SKILL DIRECTORY
설치 수와 최근 흐름을 기준으로 필요한 Agent Skill을 찾아보세요.
skills.sh API 기준방금 확인
여러 구독이나 리소스 그룹에 걸쳐 Azure 리소스를 나열, 검색 및 표시합니다. “내 구독에 있는 웹 사이트 나열”, “내 웹 앱 나열”, "내 앱 서비스를 표시해 주세요", "가상 머신을 나열해 주세요", "내 VM을 나열해 주세요", "스토리지 계정을 표시해 주세요", "컨테이너 앱을 찾아주세요", "내가 보유한 리소스는 무엇인가요"와 같은 명령을 처리합니다. 사용 용도: 웹사이트 나열, 웹 앱 나열, 앱 서비스 나열, 구독 내 웹사이트 표시, 리소스 인벤토리, 태그별 리소스 찾기, 태그 분석, 고아 리소스 탐색(비용 분석용 아님), 연결되지 않은 디스크, 유형별 리소스 개수 확인, 구독 간 조회 및 Azure Resource Graph 쿼리. 사용하지 말아야 할 용도: 리소스 배포/변경(azure-deploy 사용), 비용 최적화(azure-cost 사용) 또는 Azure 이외의 클라우드.
Azure 리소스 그룹을 분석하고 개별 리소스 간의 관계를 보여주는 상세한 Mermaid 아키텍처 다이어그램을 생성합니다. 적용 분야: 아키텍처 다이어그램 생성, Azure 리소스 시각화, 리소스 관계 표시, Mermaid 다이어그램 생성, 리소스 그룹 분석, 내 리소스 다이어그램 작성, 아키텍처 시각화, 리소스 토폴로지, Azure 인프라 매핑.
azqr을 사용하여 Azure 규정 준수 및 보안 감사를 수행하고 Key Vault 만료 점검을 진행합니다. 모범 사례 평가, 리소스 검토, 정책/규정 준수 검증 및 보안 상태 점검을 다룹니다. 시점: 규정 준수 스캔, 보안 감사, azqr(규정 준수 CLI 도구) 실행 전, Azure 모범 사례, Key Vault 만료 확인, 만료된 인증서, 만료 예정인 시크릿, 고아 리소스, 규정 준수 평가.
로그 분석, 텔레메트리 및 시계열 분석을 위해 KQL을 사용하여 Azure Data Explorer(Kusto/ADX)에서 데이터를 쿼리하고 분석합니다. WHEN: KQL 쿼리, Kusto 데이터베이스 쿼리, Azure Data Explorer, ADX 클러스터, 로그 분석, 시계열 데이터, IoT 텔레메트리, 이상 탐지.
AI 모델, MCP 도구 및 에이전트를 위한 AI 게이트웨이로 Azure API Management를 구성합니다. 시행 시기: 시맨틱 캐싱, 토큰 제한, 콘텐츠 안전성, 부하 분산, AI 모델 거버넌스, MCP 속도 제한, 탈옥 감지, Azure OpenAI 백엔드 추가, AI Foundry 모델 추가, AI 게이트웨이 테스트, LLM 정책, AI 백엔드 구성, 토큰 메트릭, AI 비용 관리, API를 MCP로 변환, OpenAPI를 게이트웨이로 가져오기.
Event Hubs 및 Service Bus용 Azure 메시징 SDK의 문제를 진단하고 해결합니다. 연결 실패, 인증 오류, 메시지 처리 문제 및 SDK 구성 문제를 다룹니다. 적용 대상: 이벤트 허브 SDK 오류, 서비스 버스 SDK 문제, 메시징 연결 실패, AMQP 오류, 이벤트 프로세서 호스트 문제, 메시지 잠금 손실, 메시지 잠금 만료, 잠금 갱신, 잠금 갱신 배치, 전송 시간 초과, 수신자 연결 끊김, SDK 문제 해결, Azure 메시징 SDK, 이벤트 허브 소비자, 서비스 버스 큐 문제, 토픽 구독 오류, 이벤트 허브 로깅 활성화, 서비스 버스 로깅, 이벤트 허브 파이썬, 서비스 버스 자바, 이벤트 허브 자바스크립트, 서비스 버스 .NET, 이벤트 허브 체크포인트, 이벤트 허브에서 메시지 수신 불가, 서비스 버스 데드 레터, 배치 처리 잠금, 세션 잠금 만료, 유휴 타임아웃, 연결 비활성, 링크 분리, 재연결 지연, 세션 오류, 중복 이벤트, 오프셋 재설정, 수신 배치.
