python-development

Chaque fichier .py doit commencer par :

npx skills add https://github.com/microsoft/agent-framework --skill python-development

Télécharger ZIP GitHub

Python Development Workflow

The canonical engineering rules are in python/CODING_STANDARD.md. Read and apply that document before changing Python source. Do not create or maintain a competing copy of the standards in this skill.

Before Editing

Read python/AGENTS.md and the nearest package AGENTS.md.
Identify whether the change affects package source, tests, samples, public exports, package governance, or more than one of those surfaces.
Read the task-specific skill when applicable:
- python-testing for test design, integration markers, and test commands.
- python-code-quality for formatting, linting, and type checking.
- python-package-management for package creation, dependencies, public lazy exports, and package lifecycle.
- python-feature-lifecycle for staged API decorators and promotion.

Implementing Changes

Follow established patterns in the owning package unless they conflict with python/CODING_STANDARD.md.
Keep the common public path import-light and review public API changes for compatibility and ergonomics.
Update source, typing surfaces, tests, samples, and documentation together when they represent the same contract.
For root agent_framework export changes, follow the synchronized runtime, __all__, and .pyi workflow in python-package-management.
Do not broaden a change into unrelated cleanup solely because nearby code predates the current standard.

Validation

Run the smallest relevant commands from python/. Use python-code-quality and python-testing to select package-scoped syntax, typing, and test commands before escalating to broader checks.

When a convention, command, or workflow changes, update the canonical document or owning task-specific skill rather than duplicating the new guidance here.

Plus de skills de microsoft

Persona de growth hacker OSS

agent-framework-azure-ai-py

Créez des agents Azure AI Foundry à l’aide du SDK Python Microsoft Agent Framework (agent-framework-azure-ai). À utiliser lors de la création d’agents persistants avec AzureAIAgentsProvider, de l’utilisation d’outils hébergés (interpréteur de code, recherche de fichiers, recherche web), de l’intégration de serveurs MCP, de la gestion de fils de conversation ou de l’implémentation de réponses en streaming. Couvre les outils de fonction, les sorties structurées et les agents multi-outils.

airunway-aks-setup

Configurez AI Runway sur AKS — du cluster nu au modèle en cours d'exécution. Couvre la vérification du cluster, l'installation du contrôleur, l'évaluation GPU, la configuration du fournisseur et le premier déploiement. QUAND : « configurer AI Runway », « intégrer un cluster AKS », « installer AI Runway », « configuration airunway », « déployer un modèle sur AKS », « inférence GPU sur AKS », « configuration KAITO sur AKS », « exécuter LLM sur AKS », « vLLM sur AKS », « configurer le service de modèles sur AKS », « contrôleur AI Runway ».

appinsights-instrumentation

Conseils pour instrumenter les applications web avec Azure Application Insights. Fournit des modèles de télémétrie, la configuration du SDK et des références de configuration. QUAND : comment instrumenter une application, SDK App Insights, modèles de télémétrie, qu'est-ce qu'App Insights, conseils sur Application Insights, exemples d'instrumentation, bonnes pratiques APM.

applicationinsights-web-ts

Instrumentez les applications navigateur/web avec le SDK JavaScript Application Insights (@microsoft/applicationinsights-web). Utilisez-le pour la surveillance des utilisateurs réels (RUM) — vues de page, clics, dépendances AJAX/fetch, exceptions, événements personnalisés et traces d’agents GenAI côté navigateur corrélées aux traces OpenTelemetry backend. Couvre le script de chargement du SDK et la configuration npm, les extensions de framework (React, React Native, Angular), Click Analytics, les initialiseurs de télémétrie et les conventions sémantiques OTel GenAI pour les spans d’agents/outils/modèles émises depuis le navigateur.

azure-ai-anomalydetector-java

Créez des applications de détection d'anomalies avec le SDK Azure AI Anomaly Detector pour Java. Utilisez-le lors de l'implémentation de la détection d'anomalies univariées/multivariées, de l'analyse de séries temporelles ou de la surveillance basée sur l'IA.

azure-ai-language-conversations-py

Implémentez la compréhension du langage conversationnel (CLU) à l’aide du SDK Python azure-ai-language-conversations. Utilisez-le lorsque vous travaillez avec ConversationAnalysisClient pour analyser l’intention et les entités d’une conversation, créer des fonctionnalités de NLP ou intégrer la compréhension du langage dans des applications.

SDK v2 d’Azure Machine Learning pour Python. Utiliser pour les espaces de travail ML, les tâches, les modèles, les jeux de données, le calcul et les pipelines. Déclencheurs : « azure-ai-ml », « MLClient », « espace de travail », « registre de modèles », « tâches d’entraînement », « jeux de données ».