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
<a name="remote-access-install-skills"></a>

Este complemento de Amazon SageMaker AI está disponible en la [ GitHub página de AWSlabs](https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai) y aporta una AWS AI/ML amplia experiencia directamente a su asistente de codificación, que cubre el área superficial de [Amazon SageMaker AI](https://aws.amazon.com/sagemaker/ai/); actualmente, se proporcionan habilidades para ayudarlo en las siguientes áreas de capacidad:
+ **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
<a name="remote-access-install-skills-list"></a>

El complemento instala las siguientes habilidades:


**Habilidades de agente de Amazon SageMaker AI**  

| Habilidad | Description (Descripción) | Documentación | 
| --- | --- | --- | 
| planning | Crea un plan dinámico, paso a paso, adaptado a tus intenciones | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/planning/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](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/directory-management/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](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/use-case-specification/SKILL.md) | 
| dataset-evaluation | Validación de la calidad del conjunto de datos, detección de formatos y análisis de los requisitos de datos | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/dataset-evaluation/SKILL.md) | 
| dataset-transformation | Conversión del formato del conjunto de datos y preparación para los formatos SageMaker AI-compatible de formación | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/dataset-transformation/SKILL.md) | 
| finetuning-setup | Fine-tuning selección de técnicas (SFT, DPO, RLVR, etc.) y selección del modelo base | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/finetuning-setup/SKILL.md) | 
| finetuning | Configuración de hiperparámetros y ejecución de tareas de formación | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/finetuning/SKILL.md) | 
| model-evaluation | Diseño de evaluación, selección de puntos de referencia LLM-as-a-judge y comparación de modelos | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/model-evaluation/SKILL.md) | 
| model-deployment | Configuración de implementación y configuración de puntos finales (SageMaker AI o Amazon Bedrock) | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/model-deployment/SKILL.md) | 
| hyperpod-ssm | Ejecución remota de comandos y transferencia de archivos en los nodos HyperPod del clúster mediante SSM | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/hyperpod-ssm/SKILL.md) | 
| hyperpod-version-checker | Compruebe y compare las versiones de los componentes de software en los nodos HyperPod del clúster | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/hyperpod-version-checker/SKILL.md) | 
| hyperpod-issue-report | Genere informes de diagnóstico para la HyperPod solución de problemas y los casos de soporte | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/hyperpod-issue-report/SKILL.md) | 

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

Amazon SageMaker AI Skills requiere el servidor Amazon SageMaker AI MCP. Añada el contenido del [`.mcp.json`archivo al archivo](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/.mcp.json) de configuración MCP de su plataforma:
+ **Código Claude**: Ejecute `claude mcp add --transport stdio aws-mcp -- uvx mcp-proxy-for-aws@latest https://aws-mcp.us-east-1.api.aws/mcp` o añada manualmente la `User/Project/Local` ubicación según sea necesario ([Claude Code Docs: Qué usa ámbitos](https://code.claude.com/docs/en/settings#what-uses-scopes)).
+ **Cursor**: `.cursor/mcp.json`
+ **Kiro**: `.kiro/settings/mcp.json`

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

Puede usar la [CLI de habilidades](https://github.com/vercel-labs/skills) (de Vercel Labs) para instalar las habilidades en su plataforma:
+ **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 
```