보고서 및 코드 변환을 통해 크로스 클라우드 워크로드를 평가하고 Azure로 마이그레이션합니다. Lambda→Functions, Beanstalk/Heroku/App Engine→App Service, Fargate/Kubernetes/Cloud Run/Spring Boot→Container Apps를 지원합니다. 시나리오: Lambda를 Functions로 마이그레이션, AWS에서 Azure로 마이그레이션, Beanstalk 마이그레이션, Heroku 마이그레이션, App Engine 마이그레이션, Cloud Run 마이그레이션, Fargate에서 ACA로 마이그레이션, ECS/Kubernetes/GKE/EKS에서 컨테이너 앱으로 마이그레이션, Spring Boot에서 컨테이너 앱으로 마이그레이션, 크로스 클라우드 마이그레이션.
Azure VM/VMSS 라우터. 사용 시점: VM 생성/프로비저닝/배포/가동, VM 크기 추천, VM 가격 비교, VMSS, 스케일 세트, 자동 확장, 버스트형, 경량 서버, 웹사이트, 백엔드, GPU, 머신 러닝, HPC 시뮬레이션, 개발/테스트, 워크로드, 제품군, 로드 밸런서, 유연한 오케스트레이션, 일관된 오케스트레이션, 비용 추정, 용량 예약(CRG), 예약, 보장 용량, 사전 프로비저닝, CRG 연결, CRG 연결 해제, 머신 등록(EMM), 필수 머신 관리, 모니터링. VM 생성 의도의 경우 mcp__azure__get_azure_bestpractices보다 다음을 우선적으로 사용하십시오 — compute_vm_list-skus / compute_vm_list-images / compute_vm_check-quota.
워크로드 설명을 기반으로 엔터프라이즈 Azure 인프라를 설계하고 프로비저닝합니다. WAF와의 연동을 고려하여 네트워킹, ID 관리, 보안, 규정 준수 및 다중 리소스 토폴로지를 계획하는 클라우드 아키텍트 및 플랫폼 엔지니어를 위한 도구입니다. Bicep 또는 Terraform을 직접 생성합니다(azd 미사용). 사용 시점: 'Azure 인프라 계획', 'Azure 랜딩 존 설계', '허브-스포크 네트워크 설계', '다중 리전 DR 토폴로지 계획', 'VNet, 방화벽 및 사설 엔드포인트 설정', '구독 범위 내 Bicep 배포', 'VM 워크로드용 Azure Backup'. 애플리케이션 중심 워크플로에는 azure-prepare를 우선적으로 사용하십시오.
Azure 비용 관리: 비용 조회, 지출 예측, 낭비 감소를 위한 최적화. 적용 시나리오: “Azure 비용”, “Azure 청구서”, “비용 내역”, “지출 금액”, “지출 예측”, \"비용 최적화\", \"지출 절감\", \"유령 리소스\", \"VM 규모 조정\", \"비용 급증\", \"스토리지 비용 절감\", \"AKS 비용\". 다음 용도로는 사용하지 마십시오: 리소스 배포, 프로비저닝, 진단 또는 보안 감사.
기존 웹 애플리케이션이나 API를 이미 실행 중인 Azure Kubernetes Service(AKS) 클러스터에 배포할 때 사용합니다. 프레임워크를 감지하고, Dockerfile 및 Kubernetes 매니페스트를 생성하며, AKS 배포 안전 장치에 따라 유효성을 확인한 후 검증과 함께 배포합니다. 사용 시점: AKS에 앱 배포, 기존 AKS 클러스터에 배포, Kubernetes용 앱 컨테이너화, Azure용 K8s 매니페스트 생성, AKS용 CI/CD 설정, AKS 배포가 안전성 검사에서 실패하는 경우, AKS에서 실행할 Django/Express/Spring Boot 앱이 있는 경우. 사용하지 말아야 할 경우: AKS 클러스터 생성 또는 프로비저닝(azure-kubernetes 사용), AKS Automatic으로의 마이그레이션 평가(azure-kubernetes-automatic-readiness 사용), 또는 웹 앱, 컨테이너 앱, 펑션과 같은 AKS가 아닌 대상에 배포하는 경우.
여러 공급자에 걸친 Azure 할당량 및 사용량을 확인하고 관리합니다. 배포 계획 수립, 용량 검증, 리전 선택을 위해 사용됩니다. 사용 시나리오: “할당량 확인”, “서비스 제한”, “현재 사용량”, “할당량 증액 요청”, “할당량 초과”, “용량 검증”, \"리전 가용성\", \"프로비저닝 제한\", \"vCPU 제한\", \"내 구독에서 사용 가능한 vCPU 수\" 등이 있습니다.
