So verwandeln Sie einen KI-Assistenten in einen Cloud-Ingenieur für Azure
Wenn Sie ein Sprachmodell um Hilfe bei Cloud-Deployments bitten, erhalten Sie normalerweise eine höfliche, aber nutzlose Antwort. Das Modell zitiert generische Dokumentation von vor fünf Jahren, verwechselt Dienstnamen und empfiehlt fröhlich Befehle, die mit Autorisierungsfehlern fehlschlagen. KI-Agenten können Funktionscode schreiben, aber wenn es um Infrastruktur, Zugriffsrechte und echtes Ressourcenmanagement geht, sind sie blind.
Microsoft hat dieses Problem systematisch angegangen und das azure-skills Repository veröffentlicht. Es ist ein Plugin für KI-Agenten, das bestimmten Aufgabenkontext mit der Ausführung von Live-Befehlen über das MCP-Protokoll verbindet.
Was steckt drin
Das Projektteam hat die Lösung in zwei Ebenen unterteilt: Entscheidungslogik und praktische Aktionen.
Die erste Ebene wird als Skills bezeichnet. Dies sind vorgefertigte Szenarien, Entscheidungsbäume und Einschränkungen. Sie erklären dem Assistenten, wie der Azure-Workflow strukturiert ist, welche Prüfungen vor dem Deployment durchgeführt werden müssen, wie man Monitoring über Application Insights einrichtet oder wie man Ressourcenkosten berechnet.
Die zweite Ebene sind Ausführungswerkzeuge. Das Plugin verbindet sich mit dem Azure MCP Server, der über 200 Tools für 40 Dienste enthält. Wenn ein Agent entscheidet, die Liste der Ressourcengruppen zu prüfen oder Logs von einem abgestürzten Container zu lesen, erfindet er keine Antwort – er führt einen echten API-Aufruf über das MCP-Protokoll durch.
Es gibt auch eine separate Integration mit Foundry MCP. Diese wird für diejenigen benötigt, die Machine-Learning-Modelle deployen und Pipelines auf Basis von Microsoft Foundry erstellen.
Um zu beginnen, benötigen Sie Node.js 18 oder höher, die Azure CLI installiert (
) und Azure Developer CLI (
), wenn Sie Infrastruktur aus Vorlagen deployen.
Wenn Sie den APM-Paketmanager verwenden, erfolgt die Installation in allen unterstützten Umgebungen mit einer einzigen Zeile:
Fügen Sie zuerst die Quelle hinzu:
Dann installieren Sie das Plugin selbst:
In Claude Code ist das Plugin direkt aus dem offiziellen Katalog verfügbar. Führen Sie einfach den Befehl aus:
Oder finden Sie es über die Plugins-Schnittstelle:
In Cursor erfolgt die Installation über den Erweiterungskatalog in den Editor-Einstellungen:
In Codex wird das Plugin同样 über den Marketplace hinzugefügt:
Anschließend öffnen Sie die Plugin-Liste mit dem Befehl
und wählen das gewünschte aus:
In Codex können Sie einzelne Skills auch selektiv über das
Menü deaktivieren:
Im JetBrains-Umfeld besteht der Prozess aus ein paar Schritten. Stellen Sie zunächst sicher, dass das GitHub Copilot-Plugin auf die neueste Version aktualisiert ist, und aktivieren Sie dann die experimentelle Skills-Unterstützung in den Einstellungen: Tools > GitHub Copilot > Chat > Skills aktivieren.
Nach dem Neustart der IDE können Sie das offizielle Azure Toolkit für IntelliJ installieren, das Sie automatisch zur Installation der Skills auffordert:
Oder installieren Sie Skills global über npx im Terminal:
Sie können das Ergebnis direkt im Copilot-Chat überprüfen, indem Sie
eingeben:
Unterstützte Umgebungen und Installation
Die Entwickler haben das Plugin plattformübergreifend gestaltet. Es kann mit fast jedem beliebten Agent verbunden werden.
Sie benötigen Node.js 18+, die Azure CLI installiert (
) und, wenn Sie Infrastruktur aus Vorlagen deployen, auch Azure Developer CLI (
).
Wenn Sie den APM-Paketmanager verwenden, erfolgt die Installation in allen unterstützten Umgebungen mit einer einzigen Zeile:
Fügen Sie zuerst die Quelle hinzu:
Dann installieren Sie das Plugin selbst:
GitHub Copilot CLI
Fügen Sie zuerst die Quelle hinzu:
Dann installieren Sie das Plugin selbst:
Claude Code
In Claude Code ist das Plugin direkt aus dem offiziellen Katalog verfügbar. Führen Sie einfach den Befehl aus:
Oder finden Sie es über die Plugins-Schnittstelle:
Cursor
In Cursor erfolgt die Installation über den Erweiterungskatalog in den Editor-Einstellungen:
Codex CLI
In Codex wird das Plugin同样 über den Marketplace hinzugefügt:
Anschließend öffnen Sie die Plugin-Liste mit dem Befehl
und wählen das gewünschte aus:
In Codex können Sie einzelne Skills auch selektiv über das
Menü deaktivieren:
IntelliJ IDEA
Im JetBrains-Umfeld besteht der Prozess aus ein paar Schritten. Stellen Sie zunächst sicher, dass das GitHub Copilot-Plugin auf die neueste Version aktualisiert ist, und aktivieren Sie dann die experimentelle Skills-Unterstützung in den Einstellungen: Tools > GitHub Copilot > Chat > Skills aktivieren.
Nach dem Neustart der IDE können Sie das offizielle Azure Toolkit für IntelliJ installieren, das Sie automatisch zur Installation der Skills auffordert:
Oder installieren Sie Skills global über npx im Terminal:
Sie können das Ergebnis direkt im Copilot-Chat überprüfen, indem Sie
eingeben:
Arbeit mit isolierten Clouds
Standardmäßig verbindet sich der MCP-Server mit der Azure Public Cloud. Wenn Ihr Unternehmen in isolierten Clouds wie Azure China oder Azure US Government arbeitet, müssen Sie die Konfiguration manuell anpassen.
In Copilot CLI wird die Liste der aktiven Server mit dem Befehl
geöffnet:
Dann bearbeiten Sie die Parameter, indem Sie
aufrufen und das Argument
oder
hinzufügen:
Bevor Sie starten, stellen Sie sicher, dass lokale Hilfsprogramme auch in der erforderlichen Umgebung autorisiert sind. Für die Azure CLI sieht der Schalter beispielsweise so aus:
Praxisnahe Szenarien
Sobald alles konfiguriert ist, antwortet der Assistent nicht mehr mit abstrakten Ratschlägen. Sie können dem Assistenten direkt im Kontext eines geöffneten Projekts praktische Aufgaben stellen:
— der Agent analysiert das Projekt, wählt einen geeigneten Dienst (z.B. Azure Container Apps) und generiert Konfigurationsdateien.
— prüft Bicep- oder Terraform-Vorlagen auf Fehler, bevor sie in die Cloud gesendet werden.
— führt eine echte Anfrage über MCP durch und gibt die Liste der Speicherkonten aus dem aktiven Abonnement aus.
— führt eine Kostenanalyse durch und findet vergessene ungenutzte Datenträger oder redundante virtuelle Maschinen.
— fordert frische Anwendungslogs an, prüft den Probe-Status und erklärt die Ursache des Fehlers.
— wählt die minimal notwendigen RBAC-Rollen basierend auf dem Prinzip der geringsten Privilegien aus.
Das Fazit
Das
Repository löst das Hauptproblem der Cloud-Entwicklung mit KI: die Lücke zwischen Codegenerierung und echtem Infrastrukturkontext. Anstatt manuell Logs vom Portal zum Chatfenster und zurück zu übertragen, geben Sie dem Agenten Zugriff auf verwaltete Tools.
Wem nützt das Projekt am meisten:
- Entwickler, die regelmäßig Dienste auf Azure deployen und es leid sind, zwischen Terminal, Portal und Dokumentation zu wechseln.
- Teams, die KI-Agenten in alltägliche Workflows auf Basis von VS Code, Cursor oder Claude Code integrieren.
Das Repository ist unter der MIT-Lizenz open source, wird aktiv gepflegt und ist mit den Entwicklungen des Azure-Teams synchronisiert. Es lohnt sich definitiv, es auszuprobieren, zumal die grundlegende Einrichtung nur wenige Minuten dauert.
Ähnliche Projekte