К основному содержанию
скилл CX Codex

genai-hub-orchestration — скилл для Claude Code: запуск и настройка

Скилл genai-hub-orchestration для Claude Code настраивает пайплайны сервиса SAP AI Core Orchestration с шаблонами промптов, фильтрацией контента и RAG-заземлением документов. Запросы идут через Harmonized API.

Apache-2.0 188 установок ★ 153 обновлён 2026-10-22

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add SAP/ai-skills-library --skill genai-hub-orchestration -a claude-code
Открыть на GitHub

Что делает genai-hub-orchestration

Скилл настраивает и запускает пайплайны сервиса SAP AI Core Orchestration через Python SDK или вызовы REST API. Он собирает шаблоны сообщений с подстановкой переменных, настраивает фильтрацию контента через Azure Content Filter и подключает заземление на документы. Все поддерживаемые модели приводятся к единому формату сообщений OpenAI через Harmonized API.

Для работы требуются Python 3.11+, пакет uv и библиотека sap-ai-sdk-gen. Библиотека generative-ai-hub-sdk признана устаревшей. Сервис обращается к эндпоинту POST {DEPLOYMENT_URL}/v2/completion с фиксированными значениями scenario_id и executable_id, равными orchestration.

Оркестрация не заработает без предварительно развёрнутого инстанса в SAP AI Core. Для reasoning-моделей вроде Gemini 2.5 Pro или o3 параметр max_completion_tokens нужно задавать не меньше 1024, потому что внутренние токены рассуждения тратят лимит до формирования итогового ответа.

Какие задачи решает

  • настроить шаблоны промптов с переменными в SAP AI Core
  • подключить фильтрацию контента на входе и выходе модели
  • собрать RAG-пайплайн с заземлением на документы
  • отправлять унифицированные запросы к разным LLM через Harmonized API

Примеры запросов агенту

  • Собери пайплайн в SAP AI Core с шаблоном промпта и переменной user_query
  • Настрой вызов gpt-4o-mini через OrchestrationService с фильтрацией контента Azure
  • Покажи curl-запрос к эндпоинту оркестрации /v2/completion с заземлением документов

Как установить genai-hub-orchestration

1Через Skills CLI (Vercel)

npx skills add SAP/ai-skills-library --skill genai-hub-orchestration -a claude-code

2Вручную: положить файлы

~/.claude/skills/genai-hub-orchestration/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/genai-hub-orchestration/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о genai-hub-orchestration

Как установить genai-hub-orchestration в Claude Code?

Выполните команду npx skills add SAP/ai-skills-library --skill genai-hub-orchestration -a claude-code.

Что делает genai-hub-orchestration?

Скилл настраивает пайплайны SAP AI Core Orchestration, собирает шаблоны промптов, подключает фильтры контента и RAG-заземление.

Что нужно для работы genai-hub-orchestration?

Требуются Python 3.11+, менеджер uv, библиотека sap-ai-sdk-gen и активный деплоймент оркестрации в SAP AI Core.

Исходный текст

SKILL.md · Apache-2.0
---
name: genai-hub-orchestration
description: >
  Configure and use the SAP AI Core Orchestration service: build prompt templates, add content
  filtering, set up document grounding (RAG) pipelines, and call models via
  the Harmonized API.
  WHEN: user asks about the orchestration service, Harmonized API, prompt
  templating with variables, content filtering, grounding, RAG pipeline, document
  grounding, or building a pipeline that wraps an LLM.
  DO NOT USE FOR: creating an orchestration deployment — use `aicore-lifecycle-management` for that;
  credential setup — use `aicore-admin-resources`; browsing or deploying foundation models
  directly without a pipeline — use `genai-hub-foundation-models`; direct LLM inference without a pipeline — use `aicore-sdk-java` or `aicore-sdk-js`
compatibility: Requires Python 3.11+, uv, and sap-ai-sdk-gen.
allowed-tools: Bash, Read
---

## Rules

1. Orchestration always requires a **running orchestration deployment** as a prerequisite — invoke `aicore-lifecycle-management` first if one does not exist.
2. The orchestration endpoint is `POST {DEPLOYMENT_URL}/v2/completion` — not `/v1/chat/completions`.
3. Orchestration `scenario_id` and `executable_id` are always `"orchestration"` — these are fixed.
4. The Harmonized API normalizes all models to OpenAI message format — the same client code works for GPT, Gemini, and Bedrock.
5. If credentials are not configured, invoke `aicore-admin-resources` first.
6. `generative-ai-hub-sdk` is deprecated — always use `sap-ai-sdk-gen`. Import namespace `gen_ai_hub` is shared by both.
7. **If the user's request does not explicitly specify an approach, use `AskUserQuestion` to ask whether they prefer the REST API (curl) or the Python SDK before writing or running any code.**

