illegalCreed

中文

English

中文

English

Appearance

指南 ​

基于 microsoft/azure-skills 官方仓库的 README 与各 skills/*/SKILL.md 编写。

速查 ​

  • 两层协作：skill = 推理层（决策树 + 护栏）、Azure MCP = 执行层（200+ 工具 / 40+ 服务）；查真实资源靠 MCP，不靠 skill 编
  • 部署链：azure-prepare → azure-validate → azure-deploy，validate 未过 STOP、破坏性动作 ask_user、禁止绕过直接 azd up
  • Troubleshooting：azure-diagnostics（AppLens/Azure Monitor/KQL）、azure-messaging（Event Hubs/Service Bus SDK）
  • Best Practices：azure-validate azure-reliability（区域冗余/多区故障转移）azure-cost azure-compliance（azqr）azure-upgrade
  • Architecture：azure-enterprise-infra-planner（落地区/hub-spoke/WAF）azure-resource-visualizer（Mermaid 图）azure-kubernetes airunway-aks-setup
  • Security / 身份：azure-rbac（最小权限）entra-app-registration（OAuth/MSAL）entra-agent-id（Agent 身份/OBO）
  • Configuration / 供给：azure-prepare azure-deploy azure-quotas azure-resource-lookup azure-compute
  • 反模式：跳过 validate 直接部署、混淆 prepare（建新应用）与 deploy（部署已备好的）、让 skill「猜」资源状态

两层如何配合：推理 + 执行 ​

这是理解整个 plugin 的关键。

  • Skill（推理层）：SKILL.md 是给 agent 的指令——写清楚工作流步骤、决策树、护栏（如「所有校验必须通过才能部署」）。它教 agent「怎么想、按什么顺序做、什么不能做」。
  • Azure MCP（执行层）：@azure/mcp 提供 200+ 结构化工具，覆盖 40+ Azure 服务——列资源、查定价、读日志、诊断、驱动真实工作流。它让 agent「真的动手」。

举例：azure-rbac skill 指导 agent 先用 azure__documentation 工具找匹配的最小内置角色，找不到再用 azure__extension_cli_generate 造自定义角色，最后用 azure__bicepschema + azure__get_azure_bestpractices 生成 Bicep 角色分配片段。决策靠 skill，取数与生成靠 MCP 工具。

Troubleshooting：诊断类 skill ​

azure-diagnostics ​

在 Azure 上排查线上问题——借 AppLens、Azure Monitor、resource health 做安全分诊。覆盖 App Service 高 CPU / 部署失败、Container Apps / Functions / AKS 故障（kubectl 连不上、CoreDNS 挂、pod pending、crashloop、node not ready）、镜像拉取失败、冷启动、健康探针失败、KQL 日志分析，以及 Event Hubs / Service Bus 的 AMQP 连接与消息锁问题。触发词如「debug production issues」「app service high CPU」「pod pending」。

azure-messaging ​

专治 Azure 消息 SDK（Event Hubs / Service Bus）的疑难：连接失败、认证错误、消息处理、AMQP link detach、message lock lost / lock renewal、send timeout、dead letter、session lock expired，覆盖 Python / Java / JavaScript / .NET SDK 的日志开关与排查。

Best Practices：校验与优化类 ​

azure-validate（部署前的守门人） ​

部署前深度校验：配置、基础设施（Bicep / Terraform）、RBAC 角色分配、托管标识权限、前置条件。它有强护栏——没有 azure-prepare 产出的 .azure/deployment-plan.md 就 STOP，且所有校验通过前不许把状态置为 Validated、更不许直接跑部署命令，必须把校验命令与结果记进「Validation Proof」再交给 azure-deploy 执行。

其它 ​

  • azure-reliability：扫 PaaS（Functions / App Service）的区域冗余、ZRS 存储、健康探针、多区故障转移，给「按特性透视」的清单并分阶段整改
  • azure-cost：查成本、预测支出、优化去浪费（孤儿资源、rightsize VM、成本尖峰）；明确 DO NOT USE FOR 部署/诊断/安全审计
  • azure-compliance：跑 azqr 合规与安全审计 + Key Vault 过期检查（过期证书 / 将到期密钥 / 孤儿资源）
  • azure-upgrade：升级计划/层/SKU（Consumption→Flex Consumption、App Service→Container Apps），或现代化 Azure SDK 依赖（com.microsoft.azure→com.azure、Redis ACR→AMR）