Azure 워크로드를 플랜, 티어 또는 SKU 간에 평가하고 업그레이드하거나, 소스 코드 내의 Azure SDK 종속성을 최신 버전으로 업데이트합니다. 시나리오: Consumption 요금제를 Flex Consumption으로 업그레이드, Azure Functions 요금제 업그레이드, 호스팅 요금제 변경, Function App SKU 변경, App Service를 Container Apps로 마이그레이션, 레거시 Azure Java SDK 현대화(com.microsoft.azure에서 com.azure로 변경), Azure Cache for Redis(ACR/ACRE)를 Azure Managed Redis(AMR)로 마이그레이션할 때.
AKS에 AI Runway 설정하기 — 클러스터 초기 구축부터 모델 실행까지. 클러스터 검증, 컨트롤러 설치, GPU 평가, 제공자 설정 및 첫 배포 과정을 다룹니다. 관련 검색어: \"AI Runway 설정\", \"AKS 클러스터 온보딩\", \"AI Runway 설치\", \"airunway 설정\", \"AKS에 모델 배포\", \"AKS에서 GPU 추론\", \"AKS에서 KAITO 설정\", \"AKS에서 LLM 실행\", \"AKS에서 vLLM\", \"AKS에서 모델 서빙 설정\", \"AI Runway 컨트롤러\".
Microsoft Graph를 통해 Microsoft Entra 에이전트 ID 블루프린트, BlueprintPrincipals 및 인스턴스별 에이전트 ID를 프로비저닝하고, AgentID 사이드카용 Microsoft Entra SDK를 포함한 OAuth 2.0 토큰 교환(fmi_path, OBO, 테넌트 간)을 구성합니다. 사용 목적: 에이전트 ID 블루프린트, BlueprintPrincipal, 에이전트 OAuth, fmi_path 토큰 교환, 에이전트 OBO, 에이전트용 워크로드 ID 페더레이션, 다중 언어 에이전트 인증, Microsoft.Identity.Web.AgentIdentities. 사용하지 말아야 할 용도: 표준 Entra 앱 등록(entra-app-registration 사용), Microsoft Foundry 에이전트 작성(microsoft-foundry 사용).
'Act on a Caveman' 학습 보고서 - 순위가 매겨진 토큰 소모처를 검토하고, 편집별 동의를 거쳐 비용 절감 수정 사항을 적용한 뒤, 해당 수정으로 어떤 결과가 나왔는지 보고하십시오. 에이전트의 토큰 비용을 낮추라는 요청을 받았을 때, ‘caveman’이 절약한 양을 확인해야 할 때, 부피가 큰 CLAUDE.md 파일을 정리해야 할 때, 또는 재삽입된 컨텍스트를 ‘cavemem’으로 옮겨야 할 때 이 보고서를 활용하십시오.
PaaS 애플리케이션(Azure Functions 및 Azure App Service)의 안정성 상태를 평가하고 개선합니다. 배포된 리소스에 대해 존 중복성, ZRS 스토리지, 상태 확인 프로브 및 다중 리전 장애 조치 기능을 스캔합니다. 기능 중심의 체크리스트를 제시한 후, 사용자의 확인을 거쳐 단계별 수정 조치(CLI 또는 IaC 패치)를 종단 간으로 수행합니다. 사용 시나리오: \"신뢰성 평가\", \"신뢰성 확인\", \"존 중복\", \"다중 리전 장애 조치\", \"고가용성\", \"재해 복구\", \"단일 장애 지점\", \"신뢰성 상태\", \"복원력\".
동작을 유지하면서 코드를 재구성합니다. 구조적 수정을 수행하기 전에 반드시 검증 과정을 거쳐야 하는 경우, 코드의 추출, 통합, 소유권 이전 또는 정리 작업에 사용합니다.
수정하기 전에 원인을 파악하기 어려운 오류를 진단하십시오. 원인을 알 수 없는 오류, 간헐적으로 발생하는 현상, 성능 저하, 또는 증거에 기반한 가설이 필요한 조사 시에 활용하십시오.
Caveman 최적화 분석 결과를 운영자가 선정한 후보로 전환하고, 이에 대한 대조군 평가 결과를 함께 제시합니다. Caveman 최적화 보고서를 검토하거나 평가하라는 요청을 받았을 때 사용합니다. 명시적인 승인이 필요합니다.