Как превратить AI-ассистента в облачного инженера для Azure
Когда просишь языковую модель помочь с деплоем в облако, обычно получаешь вежливый, но бесполезный ответ. Модель цитирует общую документацию пятилетней давности, путает названия сервисов и бодро советует команды, которые падают с ошибками авторизации. AI-агенты умеют писать код функций, но когда дело доходит до инфраструктуры, прав доступа и реального управления ресурсами, они слепы.
В Microsoft решили подойти к проблеме системно и выкатили репозиторий azure-skills. Это плагин для AI-агентов, который связывает контекст конкретных задач с живым выполнением команд через протокол MCP.
Что внутри коробки
Команда проекта разделила решение на два уровня: логику принятия решений и практические действия.
Первый уровень называют навыками. Это готовые сценарии, деревья решений и ограничения. Они объясняют ассистенту, как устроен рабочий процесс в Azure, какие проверки нужно сделать перед деплоем, как настроить мониторинг через Application Insights или рассчитать стоимость ресурсов.
Второй уровень — инструменты исполнения. Плагин подключает Azure MCP Server, где собрано больше 200 инструментов для 40 сервисов. Если агент решает проверить список групп ресурсов или прочитать логи упавшего контейнера, он не придумывает ответ, а делает реальный вызов API через протокол MCP.
Отдельно идет интеграция с Foundry MCP. Она нужна тем, кто развертывает модели машинного обучения и строит пайплайны на базе Microsoft Foundry.
+-------------------------------------------------------------+
| AI-ассистент |
| (VS Code / Claude Code / Cursor / Codex / IntelliJ) |
+-------------------------------------------------------------+
|
+------------------+------------------+
| |
v v
+-----------------------+ +-----------------------+
| Azure Skills | | Azure MCP Server |
| (Сценарии и правила) | | (200+ тулов к API) |
+-----------------------+ +-----------------------+
Поддерживаемые среды и установка
Разработчики сделали плагин кроссплатформенным. Его можно подключить практически к любому популярному агенту.
Для работы понадобятся Node.js 18+, установленный Azure CLI (az login), а если планируете развертывать инфраструктуру по шаблонам, то и Azure Developer CLI (azd auth login).
Если вы пользуетесь менеджером пакетов APM, установка во все поддерживаемые среды делается одной строкой:
apm install microsoft/azure-skills
GitHub Copilot CLI
Сначала подключаем источник:
/plugin marketplace add microsoft/azure-skills
Затем ставим сам плагин:
/plugin install azure@azure-skills
Claude Code
В Claude Code плагин доступен прямо из официального каталога. Достаточно ввести команду:
/plugin install azure@claude-plugins-official
Или найти его через интерфейс плагинов:
Cursor
В Cursor установка идет через каталог расширений в настройках редактора:
Codex CLI
В Codex плагин добавляется похожим образом через маркетплейс:
codex plugin marketplace add microsoft/azure-skills
После этого открываем список плагинов командой /plugins и выбираем нужный:
В Codex также можно выборочно отключать отдельные навыки через меню /skills:
IntelliJ IDEA
В среде JetBrains процесс состоит из пары шагов. Сначала убедитесь, что плагин GitHub Copilot обновлен до свежей версии, затем включите экспериментальную поддержку навыков в настройках: Tools > GitHub Copilot > Chat > Enable Skills.
После перезапуска IDE можно поставить официальный Azure Toolkit for IntelliJ, который сам предложит доустановить навыки:
Либо накатить навыки глобально через npx в терминале:
npx skills add https://github.com/microsoft/azure-skills/tree/main/.github/plugins/azure-skills/skills -a github-copilot -g -y
Проверить результат можно прямо в чате Copilot, набрав /skill:azure:
Работа с изолированными облаками
По умолчанию MCP-сервер обращается в публичный Azure Public Cloud. Если ваша компания работает в изолированных облаках вроде Azure China или Azure US Government, конфигурацию нужно подправить вручную.
В Copilot CLI список активных серверов открывается через команду /mcp show:
Затем редактируем параметры вызовом /mcp edit azure и добавляем аргумент --cloud AzureChinaCloud или --cloud AzureUSGovernment:
Перед запуском убедитесь, что локальные утилиты тоже авторизованы в нужном окружении. Например, для Azure CLI переключение выглядит так:
az cloud set --name AzureChinaCloud && az login
Реальные сценарии
Когда все настроено, ассистент перестает отвечать абстрактными советами. Можно давать прямые прикладные задачи прямо в контексте открытого проекта:
Prepare this app for Azure.— агент анализирует проект, подбирает подходящий сервис (например, Azure Container Apps) и генерирует файлы конфигурации.Validate my Azure deployment files before I run azd up.— проверяет шаблоны Bicep или Terraform на ошибки до отправки в облако.List my Azure storage accounts.— делает реальный запрос через MCP и выводит список учетных записей хранения из активной подписки.Find cost savings across my Azure subscription.— запускает анализ трат и находит забытые неиспользуемые диски или избыточные виртуальные машины.Troubleshoot why my container app is failing health probes.— запрашивает свежие логи приложения, смотрит статус проб и объясняет причину сбоя.What role should I assign to let this managed identity read blobs?— подбирает минимально необходимые RBAC-роли по принципу наименьших привилегий.
Что в итоге
Репозиторий microsoft/azure-skills решает главную проблему облачной разработки с AI: разрыв между генерацией кода и контекстом реальной инфраструктуры. Вместо того чтобы вручную переносить логи из портала в окно чата и обратно, вы даете агенту доступ к управляемым инструментам.
Кому проект пригодится в первую очередь:
- Разработчикам, которые регулярно деплоят сервисы в Azure и устали переключаться между терминалом, порталом и документацией.
- Командам, внедряющим AI-агентов в повседневный рабочий процесс на базе VS Code, Cursor или Claude Code.
Репозиторий открыт под лицензией MIT, активно обновляется и синхронизируется с разработками команды Azure. Попробовать точно стоит, тем более что базовая настройка занимает всего несколько минут.