Architecture：架构类 ​

  • azure-enterprise-infra-planner：从工作负载描述架构并供给企业级基础设施——网络、身份、安全、合规、多资源拓扑，对齐 WAF（Well-Architected Framework），直接产 Bicep 或 Terraform（不走 azd）。适合规划落地区、hub-spoke 网络、多区 DR
  • azure-resource-visualizer：分析资源组并生成 Mermaid 架构图，展示资源间关系
  • azure-kubernetes：规划/创建生产级 AKS——Day-0 清单、SKU 选择（Automatic vs Standard）、网络（私有 API server、Azure CNI Overlay、出站配置）、安全、运维（自动扩缩、升级、VPA)
  • airunway-aks-setup：在 AKS 上搭 AI Runway——集群校验、控制器安装、GPU 评估、KAITO / vLLM 模型服务首次部署

Security 与身份 ​

  • azure-rbac：为身份找最小权限角色，生成 CLI 命令 + Bicep 分配代码，并说明「授予角色本身」需要的权限
  • entra-app-registration：Microsoft Entra ID 应用注册、OAuth 2.0、MSAL 集成（API 权限、服务主体、console app 认证）
  • entra-agent-id：供给 Entra Agent Identity Blueprint / BlueprintPrincipal / 每实例 Agent Identity，配 OAuth 2.0 token exchange（fmi_path、OBO、跨租户）与 AgentID sidecar
  • azure-compliance：见上，合规与安全姿态双管

三个身份 skill 各有边界：标准应用注册用 entra-app-registration、资源 RBAC 用 azure-rbac、agent 身份用 entra-agent-id，互相在 frontmatter 里写了 DO NOT USE FOR 指路。

Configuration / 供给类 ​

  • azure-prepare：为 azd 工程生成 azure.yaml、IaC（Bicep / Terraform）、Dockerfile。只在明确要用 azd 时用；非 azd、纯 Python App Service、跨云迁移各有专 skill
  • azure-deploy：为已准备好（有 .azure/deployment-plan.md 且 validate 通过）的应用执行部署——跑 azd up / azd deploy / terraform apply / az deployment，带错误恢复
  • azure-quotas：查/管配额与用量，做部署规划、容量校验、区域选择
  • azure-resource-lookup：跨订阅/资源组列资源，走 Azure Resource Graph，找孤儿资源、按标签分析
  • azure-compute：VM / VMSS 路由器——选型、比价、排查连不上（RDP/SSH 3389、NSG、黑屏、重置密码）

Foundry MCP：AI 专家层 ​

microsoft-foundry skill + Foundry MCP 覆盖 Foundry agent 全生命周期：hosted agent 脚手架/运行/部署、prompt agent 创建、批量与持续评估、prompt/Agent 优化器、agent.yaml、从 trace curate 数据集、模型微调（SFT / DPO / RFT）。验证时问「What AI models are available in Microsoft Foundry?」应得 Foundry 背书响应。

反模式 ​

  • 跳过校验直接部署：azure-validate 明确「所有检查必须通过，不许带失败部署」——不要绕过它直接 azd up
  • 绕过 azure-deploy 手动跑部署命令：skill 要求让 azure-deploy 统一执行（内置错误恢复），别自己乱跑 azd deploy
  • 混淆 prepare 与 deploy：「create and deploy a new app」用 azure-prepare（建新工程），「run azd up / ship it」用 azure-deploy（部署已备好的）——用反了 skill 会拦
  • 让 skill「猜」资源状态：真实资源清单、定价、日志要用 Azure MCP 工具取，不要指望 skill 凭空编
  • 忽视破坏性操作确认：破坏性动作要 ask_user，不要让 agent 自动执行不可逆变更
  • 用错 skill：每个 skill 有 DO NOT USE FOR（如 azure-cost 不做部署、azure-storage 不管 Cosmos DB）——按边界选

下一步 ​