alexaiarchitect/agentcore-skills

Met le socle infrastructure Amazon Bedrock AgentCore derrière un contrôle CI en lecture seule. Génère un workflow GitHub Actions qui, sur les pull requests touchant l'infrastructure, exécute la revue statique AgentCore (ACR0xx), terraform fmt -check, init, validate, un plan sauvegardé (Terraform ou Terragrunt) avec un rôle OIDC en lecture seule, show -json, et la politique de plan (CI0xx : pas de suppression ou remplacement de mémoires, passerelles, fournisseurs d'identifiants, identités de charge de travail, pools d'utilisateurs ou tables sans autorisation explicite par adresse ; pas de * sur * ; pas de passerelle avec authorizer_type = NONE ; révisions MCP épinglées), puis télécharge le JSON du plan. Rien n'est appliqué. La bibliothèque standard du plugin est intégrée dans ci/agentcore/ pour que le job n'ait besoin de rien provenant du plugin, et les épingles d'action sont réutilisées à partir des workflows SHA-épinglés du dépôt. policy_check.py s'exécute aussi localement sur n'importe quel plan sauvegardé.

Qu'est-ce que agentcore-skills ?

Cette compétence AgentCore de plan-only CI avec portes de politique empêche les erreurs coûteuses d'Amazon Bedrock AgentCore en les détectant dès la phase de planification des pull requests. Elle génère un workflow GitHub Actions qui exécute terraform fmt -check, init, validate, un plan (Terraform ou Terragrunt) avec un rôle OIDC en lecture seule, show -json, et une politique de plan (CI0xx) interdisant les suppressions/remplacements non autorisés de ressources critiques (mémoires, passerelles, fournisseurs d'identifiants, etc.), les politiques IAM trop permissives (* sur *), les passerelles sans authentification (authorizer_type = NONE), et exigeant des révisions MCP épinglées. Rien n'est appliqué, laissant le plan à l'humain. La bibliothèque de politique est intégrée (vendored) dans ci/agentcore/ pour éviter toute dépendance externe, et les actions GitHub sont épinglées aux SHA du dépôt pour la sécurité. L'outil policy_check.py peut également être exécuté localement sur un plan existant pour valider les règles avant validation.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/alexaiarchitect/agentcore-skills/tree/HEAD/skills/agentcore-ci

Installed? Explore more Productivité et collaboration skills: steipete/gemini, steipete/gh-issues, steipete/skill-creator · View all 6 →

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

CI en lecture seule avec portes de politique

Les erreurs coûteuses d'AgentCore sont visibles dans un plan : une mémoire qui serait remplacée (toutes les conversations perdues), une passerelle qui serait remplacée (une nouvelle URL pour chaque client), un rôle qui accorde tout. Une pull request est l'endroit le moins cher pour les arrêter, et un plan est le bon artefact à vérifier — c'est ce qui se passerait réellement.

${CLAUDE_SKILL_DIR} est défini par l'environnement d'exécution de la compétence comme le répertoire de cette compétence. Utilisez-le textuellement dans chaque commande ci-dessous ; les scripts d'une compétence sœur sont dans ${CLAUDE_SKILL_DIR}/../<skill>/scripts/.

Flux

  1. Planifiez le workflow, en lecture seule :

    python3 ${CLAUDE_SKILL_DIR}/scripts/gen_ci.py <projet> --dry-run
    

    --tf-root pour la pile à planifier (par défaut : la racine qui atteint les ressources AgentCore), --role-var pour la variable GitHub contenant le rôle de planification (par défaut AWS_PLAN_ROLE_ARN), --region, --terraform.

  2. Signalez la racine, Terraform ou Terragrunt, les épingles trouvées (ou CI010 si les valeurs de repli sont utilisées), et la note de rôle (CI011).

  3. Options : écrire le workflow et le vérificateur intégré (gratuit) ; exécuter la politique sur un plan sauvegardé existant (gratuit). Confirmez avec AskUserQuestion, puis écrivez.

  4. Essayez la porte localement sur un plan que l'utilisateur a produit :

    python3 ${CLAUDE_SKILL_DIR}/scripts/policy_check.py agentcore.plan.json
    

    --allow-replace <adresse> uniquement pour un remplacement qu'un humain a examiné.

  5. Vérifiez que l'exécuteur intégré fonctionne depuis la racine du dépôt : python3 ci/agentcore/run.py review ..

La bande CI0xx

IdSévéritéDéclencheur
CI001erreurle plan supprime ou remplace une mémoire, passerelle, fournisseur d'identifiants, identité de charge de travail, pool d'utilisateurs Cognito ou table DynamoDB
CI002erreurune politique IAM planifiée autorise * sur *
CI003erreurune passerelle planifiée avec authorizer_type = "NONE"
CI004avertissementune passerelle planifiée sans supported_versions
CI005informationle plan n'a pas de modifications
CI006informationles ressources AgentCore que le plan crée (la surface de facturation)
CI010informationaucune action SHA-épinglée dans le dépôt ; épingles de repli utilisées
CI011informationle rôle du job de planification doit être en lecture seule

Règles de décision

  • CI planifie ; les humains appliquent. Le workflow n'a pas de job d'application, et le rôle de planification ne devrait pas pouvoir écrire.
  • Les autorisations sont par adresse. --allow-replace nomme une ressource ; il n'y a pas de "tout autoriser".
  • Épinglez les actions aux SHA. Réutilisez les épingles du dépôt ; les valeurs de repli sont celles que le dépôt du premier utilisateur transportait le 2026-10-05, étiquetées avec des tags.
  • Intégré, pas installé. ci/agentcore/ est du Python 3.10+ pur ; mettre à jour le plugin signifie réexécuter gen_ci.py --force et examiner le diff.

