Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Instalación de las habilidades de Amazon SageMaker AI
Este complemento de Amazon SageMaker AI está disponible en la GitHub página de AWSlabs
-
Personalización de modelos: flujos de trabajo End-to-end guiados para ajustar los modelos básicos, desde la definición de casos de uso hasta la preparación de datos, la formación, la evaluación y el despliegue en Amazon SageMaker AI.
-
HyperPod Operaciones de clúster: ejecución remota de comandos en los nodos mediante SSM, verificación de versiones e informes de diagnóstico para los clústeres de HyperPod entrenamiento de Amazon SageMaker AI.
Habilidades de los agentes
El complemento instala las siguientes habilidades:
| Habilidad | Description (Descripción) | Documentación |
|---|---|---|
planning |
Crea un plan dinámico, paso a paso, adaptado a tus intenciones | SKILL.md |
directory-management |
Administra la configuración del directorio de proyectos, la organización de los artefactos y la asociación de planes para proyectos nuevos o existentes | SKILL.md |
use-case-specification |
Proceso conversacional y guiado para definir la personalización del modelo, el caso de uso, los objetivos, las principales partes interesadas y los criterios de éxito | SKILL.md |
dataset-evaluation |
Validación de la calidad del conjunto de datos, detección de formatos y análisis de los requisitos de datos | SKILL.md |
dataset-transformation |
Conversión del formato del conjunto de datos y preparación para los formatos SageMaker AI-compatible de formación | SKILL.md |
finetuning-setup |
Fine-tuning selección de técnicas (SFT, DPO, RLVR, etc.) y selección del modelo base | SKILL.md |
finetuning |
Configuración de hiperparámetros y ejecución de tareas de formación | SKILL.md |
model-evaluation |
Diseño de evaluación, selección de puntos de referencia LLM-as-a-judge y comparación de modelos | SKILL.md |
model-deployment |
Configuración de implementación y configuración de puntos finales (SageMaker AI o Amazon Bedrock) | SKILL.md |
hyperpod-ssm |
Ejecución remota de comandos y transferencia de archivos en los nodos HyperPod del clúster mediante SSM | SKILL.md |
hyperpod-version-checker |
Compruebe y compare las versiones de los componentes de software en los nodos HyperPod del clúster | SKILL.md |
hyperpod-issue-report |
Genere informes de diagnóstico para la HyperPod solución de problemas y los casos de soporte | SKILL.md |
Servidores MCP
Amazon SageMaker AI Skills requiere el servidor Amazon SageMaker AI MCP. Añada el contenido del .mcp.jsonarchivo al archivo
-
Código Claude: Ejecute
claude mcp add --transport stdio aws-mcp -- uvx mcp-proxy-for-aws@latest https://aws-mcp.us-east-1.api.aws/mcpo añada manualmente laUser/Project/Localubicación según sea necesario (Claude Code Docs: Qué usa ámbitos). -
Cursor:
.cursor/mcp.json -
Kiro:
.kiro/settings/mcp.json
Instala Skills con npx skills
Puede usar la CLI de habilidades
-
Código Claude:
npx skills add https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai/skills --all --agent claude-code --copy -
Cursor:
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
Si ha configurado otros agentes, utilice:
npx skills add https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai/skills --all --agent
