azure-skills
azure-skills 是一款专为 Azure 云场景设计的智能体插件,旨在将深厚的 Azure 领域专家经验转化为可执行的自动化能力。它不仅仅是一组提示词,而是通过“技能大脑”与“执行双手”的结合,解决了 AI 助手在面对复杂云任务时往往只能提供通用建议、缺乏实际操作能力的痛点。
该工具内置了 20 项精心策划的 Azure 技能,涵盖从应用构建部署、故障诊断到成本优化和合规性检查的全流程决策逻辑;同时集成 Azure MCP Server,提供超过 200 个结构化工具,让智能体能够直接操作真实的 Azure 资源,如查询日志、检查定价或管理数据库。此外,它还特别支持 Microsoft Foundry 场景,助力模型发现与部署工作流。
azure-skills 非常适合需要在 VS Code、GitHub Copilot CLI 或 Claude Code 等环境中高效进行云开发、运维及架构设计的开发者与技术团队。其独特亮点在于“多宿主支持”,只需一次安装,即可在不同开发环境中复用统一的 Azure 能力层,确保指导策略与底层执行高度一致,让 AI 真正具备处理实际云工作的能力。
使用场景
某初创团队的后端工程师需要在周五下班前,将一个新的 AI 客服应用从本地开发环境迁移并部署到 Azure 云端,同时确保成本可控且符合安全合规要求。
没有 azure-skills 时
- 开发者只能获得通用的云架构建议,AI 助手无法判断具体该选用 Azure Functions 还是 Container Apps,导致技术选型反复纠结。
- 部署过程依赖手动编写复杂的 ARM 模板或 Terraform 脚本,缺乏预置的验证步骤,极易因配置遗漏导致部署失败。
- 面对高昂的云资源账单风险,AI 无法主动调用实时计价工具进行成本预估,只能在事后通过门户查看账单。
- 排查故障时,AI 仅能给出理论上的调试方向,无法直接连接 Azure 诊断工具查询实时日志或监控指标。
- 不同开发成员使用的 Copilot 或 Claude 环境配置不一致,导致“在我机器上能跑”的协作困境。
使用 azure-skills 后
- azure-skills 内置的 20 项专家技能直接引导代理选择最佳服务组合,并提供包含护栏的决策树,瞬间完成精准的技术选型。
- 通过
azure-validate和azure-deploy等标准化工作流,代理自动执行部署前检查并一键完成发布,大幅降低人为错误。 - 集成的 Azure MCP Server 让代理能直接调用 200+ 个实时工具,在部署前即刻生成详细的成本优化方案和报价预测。
- 遇到运行时错误,代理直接调用
azure-diagnostics和azure-observability工具链,实时拉取日志并定位根因。 - 无论是在 VS Code、GitHub Copilot CLI 还是其他兼容主机中,团队只需一次安装即可共享统一的 Azure 执行能力与规范。
azure-skills 将分散的 Azure 专家经验转化为可执行的自动化工作流,让 AI 代理从“纸上谈兵”的顾问升级为能真正落地云资源的实干工程师。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
Azure 技能插件
Azure 工作不仅仅是代码问题,更是一个决策问题:哪种服务最适合这个应用?部署前需要验证哪些内容?应该运行哪些工具?又有哪些约束条件需要遵守?Azure 技能插件将 Azure 专业知识与 MCP 支持的执行能力整合在一起,使兼容的编码代理能够真正完成 Azure 相关工作,而不是给出泛化的云服务建议。
一次安装,三层能力
Azure 技能:大脑
该插件自带 20 个精选的 Azure 技能,教授代理如何完成 Azure 工作。它们为以下场景提供工作流、决策树和约束机制:
- 使用
azure-prepare、azure-validate和azure-deploy进行 构建与部署 - 使用
azure-diagnostics、azure-observability和azure-compliance进行 故障排除与运维 - 使用
azure-cost-optimization、azure-compute和azure-resource-visualizer进行 优化与设计 - 使用
azure-ai、azure-aigateway、azure-storage、azure-kusto、azure-rbac、azure-cloud-migrate、entra-app-registration和microsoft-foundry在 数据、AI 和平台服务之间协同工作
Azure MCP 服务器:双手
插件会接入 Azure MCP 服务器,为您的代理提供 覆盖 40 多种 Azure 服务的 200 多个结构化工具。这是用于列出资源、检查价格、查询日志、诊断问题以及驱动实际 Azure 工作流的执行层。
Foundry MCP:AI 专家
插件还包含 Foundry MCP,用于 Microsoft Foundry 场景,例如模型发现、模型部署和代理工作流。
为什么这款插件与众不同?
