$ loading_
帮助你将 Azure API 管理配置为 AI 网关，统一治理模型、工具与代理访问。
该技能材料表现为面向 Azure APIM/AI Gateway 的说明型 prompt-only 技能，本身未声明密钥、远程端点或本地执行能力。结合其微软 GitHub 开源来源与一定社区采用度，整体风险较低，主要仅需注意文档中涉及的下游 Azure 订阅密钥与配置操作属于敏感运维内容。
材料与元数据均表明该技能本身不要求密钥或环境变量；README 仅展示如何获取 APIM subscription key 与配置托管身份，说明下游 Azure 资源会涉及敏感凭证，但技能本身未声明收集、存储或外传这些凭证。
未声明任何远程端点，且系统检查项为 prompt-only；文档中提到的 Azure APIM、Azure OpenAI 与测试用 curl 属于用户后续操作示例，而非该技能自身固定的数据外发行为。
从提供材料看，该技能主要提供配置指导与命令示例，不具备自行在本机启动进程、执行脚本或调用系统能力的事实依据；README 中的 az/curl 命令是文档示例，不代表技能自动执行。
未见其声明可读写本地文件、数据库或其他用户数据资源；其内容聚焦于 Azure 网关配置流程与策略说明，不显示存在超出说明范围的数据访问权限。
来源为微软相关 GitHub 开源仓库，具备可审计性，且有 222 star 的一定社区采用度，这些都是降低风险的正面证据。许可证未声明、维护状态未知带来少量不确定性，但不足以单独升高到高风险。
复制安装指令，让 AI 自动完成配置 · 推荐新手
请帮我安装 askskill 上的 "azure-aigateway" 技能： 1. 下载 https://raw.githubusercontent.com/microsoft/GitHub-Copilot-for-Azure/main/plugin/skills/azure-aigateway/SKILL.md 2. 保存为 ~/.claude/skills/azure-aigateway/SKILL.md 3. 装好后重载技能，告诉我可以用了
请指导我把 Azure API Management 配置为 AI Gateway，用于 Azure OpenAI。需要包含语义缓存、令牌限制、内容安全、负载均衡和成本控制策略，并给出实施步骤。
一套分步骤配置方案，包含关键策略、网关设置要点和落地建议。
我有一个现有 API 的 OpenAPI 规范，请说明如何把它导入 Azure AI Gateway，并转换为可供代理调用的 MCP 工具，同时补充速率限制与安全治理配置。
导入与转换流程说明，包含 MCP 化步骤、策略示例和安全控制建议。
请帮我设计 Azure AI Gateway 的测试方案，验证越狱检测、令牌度量、后端切换、模型治理和内容安全是否生效，并说明应观察哪些指标。
一份测试清单与验证方法，附带关键监控指标和结果判定标准。
Configure Azure API Management (APIM) as an AI Gateway for governing AI models, MCP tools, and agents.
To deploy APIM, use the azure-prepare skill. See APIM deployment guide.
| Category | Triggers |
|---|---|
| Model Governance | "semantic caching", "token limits", "load balance AI", "track token usage" |
| Tool Governance | "rate limit MCP", "protect my tools", "configure my tool", "convert API to MCP" |
| Agent Governance | "content safety", "jailbreak detection", "filter harmful content" |
| Configuration | "add Azure OpenAI backend", "configure my model", "add AI Foundry model" |
| Testing | "test AI gateway", "call OpenAI through gateway" |
| Policy | Purpose | Details |
|---|---|---|
azure-openai-token-limit | Cost control | Model Policies |
azure-openai-semantic-cache-lookup/store | 60-80% cost savings | Model Policies |
azure-openai-emit-token-metric | Observability | Model Policies |
llm-content-safety | Safety & compliance | Agent Policies |
rate-limit-by-key | MCP/tool protection | Tool Policies |
# Get gateway URL
az apim show --name <apim-name> --resource-group <rg> --query "gatewayUrl" -o tsv
# List backends (AI models)
az apim backend list --service-name <apim-name> --resource-group <rg> \
--query "[].{id:name, url:url}" -o table
# Get subscription key
az apim subscription keys list \
--service-name <apim-name> --resource-group <rg> --subscription-id <sub-id>
GATEWAY_URL=$(az apim show --name <apim-name> --resource-group <rg> --query "gatewayUrl" -o tsv)
curl -X POST "${GATEWAY_URL}/openai/deployments/<deployment>/chat/completions?api-version=2024-02-01" \
-H "Content-Type: application/json" \
-H "Ocp-Apim-Subscription-Key: <key>" \
-d '{"messages": [{"role": "user", "content": "Hello"}], "max_tokens": 100}'
See references/patterns.md for full steps.
# Discover AI resources
az cognitiveservices account list --query "[?kind=='OpenAI']" -o table
# Create backend
az apim backend create --service-name <apim> --resource-group <rg> \
--backend-id openai-backend --protocol http --url "https://<aoai>.openai.azure.com/openai"
# Grant access (managed identity)
az role assignment create --assignee <apim-principal-id> \
--role "Cognitive Services User" --scope <aoai-resource-id>
Recommended policy order in <inbound>:
See references/policies.md for complete example.
| Issue | Solution |
|---|---|
| Token limit 429 | Increase tokens-per-minute or add load balancing |
| No cache hits | Lower score-threshold to 0.7 |
| Content false positives | Increase category thresholds (5-6) |
| Backend auth 401 | Grant APIM "Cognitive Services User" role |
See references/troubleshooting.md for details.
…
评估 AKS 集群与工作负载对 Automatic 的兼容性并提供迁移修复建议
分析并精简 Markdown 内容，降低 token 消耗并提升 AI 处理效率。
帮助你编写、审查并规范符合 agentskills.io 规范的技能文档
帮助你跨区域与项目查询 Azure OpenAI 容量配额并推荐最佳部署位置
帮助你编写、校验并运行基于 eval.yaml 的智能体评测套件
使用 KQL 查询和分析 Azure Data Explorer 中的日志、遥测与时序数据。
帮助开发者探索 AI 模型、MCP 服务与智能代理实验集成流程
为智能体提供安全的工具执行网关，统一接入 OpenAPI 并强化鉴权与审计。
为 AI 代理提供合规策略与安全护栏，确保在法规边界内执行任务。
帮助 AI 代理安全发现、授权并执行企业 MCP 工具
为各类 MCP 与 API 提供统一网关、发现、治理与调用优化能力
将 Azure ML 在线端点封装为 MCP 工具，供智能体用自然语言调用模型。