azure-architecture-autopilot
自然言語でAzureインフラを設計したり、既存のAzureリソースを解析してアーキテクチャ図を自動生成し、会話で改善しながらBicepでデプロイまで実行できます。「AzureにXを作りたい」「RAG構成を組んでほしい」といった新規設計から、「rg-xxxのリソースを図にして」「コストを削減したい」「セキュリティを強化したい」といった既存環境の分析・最適化まで対応し、BicepテンプレートやIaCコードの生成・デプロイも一貫してサポートします。
description の原文を見る
> Design Azure infrastructure using natural language, or analyze existing Azure resources to auto-generate architecture diagrams, refine them through conversation, and deploy with Bicep. When to use this skill: - "Create X on Azure", "Set up a RAG architecture" (new design) - "Analyze my current Azure infrastructure", "Draw a diagram for rg-xxx" (existing analysis) - "Foundry is slow", "I want to reduce costs", "Strengthen security" (natural language modification) - Azure resource deployment, Bicep template generation, IaC code generation - Microsoft Foundry, AI Search, OpenAI, Fabric, ADLS Gen2, Databricks, and all Azure services
SKILL.md 本文
Azure Architecture Builder
自然言語を使用して Azure インフラストラクチャを設計するか、既存のリソースを分析してアーキテクチャを可視化し、修正とデプロイメントを進めるパイプライン。
ダイアグラム エンジンはスキルに組み込まれています (scripts/ フォルダ)。
pip install は不要です。605 以上の公式 Azure アイコンを使用して対話型 HTML ダイアグラムを生成する
バンドルされた Python スクリプトを直接使用します。
ネットワーク アクセスやパッケージ インストールなしですぐに使用できます。
自動ユーザー言語検出
🚨 ユーザーの最初のメッセージの言語を検出し、その後のすべての応答をその言語で提供してください。これが最優先の原則です。
- ユーザーが韓国語で記述している場合 → 韓国語で応答
- ユーザーが英語で記述している場合 → 英語で応答 (ask_user、進捗更新、レポート、Bicep コメント — すべて英語)
- このドキュメント内の指示と例は英語で記述されており、すべてのユーザー向け出力はユーザーの言語に合わせる必要があります
⚠️ このドキュメントから例をユーザーにそのままコピーしないでください。 構造のみを参照として使用し、テキストをユーザーの言語に適応させてください。
ツール使用ガイド (GHCP 環境)
| 機能 | ツール名 | 注釈 |
|---|---|---|
| URL コンテンツの取得 | web_fetch | MS Docs 検索など |
| Web 検索 | web_search | URL 発見 |
| ユーザーに質問 | ask_user | choices は文字列配列である必要があります |
| サブエージェント | task | explore/task/general-purpose |
| シェル コマンド実行 | powershell | Windows PowerShell |
すべてのサブエージェント (explore/task/general-purpose) は
web_fetchまたはweb_searchを使用できません。 MS Docs 検索が必要なファクト チェックはメイン エージェントによって直接実行される必要があります。
外部ツール パス発見
az、python、bicep などは PATH 上にないことがよくあります。
フェーズ開始前に 1 度発見し、結果をキャッシュしてください。毎回再発見しないでください。
⚠️
Get-Command pythonを使用しないでください — Windows Store エイリアスのリスク。 ダイレクト ファイルシステム発見 ($env:LOCALAPPDATA\Programs\Python) が優先されます。
az CLI パス:
$azCmd = $null
if (Get-Command az -ErrorAction SilentlyContinue) { $azCmd = 'az' }
if (-not $azCmd) {
$azExe = Get-ChildItem -Path "$env:ProgramFiles\Microsoft SDKs\Azure\CLI2\wbin", "$env:LOCALAPPDATA\Programs\Azure CLI\wbin" -Filter "az.cmd" -ErrorAction SilentlyContinue | Select-Object -First 1 -ExpandProperty FullName
if ($azExe) { $azCmd = $azExe }
}
Python パス + 組み込みダイアグラム エンジン: references/phase1-advisor.md のダイアグラム生成セクションを参照してください。
必須の進捗更新
ブロッククォート + 絵文字 + 太字形式を使用してください:
> **⏳ [アクション]** — [理由]
> **✅ [完了]** — [結果]