---

## Deployment Prerequisite

Before using the orchestration service, a deployment must be running:

```bash
# Check for an existing orchestration deployment:
uv run skills/aicore-lifecycle-management/scripts/get_deployments.py --scenario orchestration

# If none exists, create a configuration first (reuse if "orchestration" config already exists):
uv run skills/aicore-lifecycle-management/scripts/get_configurations.py --scenario-id orchestration --json | jq '.[] | select(.name == "orchestration")'
uv run skills/aicore-lifecycle-management/scripts/create_configuration.py \
  --name orchestration \
  --scenario-id orchestration \
  --executable-id orchestration

# Then deploy (takes up to 10 minutes):
uv run skills/aicore-lifecycle-management/scripts/create_deployment.py --configuration-id <config-id> --wait --timeout 600
```

---

## Workflow

| Step | Action                                                                              | Key Gate                                      |
| ---- | ----------------------------------------------------------------------------------- | --------------------------------------------- |
| 1    | Verify orchestration deployment is RUNNING                                          | `get_deployments.py --scenario orchestration` |
| 2    | **If approach not stated: ask curl (REST API) or Python SDK** via `AskUserQuestion` | User preference                               |
| 3    | Choose pipeline features (templating only / + filtering / + grounding)              | User intent                                   |
| 4    | Select template from `assets/` or build from scratch                                | See asset map below                           |
| 5    | Run and verify output                                                               | `uv run assets/<template>.py`                 |

---

## Asset Map

| Use case                                     | Template                            |
| -------------------------------------------- | ----------------------------------- |
| Basic chat via orchestration pipeline        | `assets/orchestration_basic.py`     |
| Chat with content filtering (input + output) | `assets/orchestration_filtering.py` |
| RAG with document grounding                  | `assets/rag_grounding.py`           |

---

## Python SDK — Key Patterns

### Basic pipeline

```python
from gen_ai_hub.orchestration.service import OrchestrationService
from gen_ai_hub.orchestration.models.config import OrchestrationConfig
from gen_ai_hub.orchestration.models.llm import LLM
from gen_ai_hub.orchestration.models.template import Template, TemplateValue
from gen_ai_hub.orchestration.models.message import SystemMessage, UserMessage

config = OrchestrationConfig(
    template=Template(messages=[
        SystemMessage("You are a helpful assistant."),
        UserMessage("{{?user_query}}"),
    ]),
    llm=LLM(name="gpt-4o-mini", version="latest"),
)
svc = OrchestrationService(config=config)
result = svc.run(template_values=[TemplateValue("user_query", "Hello")])
print(result.orchestration_result.choices[0].message.content)
```

### Add content filtering

```python
from gen_ai_hub.orchestration.models.content_filtering import (
    ContentFiltering,
    InputFiltering,
    OutputFiltering,
)
from gen_ai_hub.orchestration.models.azure_content_filter import AzureContentFilter

filtering = ContentFiltering(
    input_filtering=InputFiltering(filters=[AzureContentFilter(hate=2, violence=2, sexual=2, self_harm=2)]),
    output_filtering=OutputFiltering(filters=[AzureContentFilter(hate=2, violence=2, sexual=2, self_harm=2)]),
)
config = OrchestrationConfig(template=..., llm=..., filtering=filtering)
```

---

## REST API (curl)

```bash
export TOKEN=$(uv run skills/aicore-admin-resources/scripts/get_token.py)
export DEPLOYMENT_URL=$(uv run skills/aicore-lifecycle-management/scripts/get_deployments.py \
  --scenario orchestration --json 2>/dev/null | jq -r '.[0].deployment_url')
export RESOURCE_GROUP=$(uv run skills/aicore-admin-resources/scripts/check_setup.py 2>/dev/null | jq -r '.resource_group')

curl --request POST "${DEPLOYMENT_URL}/v2/completion" \
  --header "Authorization: Bearer ${TOKEN}" \
  --header "AI-Resource-Group: ${RESOURCE_GROUP}" \
  --header "content-type: application/json" \
  --data-raw '{
    "config": {
      "modules": {
        "prompt_templating": {
          "prompt": {
            "template": [
              {"role": "system", "content": "You are a helpful assistant."},
              {"role": "user",   "content": "{{?user_query}}"}
            ]
          },
          "model": {
            "name": "gpt-4o-mini",
            "params": {"max_completion_tokens": 512}
          }
        }
      }
    },
    "placeholder_values": {"user_query": "What is SAP AI Core?"},
    "messages_history": []
  }'
```

Extract the answer with: `jq '.final_result.choices[0].message.content'`

> **Reasoning models** (Gemini 2.5 Pro, o3): set `max_completion_tokens` to at least **1024** — reasoning tokens consume the budget before the visible response.

