Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Installazione delle competenze di Amazon SageMaker AI
<a name="remote-access-install-skills"></a>

Questo plug-in Amazon SageMaker AI è disponibile nella GitHub pagina [ AWSlabs ](https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai) e offre AWS AI/ML competenze approfondite direttamente al tuo assistente di codifica, coprendo la superficie di [ Amazon SageMaker AI](https://aws.amazon.com/sagemaker/ai/); attualmente, vengono fornite competenze per aiutarti nelle seguenti aree di funzionalità:
+ **Personalizzazione del modello**: flussi di lavoro End-to-end guidati per l'ottimizzazione dei modelli di base, dalla definizione dei casi d'uso alla preparazione dei dati, alla formazione, alla valutazione e all'implementazione su Amazon AI. SageMaker 
+ **HyperPod Operazioni sui cluster**: esecuzione remota di comandi sui nodi tramite SSM, controllo delle versioni e report diagnostici per i cluster di formazione Amazon AI. SageMaker HyperPod 

## Competenze degli agenti
<a name="remote-access-install-skills-list"></a>

Le seguenti competenze vengono installate dal plugin:


**Competenze relative agli agenti Amazon SageMaker AI**  

| Abilità | Description | Documentazione | 
| --- | --- | --- | 
| planning | Crea un piano dinamico e dettagliato su misura per i tuoi intenti | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/planning/SKILL.md) | 
| directory-management | Gestisce la configurazione della directory di progetto, l'organizzazione degli artefatti e l'associazione dei piani per progetti nuovi o esistenti | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/directory-management/SKILL.md) | 
| use-case-specification | Processo conversazionale guidato per definire la personalizzazione del modello, i casi d'uso, gli obiettivi, le principali parti interessate e i criteri di successo | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/use-case-specification/SKILL.md) | 
| dataset-evaluation | Convalida della qualità dei set di dati, rilevamento dei formati e analisi dei requisiti dei dati | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/dataset-evaluation/SKILL.md) | 
| dataset-transformation | Conversione del formato del set di dati e preparazione per i formati di formazione SageMaker AI-compatible  | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/dataset-transformation/SKILL.md) | 
| finetuning-setup | Fine-tuning selezione della tecnica (SFT, DPO, RLVR, ecc.) e selezione del modello base | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/finetuning-setup/SKILL.md) | 
| finetuning | Configurazione degli iperparametri ed esecuzione del lavoro di formazione | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/finetuning/SKILL.md) | 
| model-evaluation | Progettazione della valutazione, selezione dei benchmark e confronto dei modelli LLM-as-a-judge | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/model-evaluation/SKILL.md) | 
| model-deployment | Configurazione dell'implementazione e configurazione degli endpoint (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 | Esecuzione di comandi remoti e trasferimento di file sui HyperPod nodi del cluster tramite SSM | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/hyperpod-ssm/SKILL.md) | 
| hyperpod-version-checker | Verifica e confronta le versioni dei componenti software tra i HyperPod nodi del cluster | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/hyperpod-version-checker/SKILL.md) | 
| hyperpod-issue-report | Genera report diagnostici per la HyperPod risoluzione dei problemi e i casi di supporto | [SKILL.md](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/skills/hyperpod-issue-report/SKILL.md) | 

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

Amazon SageMaker AI Skills richiede il server Amazon SageMaker AI MCP. Aggiungi il contenuto del [`.mcp.json` file ](https://github.com/awslabs/agent-plugins/blob/main/plugins/sagemaker-ai/.mcp.json) al file di configurazione MCP della tua piattaforma:
+ **Codice Claude**: esegui `claude mcp add --transport stdio aws-mcp -- uvx mcp-proxy-for-aws@latest https://aws-mcp.us-east-1.api.aws/mcp` o aggiungi manualmente alla `User/Project/Local` posizione secondo necessità ([Claude Code Docs: What uses scopes). ](https://code.claude.com/docs/en/settings#what-uses-scopes)
+ **Cursore: ** `.cursor/mcp.json`
+ **Kiro: ** `.kiro/settings/mcp.json`

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

Puoi utilizzare la [ Skills CLI ](https://github.com/vercel-labs/skills) (di Vercel Labs) per installare le competenze nella tua piattaforma:
+ **Codice Claude: **

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

  ```
  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
  ```

Se hai configurato altri agenti, usa:

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