这并不是一个提示包,而是一个封装好的 Azure 能力层:
- 技能 教导代理何时使用 Azure 工作流以及应避免哪些操作。
- MCP 工具 让代理可以直接操作实时的 Azure 和 Foundry 资源。
- 插件 将指导层和执行层在一个安装中保持一致。
- 多主机支持 允许您在 GitHub Copilot for VS Code、Copilot CLI、Claude Code 等兼容主机上使用相同的 Azure 能力。
您将获得什么
| 组件 | 增加的内容 | 示例 |
|---|---|---|
| Azure 技能 | Azure 专业知识、工作流和约束机制 | 准备、验证、部署、诊断、成本、AI、RBAC |
| Azure MCP 服务器 | 实时 Azure 工具 | 资源清单、监控、定价、存储、数据库、消息传递 |
| Foundry MCP | Microsoft Foundry 工作流 | 模型目录、部署、代理、评估 |
插件的载荷位于 .github/plugins/azure-skills/ 中,其中包含的 MCP 配置展示了如何为兼容主机配置 Azure 和 Foundry 的连接。
在 60 秒内安装
前置条件
在安装之前,请确保您已具备以下条件:
- 一个 Azure 账户或订阅
- PATH 中已安装 Node.js 18+(使用
npx启动 MCP 服务器) - 已安装并使用
az login进行身份验证的 Azure CLI - 如果计划使用部署工作流,则需安装并使用
azd auth login进行身份验证的 Azure 开发者 CLI
GitHub Copilot CLI
添加市场(仅首次):
/plugin marketplace add microsoft/azure-skills
安装插件:
/plugin install azure@azure-skills
更新插件:
/plugin update azure@azure-skills
VS Code
从 Visual Studio Marketplace 安装 Azure MCP 扩展:
Azure MCP 扩展会同时安装一个配套扩展,将 Azure 技能引入 VS Code。两者共同自动配置 Azure MCP 服务器、Foundry MCP 以及完整的技能层。
注意:技能扩展需要在您的机器上安装 Git CLI。如果您尚未安装,请让 Copilot 帮助您为您的操作系统安装 Git。
Claude Code
添加市场(仅首次):
/plugin marketplace add microsoft/azure-skills
安装插件:
/plugin install azure@azure-skills
更新:
/plugin marketplace update azure-skills
IntelliJ IDEA
前置条件
在 IntelliJ IDEA 中安装 Azure 技能之前,请确保您已具备以下条件:
- 系统上已安装 Node.js 18+,且 PATH 中可使用
npx - 已安装并可通过命令行访问的 Git
您可以通过运行以下命令来验证这些前置条件:
npx --version
git --version
第一步:安装 GitHub Copilot 插件
- 打开 IntelliJ IDEA
- 转到 文件 > 设置(Windows/Linux)或 IntelliJ IDEA > 偏好设置(macOS)
- 在左侧边栏中导航至 插件
- 在市场选项卡中搜索“GitHub Copilot”
- 安装 GitHub Copilot 插件(需要版本 1.5.64-242 或更高)
- 根据提示重启 IntelliJ IDEA
第二步:启用 GitHub Copilot 的技能功能
- 再次打开 IntelliJ IDEA 的设置/偏好设置
- 导航至 工具 > GitHub Copilot > 聊天
- 勾选 “启用技能” 复选框
- 单击 应用 和 确定
第三步:安装 Azure 技能
打开终端或命令提示符
运行以下命令以全局安装适用于 GitHub Copilot 的 Azure 技能:
npx skills add https://github.com/microsoft/azure-skills/tree/main/.github/plugins/azure-skills/skills -a github-copilot -g -y命令解释:
npx skills add:使用 skills CLI 添加新的技能包- GitHub URL 指向本仓库中的 Azure 技能目录
-a github-copilot:指定技能适用于 GitHub Copilot-g:将技能全局安装(可在所有项目中使用)-y:在安装过程中自动接受提示
等待安装完成。您应会看到确认信息,表明 Azure 技能已成功添加。
主权云配置
默认情况下,Azure MCP 服务器会连接到 Azure 公有云。如果您使用的是主权云(Azure 中国云或 Azure 美国政府云),则需要配置 MCP 服务器以使用相应的云环境。
Copilot CLI
安装插件后,技能将被安装到 macOS/Linux 系统的 ~/.copilot/installed-plugins/ 目录下(Windows 系统则为 %USERPROFILE%\.copilot\installed-plugins\)。编辑已安装插件目录中的 <skill_installation_dir>/azure-skills/azure/.mcp.json 文件,添加 --cloud 参数:
