Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Amazon SageMaker AI-Fähigkeiten installieren
<a name="remote-access-install-skills"></a>

Dieses Amazon SageMaker AI-Plugin ist auf der [ GitHub AWSLabs-Seite](https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai) verfügbar und bringt AWS AI/ML fundiertes Fachwissen direkt in Ihren Programmierassistenten ein und deckt den gesamten Bereich von [Amazon SageMaker AI](https://aws.amazon.com/sagemaker/ai/) ab. Derzeit werden Fähigkeiten bereitgestellt, um Sie in den folgenden Funktionsbereichen zu unterstützen:
+ **Modellanpassung** — End-to-end geführte Workflows zur Feinabstimmung von Basismodellen, von der Definition von Anwendungsfällen bis hin zur Datenvorbereitung, Schulung, Bewertung und Bereitstellung auf Amazon SageMaker AI.
+ **HyperPod Clusteroperationen** — Fernausführung von Befehlen auf Knoten über SSM, Versionsprüfung und Diagnoseberichte für Amazon SageMaker HyperPod AI-Trainingscluster.

## Fähigkeiten der Agenten
<a name="remote-access-install-skills-list"></a>

Die folgenden Fähigkeiten werden durch das Plugin installiert:


**Fähigkeiten von Amazon SageMaker AI-Agenten**  

| Fähigkeit | Description | Dokumentation | 
| --- | --- | --- | 
| planning | Erstellt einen dynamischen, schrittweisen Plan, der auf Ihre Absichten zugeschnitten ist | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/planning/SKILL.md) | 
| directory-management | Verwaltet die Einrichtung des Projektverzeichnisses, die Organisation von Artefakten und die Zuordnung von Plänen für neue oder bestehende Projekte | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/directory-management/SKILL.md) | 
| use-case-specification | Geführter Gesprächsprozess zur Definition der Ziele für Ihren Anwendungsfall zur Modellanpassung, der wichtigsten Beteiligten und der Erfolgskriterien | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/use-case-specification/SKILL.md) | 
| dataset-evaluation | Validierung der Datensatzqualität, Formaterkennung und Analyse der Datenanforderungen | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/dataset-evaluation/SKILL.md) | 
| dataset-transformation | Konvertierung von Datensatzformaten und Vorbereitung für SageMaker AI-compatible Trainingsformate | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/dataset-transformation/SKILL.md) | 
| finetuning-setup | Fine-tuning Auswahl der Technik (SFT, DPO, RLVR usw.) und Auswahl des Basismodells | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/finetuning-setup/SKILL.md) | 
| finetuning | Hyperparameter-Konfiguration und Ausführung von Trainingsjobs | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/finetuning/SKILL.md) | 
| model-evaluation | Bewertungsdesign, Benchmark-Auswahl LLM-as-a-judge und Modellvergleich | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/model-evaluation/SKILL.md) | 
| model-deployment | Bereitstellungskonfiguration und Endpunkteinrichtung (SageMaker KI oder Amazon Bedrock) | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/model-deployment/SKILL.md) | 
| hyperpod-ssm | Fernausführung von Befehlen und Dateiübertragung auf HyperPod Clusterknoten über SSM | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/hyperpod-ssm/SKILL.md) | 
| hyperpod-version-checker | Überprüfen und vergleichen Sie die Versionen der Softwarekomponenten auf den HyperPod Clusterknoten | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/hyperpod-version-checker/SKILL.md) | 
| hyperpod-issue-report | Generieren Sie Diagnoseberichte für HyperPod Problembehebungs- und Supportfälle | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/hyperpod-issue-report/SKILL.md) | 

## MCP-Server
<a name="remote-access-install-skills-mcp"></a>

Amazon SageMaker AI Skills erfordert den Amazon SageMaker AI MCP-Server. Fügen Sie den Inhalt der [`.mcp.json`Datei](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/.mcp.json) zur MCP-Konfigurationsdatei Ihrer Plattform hinzu:
+ **Claude Code**: Führen Sie das `claude mcp add --transport stdio aws-mcp -- uvx mcp-proxy-for-aws@latest https://aws-mcp.us-east-1.api.aws/mcp` Programm aus oder fügen Sie es nach Bedarf manuell zum `User/Project/Local` Speicherort hinzu ([Claude Code Docs: Was verwendet Bereiche](https://code.claude.com/docs/en/settings#what-uses-scopes)).
+ **Cursor**: `.cursor/mcp.json`
+ **Kiro:** `.kiro/settings/mcp.json`

## Installiere Skills mit `npx` skills
<a name="remote-access-install-skills-cli"></a>

Sie können die [Skills CLI](https://github.com/vercel-labs/skills) (von Vercel Labs) verwenden, um die Skills auf Ihrer Plattform zu installieren:
+ **Claude Code:**

  ```
  npx skills add https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai/skills --all --agent claude-code --copy
  ```
+ **Mauszeiger**:

  ```
  npx skills add https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai/skills --all --agent cursor --copy
  ```
+ **Kiro:**

  ```
  npx skills add https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai/skills --all --agent kiro-cli --copy
  ```

Wenn Sie andere Agenten konfiguriert haben, verwenden Sie:

```
npx skills add https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai/skills --all --agent 
```