证或健康探测。