Agent Skills by ALSEL
Anthropic ClaudeLLM・AI開発⭐ リポ 0品質スコア 50/100

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_fetchMS Docs 検索など
Web 検索web_searchURL 発見
ユーザーに質問ask_userchoices は文字列配列である必要があります
サブエージェントtaskexplore/task/general-purpose
シェル コマンド実行powershellWindows 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

azpythonbicep 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/listaz 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
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.mdBicep 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.mdvalidate → what-if → deploy
references/service-gotchas.md必須プロパティ、PE マッピング
references/azure-dynamic-sources.mdMS Docs URL レジストリ
references/azure-common-patterns.mdPE/セキュリティ/命名パターン
references/ai-data.mdAI/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
リポジトリ
github/awesome-copilot
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

OpenAILLM・AI開発⭐ リポ 6,054

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。

by JimmyLv
汎用LLM・AI開発⭐ リポ 1,982

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。

by LeoYeAI
汎用LLM・AI開発⭐ リポ 1,982

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。

by LeoYeAI
汎用LLM・AI開発⭐ リポ 21,584

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。

by Skyvern-AI
汎用LLM・AI開発⭐ リポ 1,149

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。

by pinchbench
汎用LLM・AI開発⭐ リポ 4,693

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。

by thesysdev
本サイトは GitHub 上で公開されているオープンソースの SKILL.md ファイルをクロール・インデックス化したものです。 各スキルの著作権は原作者に帰属します。掲載に問題がある場合は info@alsel.co.jp または /takedown フォームよりご連絡ください。
原作者: github · github/awesome-copilot · ライセンス: MIT