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

Dieses Amazon SageMaker AI-Plugin ist auf der [ GitHub AWSLabs-Seite verfügbar ](https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai) und bringt tiefgreifendes AWS AI/ML Fachwissen direkt in Ihren Programmierassistenten ein. Es deckt den gesamten Bereich von [ Amazon SageMaker ](https://aws.amazon.com/sagemaker/ai/) AI ab. Derzeit werden Fähigkeiten zur Unterstützung in den folgenden Leistungsbereichen bereitgestellt:
+ **Modellanpassung ** — End-to-end geführte Workflows zur Feinabstimmung der Basismodelle, von der Definition des Anwendungsfalls über die Datenaufbereitung, Schulung, Bewertung und Bereitstellung auf Amazon AI. SageMaker 
+ **HyperPod Cluster-Betrieb ** — Fernbefehlsausführung 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 vom 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 der Artefakte 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 Ihrer Modellanpassung, der Anwendungsfälle, 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 | Überprüfung der Datenqualität, 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 des Trainingsauftrags | [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 Einrichtung der Endpunkte (SageMaker AI oder Amazon Bedrock) | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/model-deployment/SKILL.md) | 
| hyperpod-ssm | Befehlsausführung und Dateiübertragung per SSM aus der Ferne auf HyperPod Clusterknoten | [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 allen 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**: Nach Bedarf ausführen `claude mcp add --transport stdio aws-mcp -- uvx mcp-proxy-for-aws@latest https://aws-mcp.us-east-1.api.aws/mcp` oder manuell zum `User/Project/Local` Speicherort hinzufügen ([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
  ```
+ **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
  ```

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 
```