Azure 中国云:
{
"mcpServers": {
"azure": {
"command": "npx",
"args": ["-y", "@azure/mcp@latest", "server", "start", "--cloud", "AzureChinaCloud"]
}
// 保持该文件中其他 MCP 服务器配置不变。
}
}
Azure 美国政府云:
{
"mcpServers": {
"azure": {
"command": "npx",
"args": ["-y", "@azure/mcp@latest", "server", "start", "--cloud", "AzureUSGovernment"]
}
// 保持该文件中其他 MCP 服务器配置不变。
}
}
在启动 MCP 服务器之前,请确保您的本地 CLI 工具已针对正确的云环境进行身份验证:
| 云环境 | Azure CLI | Azure PowerShell | Azure Developer CLI |
|---|---|---|---|
| 中国 | az cloud set --name AzureChinaCloud && az login |
Connect-AzAccount -Environment AzureChinaCloud |
azd config set cloud.name AzureChinaCloud && azd auth login |
| 美国政府云 | az cloud set --name AzureUSGovernment && az login |
Connect-AzAccount -Environment AzureUSGovernment |
azd config set cloud.name AzureUSGovernment && azd auth login |
更多详细信息,请参阅 Azure MCP 服务器文档中的 连接主权云。
验证安装
安装完成后,您可以进行三项快速检查。
1. 验证技能层
提问:
我需要哪些 Azure 服务来部署这个项目?
您应该会收到结构化的 Azure 指导,而不仅仅是通用的云回答。
2. 验证 Azure MCP
提问:
列出我的 Azure 资源组。
您应该会看到来自您的 Azure 帐户的真实工具支持响应。
3. 验证 Foundry MCP
提问:
Microsoft Foundry 中有哪些可用的 AI 模型?
您应该会收到由 Foundry 支持的响应,而不是一般的摘要。
身份验证
推荐的身份验证方式是使用 Azure CLI:
az login
如果您计划使用 azd 进行部署,还应运行:
azd auth login
您也可以使用服务主体凭据进行身份验证:
Bash/Zsh
export AZURE_TENANT_ID="your-tenant-id"
export AZURE_CLIENT_ID="your-client-id"
export AZURE_CLIENT_SECRET="your-client-secret"
PowerShell
$env:AZURE_TENANT_ID = "your-tenant-id"
$env:AZURE_CLIENT_ID = "your-client-id"
$env:AZURE_CLIENT_SECRET = "your-client-secret"
当代理在 Azure 内部运行时,Azure MCP 服务器还可以使用托管标识。
可尝试的提示
插件安装完成后,您可以尝试以下提示:
为 Azure 准备这个应用。在我运行 azd up 之前,验证我的 Azure 部署文件。将该项目部署到 Azure 容器应用。列出我的 Azure 存储帐户。查找我整个 Azure 订阅中的成本节约机会。排查我的容器应用为何无法通过运行状况探测。我应该分配什么角色,才能让此托管标识读取 Blob?Microsoft Foundry 中有哪些可用的 AI 模型?
仓库布局
如果您正在探索或自定义插件源代码,关键部分包括:
.github/plugins/azure-skills/skills/—— Azure 技能定义.github/plugins/azure-skills/.mcp.json—— 包含的 Azure 和 Foundry 的 MCP 配置README.md—— 插件的高级概述和安装指南
故障排除
代理未使用 Azure 技能
- 确保插件已成功安装在您的主机上。
- 确认 Azure 技能目录存在。
- 重新加载或重启主机,以便其重新索引插件和 MCP 配置。
MCP 工具未显示
- 确认已安装 Node.js,并且
npx正常工作。 - 检查是否已为您的主机添加了 Azure 和 Foundry 的 MCP 条目。
- 在更改配置后,重启 MCP 服务器或重新加载主机。
Azure 命令因身份验证错误而失败
- 重新运行
az login。 - 对于部署场景,重新运行
azd auth login。 - 确保选择了正确的 Azure 订阅。
了解更多信息
遥测
要禁用 Azure MCP 遥测收集,请设置:
export AZURE_MCP_COLLECT_TELEMETRY=false
贡献
本仓库会自动从 https://github.com/microsoft/GitHub-Copilot-for-Azure 同步更新。如果您希望为 Azure 技能做出贡献,请在该仓库中提交 PR。谢谢!
常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备