---

## Handoffs

- **No orchestration deployment running?** → invoke `aicore-lifecycle-management`
- **Credential/auth error?** → invoke `aicore-admin-resources`
- **Need to find a model name?** → invoke `genai-hub-foundation-models`
- **Want full Java SDK boilerplate (non-orchestration)?** → invoke `aicore-sdk-java`
- **Want full JS SDK boilerplate (non-orchestration)?** → invoke `aicore-sdk-js`

---

## When to Load Reference Files

| Trigger                                                  | Load                          |
| -------------------------------------------------------- | ----------------------------- |
| REST API details, request/response shape, Harmonized API | `references/ORCHESTRATION.md` |
| Document grounding setup, GroundingModule config, RAG    | `references/GROUNDING.md`     |

© SAP · Apache-2.0 · SAP/ai-skills-library

Похожие скиллы

Все скиллы по теме «ИИ и ML» →
sap-cloud-sdk-ai-python secondsky Скилл sap-cloud-sdk-ai-python подключает пакет sap-ai-sdk-gen к проектам на Python. Помогает обращаться к языковым моделям через SAP AI Core и настраивать оркестрацию запросов. CX Codex +1 727установок sap-ai-core secondsky Скилл sap-ai-core помогает подключать большие языковые модели и выстраивать машинное обучение на SAP BTP. Пригодится при настройке оркестрации, RAG и защитных фильтров. CX Codex +1 914установок langchain-orchestration manutej Скилл langchain-orchestration для Claude Code и других агентов — справочник по цепочкам, агентам, памяти, RAG и оркестрации. Помогает придерживаться рабочих паттернов при написании кода на LangChain. CX Codex +1 453установок multi-agent-orchestration qodex-ai Скилл multi-agent-orchestration помогает проектировать совместную работу нескольких ИИ-агентов, распределять задачи между ними и объединять результаты. Пригодится при настройке сложных цепочек с разделением ролей. CX Codex +1 2 200установок agent-orchestration-planner patricio0312rev Скилл agent-orchestration-planner для проектирования многошаговых агентов: цикл с инструментами, повторные попытки, память и лимит расходов в виде готовых схем на Python. CX Codex +1 288установок dt-obs-genai Dynatrace Скилл dt-obs-genai для Claude Code анализирует телеметрию LLM-приложений через Dynatrace DQL. Отслеживает ошибки моделей, расход токенов и сбои вызовов инструментов агентов. CX Codex +1 1 700установок

Из того же набора9

sap-fiori-guidelines Скилл sap-fiori-guidelines подкладывает агенту официальные правила дизайн-системы SAP Fiori: кнопки, формы, таблицы, страницы, цвета, доступность и паттерны Joule. CX Codex +1 1 500установок genai-hub-foundation-models Скилл genai-hub-foundation-models для Claude Code показывает модели SAP AI Core GenAI Hub и их параметры. Запускается, когда нужно найти имя модели или executable ID для развёртывания. CX Codex +1 256установок aicore-admin-resources Скилл aicore-admin-resources для Claude Code проверяет подключение к SAP AI Core и управляет группами ресурсов. Включается при начальной настройке доступов или сбоях аутентификации. CX Codex +1 255установок genai-hub-tabular-orchestration Скилл genai-hub-tabular-orchestration для Claude Code управляет реестром контекста SAP AI Core Context Registry. Регистрирует подключения HDL, табличные файлы CSV или Parquet и запускает предсказания через sap-rpt. CX Codex +1 254установок aicore-lifecycle-management Скилл aicore-lifecycle-management для Claude Code управляет жизненным циклом ресурсов в SAP AI Core. Запускает сценарии, создаёт конфигурации, развёртывает модели и читает логи инференса. CX Codex +1 251установок aicore-sdk-js Скилл aicore-sdk-js для Claude Code генерирует рабочий TypeScript и JavaScript код для интеграции с SAP GenAI Hub. Включается при запросах на вызовы моделей через пакеты @sap-ai-sdk. CX Codex +1 192установок genai-hub-prompt-evaluation Скилл genai-hub-prompt-evaluation для Claude Code и других платформ оценивает генеративные модели и промпты на SAP AI Core. Запускается при обращении к бенчмаркам LLM, метрикам и конфигурациям оркестрации. CX Codex +1 185установок aicore-sdk-java Скилл aicore-sdk-java для Claude Code генерирует код на Java и Kotlin под SAP GenAI Hub через SAP AI SDK. Задействуется при запросе на интеграцию AI Core в проект на Java или Spring Boot. CX Codex +1 180установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой