AzureCosmosDB/cosmosdb-agent-kit

Это коллекция навыков (skills) для AI-агентов, пишущих код, которые помогают им работать с Azure Cosmos DB. Навыки представляют собой упакованные инструкции и скрипты, расширяющие возможности агента.

Ключевые возможности

• Навыки в формате Agent Skills с манифестами для Claude Code, Codex, Cursor, Gemini CLI, Grok Build, Kimi Code и GitHub Copilot.
• Прогрессивная (по требованию) доставка навыков: хост загружает нужный навык только при необходимости.
• Рекомендуется для хостов с поддержкой прогрессивной загрузки или моделей с контекстом от 200K токенов.
• Содержит рекомендации по выбору моделей на основе бенчмарка с исполнением на живом аккаунте Cosmos DB.
• Лицензия MIT, открыт для pull request'ов и обсуждений.

Для каких задач подходит

• Разработка приложений на Azure Cosmos DB с помощью AI-агента, которому нужны специализированные знания.
• Использование в Claude Code, Cursor, GitHub Copilot и других поддерживаемых хостах для задач, связанных с Cosmos DB.
• Настройка агента на загрузку только нужных навыков для экономии контекстного окна.
• Выбор подходящей модели для генерации кода Cosmos DB на основе тестов производительности.

Подробнее

cosmosdb-agent-kit — это набор навыков (skills) для AI-агентов, пишущих код, которые помогают им работать с Azure Cosmos DB. Навыки следуют формату Agent Skills и поставляются с манифестами плагинов для нескольких популярных хостов: Claude Code, Codex, Cursor, Gemini CLI, Grok Build, Kimi Code и GitHub Copilot. Каждый навык — это упакованные инструкции и скрипты, которые агент может загрузить, когда они нужны для выполнения задачи.

Кит оптимизирован для прогрессивной (по требованию) доставки навыков, когда хост загружает только релевантный навык, а не весь набор сразу. Это особенно важно для моделей с ограниченным контекстным окном: если хост внедряет все навыки как всегда включённый контекст, а модель имеет небольшой бюджет промпта (около 128K токенов или меньше), полный набор может переполнить контекст и ухудшить качество вывода. В таких случаях рекомендуется загружать один сфокусированный навык, переключиться на модель с большим контекстом или использовать хост с поддержкой обнаружения навыков по требованию.

Рекомендации по выбору моделей основаны на внутреннем бенчмарке с исполнением на живом аккаунте Azure Cosmos DB (с аутентификацией Entra ID, без ключей). Бенчмарк оценивает выполнение реалистичной задачи AI Chat с RAG на Python/FastAPI скрытыми интеграционными тестами. Результаты усреднены по примерно 100 независимым попыткам для каждой модели. При использовании кита стоит учитывать эти рекомендации и ограничения контекста.