> **⚠️ [警告]** — [詳細]
> **❌ [失敗]** — [原因]
並列プリロード原則
ask_user でユーザー入力を待っている間に、次のステップに必要な情報を並列でプリロードしてください。
| ask_user 質問 | 同時にプリロード |
|---|---|
| プロジェクト名 / スキャン範囲 | リファレンス ファイル、MS Docs、Python パス発見、ダイアグラム モジュール パス検証 |
| モデル/SKU 選択 | 次の質問の選択肢用 MS Docs |
| アーキテクチャ確認 | az account show/list、az group list |
| サブスクリプション選択 | az group list |
パス分岐 — ユーザー要求によって自動的に決定
パス A: 新規設計 (新規構築)
トリガー: 「create」、「set up」、「deploy」、「build」など
フェーズ 1 (references/phase1-advisor.md) — インタラクティブなアーキテクチャ設計 + ダイアグラム
↓
フェーズ 2 (references/bicep-generator.md) — Bicep コード生成
↓
フェーズ 3 (references/bicep-reviewer.md) — コード レビュー + コンパイル検証
↓
フェーズ 4 (references/phase4-deployer.md) — validate → what-if → deploy
パス B: 既存分析 + 修正 (分析と修正)
トリガー: 「analyze」、「current resources」、「scan」、「draw a diagram」、「show my infrastructure」など
フェーズ 0 (references/phase0-scanner.md) — 既存リソース スキャン + ダイアグラム
↓
修正会話 — 「ここで何を変更したいですか?」(自然言語修正要求 → フォローアップ質問)
↓
フェーズ 1 (references/phase1-advisor.md) — 修正を確認 + ダイアグラムを更新
↓
フェーズ 2~4 — 上記と同じ
パス決定が曖昧な場合
ユーザーに直接質問してください:
ask_user({
question: "何をしたいですか?",
choices: [
"新しい Azure アーキテクチャを設計 (推奨)",
"既存の Azure リソースを分析 + 修正"
]
})
フェーズ トランジション ルール
- 各フェーズは対応する
references/*.mdファイルの指示を読み、従ってください - フェーズ間で遷移するときは、常にユーザーに次のステップについて通知してください
- フェーズをスキップしないでください (特にフェーズ 3 → フェーズ 4 間の what-if)
- 🚨 フェーズ 1 → フェーズ 2 トランジションの必須条件:
01_arch_diagram_draft.htmlが埋め込みダイアグラム エンジンを使用して生成され、ユーザーに表示されている必要があります。ダイアグラムなしで Bicep 生成に進まないでください。 仕様収集を完了するだけではフェーズ 1 は完了していません — フェーズ 1 にはダイアグラム生成 + ユーザー確認が含まれます。 - デプロイ後の修正要求 → フェーズ 0 ではなくフェーズ 1 に戻す (デルタ確認ルール)
サービス カバレッジ & フォールバック
最適化されたサービス
Microsoft Foundry、Azure OpenAI、AI Search、ADLS Gen2、Key Vault、Microsoft Fabric、Azure Data Factory、VNet/Private Endpoint、AML/AI Hub
その他の Azure サービス
すべてサポート — MS Docs は自動的に相談され、同じ品質基準で生成されます。 「適用範囲外」や「ベストエフォート」などのメッセージでユーザーに不安を与えないでください。
安定情報 vs 動的情報の処理
| カテゴリ | 処理方法 | 例 |
|---|---|---|
| 安定情報 | 最初にリファレンス ファイルを参照 | isHnsEnabled: true、PE トリプル セット |
| 動的情報 | 常に MS Docs を取得 | API バージョン、モデルの可用性、SKU、リージョン |
クイック リファレンス
| ファイル | 役割 |
|---|---|
references/phase0-scanner.md | 既存リソース スキャン + 関係推論 + ダイアグラム |
references/phase1-advisor.md | インタラクティブなアーキテクチャ設計 + ファクト チェック |
references/bicep-generator.md | Bicep コード生成ルール |
references/bicep-reviewer.md | コード レビュー チェックリスト |
references/phase4-deployer.md | validate → what-if → deploy |
references/service-gotchas.md | 必須プロパティ、PE マッピング |
references/azure-dynamic-sources.md | MS Docs URL レジストリ |
references/azure-common-patterns.md | PE/セキュリティ/命名パターン |
references/ai-data.md | AI/Data サービス ガイド |
ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- github
- ライセンス
- MIT
- 最終更新
- 不明
Source: https://github.com/github/awesome-copilot / ライセンス: MIT
関連スキル
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。