Microsoft Skills:AI 编程代理的开源工具包

Microsoft Skills:AI 编程代理的开源工具包

构建基于 Azure 的 AI 赋能应用时,通常需要将若干 SDK 调用、FastAPI 路由,甚至自定义 MCP 服务器拼装在一起。与其每次都重新实现这些构建块,微软发布了 https://github.com/microsoft/skills,这是一个可持续更新的、可复用 skills 仓库,支持 Copilot、Azure AI Foundry 及任何其他基于代理的工作流。

什么是 Skill?

Skill 是小型、独立的模块,封装了针对特定 Azure 服务或开发任务的模式。每个 Skill 位于 .github/skills/ 下,包含一组文件(代码、测试、YAML 前置数据和文档)。它们按语言后缀(-py-dotnet-ts-java-rust)和类别(foundry、data、messaging、monitoring、entra、integration、compute、m365、general)组织。典型的 Skill 文件结构如下:

azure-ai-projects-py
│  ├─ SKILL.md
│  ├─ references/acceptance‑criteria.md
│  └─ tests/… 

当使用一个 Skill 时,代理会拉取相应的代码片段,设置导入路径并注入上下文特定变量——从而让 LLM 调用正确的 API 模式。

主要功能

功能 说明
125+ 个 Skill 覆盖 Azure SDK、Foundry、FastAPI、Cosmos DB、Search、Speech、Vision 等,在五种编程语言中可用。
自动安装 npx skills add microsoft/skills 可在一次向导中将选定的 Skill 安装到项目中。
MCP 服务器配置 预配置好的 MCP(基于模型编程)服务器,用于文档、GitHub、自动化测试。
代理角色 仓库附带角色特定的代理 Persona 文件(backend.agent.mdfrontend.agent.md 等),以适配不同业务场景。
Prompt 模板 可复用的 Prompt 文件(scaffold‑foundry‑app.prompt.mdcode‑review.prompt.md 等)简化重复性任务。
CI 驱动文档 每次推送都会更新 llms.txt/llms‑full.txt,生成 LLM 友好的文档并自动发布至 GitHub Pages。
测试 Harness 通过测试 Harness(pnpm harness)验证生成代码是否满足严格的验收标准。

快速开始

# 1️⃣ 安装 CLI
npm install -g @microsoft/skills

# 2️⃣ 添加仓库并选择技能集
npx skills add microsoft/skills
#   → 选择 core、data 或你需要的其他选项

# 3️⃣ 运行测试(可选但建议执行)
cd tests
pnpm install
pnpm harness azure‑ai‑projects‑py --mock

该 Skill 将会被 symlink 链接到 .<agent>/skills/,你可以在多个项目间共享或共享链接。

如何贡献

  1. Fork 本仓库。
  2. github/skills/<skill‑name>/SKILL.md 下创建新的 Skill 目录。
  3. 添加验收标准、测试,并确保 Skill 正确定义分类。
  4. 提交 PR — CI 将运行所有 Harness 测试。
  5. 所有测试通过后合并。

所有贡献均采用 MIT 许可证,欢迎按需调整 Skill 以配合你的工作流。

代码之外

虽然仓库面向开发者,但其结构也可为非技术利益相关者所用:

  • 文档生成llms.txt 可被聊天机器人消费,用于即时 FAQ。
  • MCP 服务器 – 运行轻量级本地 MCP 服务器,快速原型新功能。
  • Skill 浏览器context7.com/microsoft/skills 提供一个单击即可浏览和安装 Skill 的 UI。

结论

微软的 Skills 仓库改变了我们写 AI 核心代码的方式。通过将服务模式抽象为可复用组件,它将复杂的 Azure 集成转变为即插即用的代码片段,显著降低开发者的认知负担。无论你是构建 FastAPI 微服务、编写新的 Copilot CLI 命令,还是使用 Bicep 部署基础设施,整个 Skill 集合都能为你提供相应模块。

试试看:克隆仓库,体验快速启动向导,立即开始为你的项目添加自定义 Skill。祝编码愉快!

原创文章: 查看原文

分享本文