Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

# Installation des compétences Amazon SageMaker AI
<a name="remote-access-install-skills"></a>

Ce plugin Amazon SageMaker AI est disponible sur la [ GitHub page AWSLabs](https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai) et apporte une AWS AI/ML expertise approfondie directement à votre assistant de codage, couvrant ainsi le domaine d'[Amazon SageMaker AI](https://aws.amazon.com/sagemaker/ai/) ; actuellement, des compétences sont fournies pour vous aider dans les domaines de capacités suivants :
+ **Personnalisation des modèles** : flux de travail End-to-end guidés pour affiner les modèles de base, de la définition des cas d'utilisation à la préparation des données, à la formation, à l'évaluation et au déploiement sur Amazon SageMaker AI.
+ **HyperPod Opérations de cluster** : exécution de commandes à distance sur les nœuds via SSM, vérification de version et rapports de diagnostic pour les clusters de HyperPod formation Amazon SageMaker AI.

## Compétences des agents
<a name="remote-access-install-skills-list"></a>

Les compétences suivantes sont installées par le plugin :


**Compétences des agents Amazon SageMaker AI**  

| Compétence | Description | Documentation | 
| --- | --- | --- | 
| planning | Élabore un plan dynamique, étape par étape, adapté à vos besoins | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/planning/SKILL.md) | 
| directory-management | Gère la configuration du répertoire de projets, l'organisation des artefacts et l'association des plans pour les projets nouveaux ou existants | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/directory-management/SKILL.md) | 
| use-case-specification | Processus conversationnel guidé pour définir la personnalisation de votre modèle, vos objectifs d'utilisation, les principales parties prenantes et les critères de réussite | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/use-case-specification/SKILL.md) | 
| dataset-evaluation | Validation de la qualité des ensembles de données, détection des formats et analyse des exigences en matière de données | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/dataset-evaluation/SKILL.md) | 
| dataset-transformation | Conversion de formats de jeux de données et préparation aux formats SageMaker AI-compatible de formation | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/dataset-transformation/SKILL.md) | 
| finetuning-setup | Fine-tuning sélection des techniques (SFT, DPO, RLVR, etc.) et sélection du modèle de base | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/finetuning-setup/SKILL.md) | 
| finetuning | Configuration des hyperparamètres et exécution des tâches de formation | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/finetuning/SKILL.md) | 
| model-evaluation | Conception de l'évaluation, LLM-as-a-judge sélection des points de référence et comparaison des modèles | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/model-evaluation/SKILL.md) | 
| model-deployment | Configuration du déploiement et configuration des terminaux (SageMaker AI ou Amazon Bedrock) | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/model-deployment/SKILL.md) | 
| hyperpod-ssm | Exécution de commandes à distance et transfert de fichiers sur les nœuds HyperPod du cluster via SSM | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/hyperpod-ssm/SKILL.md) | 
| hyperpod-version-checker | Vérifiez et comparez les versions des composants logiciels sur les nœuds HyperPod du cluster | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/hyperpod-version-checker/SKILL.md) | 
| hyperpod-issue-report | Générez des rapports de diagnostic pour les cas de HyperPod dépannage et d'assistance | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/hyperpod-issue-report/SKILL.md) | 

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

Amazon SageMaker AI Skills nécessite le serveur Amazon SageMaker AI MCP. Ajoutez le contenu du [`.mcp.json`fichier au fichier](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/.mcp.json) de configuration MCP de votre plateforme :
+ **Claude Code** : Exécutez `claude mcp add --transport stdio aws-mcp -- uvx mcp-proxy-for-aws@latest https://aws-mcp.us-east-1.api.aws/mcp` ou ajoutez manuellement à l'`User/Project/Local`emplacement selon les besoins ([Claude Code Docs : What uses scopes).](https://code.claude.com/docs/en/settings#what-uses-scopes)
+ **Curseur** : `.cursor/mcp.json`
+ **Kiro :** `.kiro/settings/mcp.json`

## Installer des compétences avec des compétences `npx`
<a name="remote-access-install-skills-cli"></a>

Vous pouvez utiliser la [CLI Skills](https://github.com/vercel-labs/skills) (de Vercel Labs) pour installer les compétences sur votre plateforme :
+ **Claude Code** :

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

  ```
  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 vous avez configuré d'autres agents, utilisez :

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