Références

QuestionFichier
Le workflow, étape par étape ; rôles ; Terragruntplan-only-ci.md
Chaque règle de politique, pourquoi, et comment autoriser une exception examinéepolicy-gates.md

Scripts

CommandeFaitCodes de sortie
scripts/gen_ci.py <projet> [--tf-root D] [--role-var V] [--dry-run] [--force] [--json]le workflow plus ci/agentcore/0 écrit/planifié, 1 rien, 2 mauvais arguments
scripts/policy_check.py <plan.json> [--allow-replace ADDR ...] [--json]la porte CI0xx sur un plan sauvegardé0 réussi, 1 erreur de politique, 2 pas un plan

Liste de vérification d'achèvement

  • Le workflow a été présenté comme un plan d'écriture et confirmé avant d'écrire.
  • Il n'a pas d'étape d'application, et le rôle de planification a été décrit comme en lecture seule.
  • policy_check.py a été exécuté sur un plan réel, ou l'utilisateur a été informé de la marche à suivre.
  • L'exécuteur intégré a été testé depuis la racine du dépôt.

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

alexaiarchitect/agentcore-skills

>- Estimate what Amazon Bedrock AgentCore will cost per month from a usage profile, line by line with the formula for each line, and put a budget and a usage alarm around it. Prices the published AgentCore rate card (Gateway invocations, search and tool indexing; Identity token requests, free through Runtime or Gateway; Runtime vCPU-hours billed only while active and GB-hours; Memory short-term events — per 1,000 events until 2026-10-05, per GB from 2026-10-06 — and long-term records and retrievals; Evaluations tokens), prices model tokens only at the user's own per-1,000 rates, and lists what it does not price (Lambda, API Gateway, CloudWatch, X-Ray, DynamoDB) so the total is never mistaken for the bill. Generates an AWS Budget filtered to AgentCore with forecast and actual alerts, plus a CloudWatch alarm on gateway invocations, as Terraform after a dry run. Findings are the `CST0xx` band. Use when asked "what will AgentCore cost", "estimate the gateway bill", "is there a free tier", "memory pricing chang...

alexaiarchitect/agentcore-skills

>- Scaffold Amazon Bedrock AgentCore resources as infrastructure as code: a Runtime (ECR repository, service role, `aws_bedrockagentcore_agent_runtime` with a JWT authorizer and lifecycle settings), a Gateway (role, JWT authorizer, pinned MCP revisions, one target), Identity (Cognito M2M client plus an OAuth2 credential provider with write-only secrets) or Memory (memory, strategies, customer-managed key). Terraform modules are the default and the recommendation; a TypeScript CDK stack with the `aws-bedrockagentcore` L1 constructs and the AgentCore CLI (`@aws/agentcore`) commands are offered for teams already on them. Every write is shown as a plan first (`--dry-run`), existing files are never overwritten without `--force`, and nothing is planned or applied. Use when asked to "create an AgentCore runtime", "scaffold a gateway", "add AgentCore memory", "write the Terraform for AgentCore", "start a new AgentCore stack", or "give me the CDK for this". Don't use for a gateway in front of an existing Lambda, HT...

alexaiarchitect/agentcore-skills

>- Plan the deployment of Amazon Bedrock AgentCore infrastructure and its rollback, and hand the user the exact commands — never running them. Finds the root module (or Terragrunt stack) that actually reaches the AgentCore resources, orders what comes up (identity and roles, then gateway, runtime and memory, then targets and strategies, then log delivery), flags where a first apply trips (IAM propagation, creation-only semantic search, Transaction Search before TRACES delivery, an old provider lock, no remote backend), checks published quotas (targets per gateway, tools per target), and emits init / validate / plan-to-file / show -json / policy check / apply of that saved plan, the post-apply checks, and the rollback for each kind of change. Findings are the `DPL0xx` band; the cost tier is `aws` because the commands create billable resources. Use when asked to "deploy the gateway", "apply this", "what order do I apply in", "how do I roll back", "will this hit a quota", "give me the terraform commands". Don...

alexaiarchitect/agentcore-skills

>- Inventory a project for Amazon Bedrock AgentCore work and report before advising. Finds existing AgentCore resources and which tool owns them (Terraform `aws_bedrockagentcore_*`/`awscc_*`, CDK constructs, the AgentCore CLI's `agentcore.json`, the deprecated starter toolkit's `.bedrock_agentcore.yaml`, boto3 `bedrock-agentcore` clients, the AgentCore Python SDK and `@requires_access_token`), the agent framework (Strands, LangGraph, LangChain, Claude Agent SDK, CrewAI, OpenAI Agents, ADK, raw), MCP servers and the API Gateway routes and Lambdas behind `/mcp`, Cognito pools, clients and JWT authorizers, the AWS region and per-service availability there, the hashicorp/aws constraint and lock, Terragrunt, and Lambda tracing. Read-only; findings are the `DSC0xx` band. Use when asked "what do I have", "is this on AgentCore", "inventory this repo", "which region are we in", "is AgentCore available in eu-central-1", "what framework is this agent", or before any other AgentCore skill on an unfamiliar project. Don...

Skills associés