# sagemaker-mlflow

Скилл sagemaker-mlflow подключает агента к SageMaker Managed MLflow по ARN ресурса (mlflow-app или mlflow-tracking-server), после чего передаёт управление другим MLflow-скиллам через MLFLOW_TRACKING_URI.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 394 установки · ★ 91 у репозитория
- Автор: mlflow
- Лицензия: Apache-2.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/mlflow/skills/tree/HEAD/sagemaker-mlflow/SKILL.md
- Обновлён: 2026-10-23
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/sagemaker-mlflow

## Что делает

Скилл проверяет три обязательных условия: Python не ниже 3.10, AWS-credentials (переменные окружения, `aws configure` или IAM-роль) и плагин `sagemaker-mlflow`, без которого вызов `mlflow.set_tracking_uri()` с ARN завершается ошибкой `UnsupportedModelRegistryStoreURIException`. Если ARN не задан, скрипт `discover_arns.py` находит доступные ресурсы в текущем регионе; ARN из другого региона не пройдёт аутентификацию.

После экспорта ARN в `MLFLOW_TRACKING_URI` и региона в `AWS_DEFAULT_REGION` запускается проверка `verify_connection.py`, которая тестирует все три компонента и останавливается на первой ошибке с подсказкой. Скилл не устанавливает зависимости и не настраивает credentials сам — это делает пользователь.

Ошибка `AccessDenied` или `403` означает, что у принципала нет прав `sagemaker-mlflow` или `sagemaker` на ARN, либо регион в `AWS_DEFAULT_REGION` не совпадает с регионом ресурса.

## Требования
- Работает с: AWS

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mlflow/skills --skill sagemaker-mlflow -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/sagemaker-mlflow/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/sagemaker-mlflow/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mlflow/skills --skill sagemaker-mlflow -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/sagemaker-mlflow/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mlflow/skills --skill sagemaker-mlflow -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/sagemaker-mlflow/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install mlflow/skills sagemaker-mlflow
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/sagemaker-mlflow/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mlflow/skills --skill sagemaker-mlflow -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/mlflow/skills --path sagemaker-mlflow
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/sagemaker-mlflow/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add mlflow/skills --skill sagemaker-mlflow -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/mlflow/skills/tree/HEAD/sagemaker-mlflow/SKILL.md

## Когда брать
- подключить агента к SageMaker Managed MLflow через ARN
- проверить Python, AWS-credentials и плагин `sagemaker-mlflow` перед работой
- найти доступные MLflow-ресурсы в текущем AWS-регионе
- настроить `MLFLOW_TRACKING_URI` для других MLflow-скиллов
- диагностировать `UnsupportedModelRegistryStoreURIException` или `AccessDenied`

## Примеры запросов агенту
- Подключи агента к SageMaker MLflow по ARN `arn:aws:sagemaker:us-east-1:123456789012:mlflow-app/my-app`
- Найди доступные MLflow-ресурсы в моём AWS-регионе
- Проверь, установлен ли `sagemaker-mlflow` и настроены ли AWS-credentials

## Похожие
- [hf-cloud-sagemaker-iam-preflight](https://affpapa.org/nevibecode/skills/hf-cloud-sagemaker-iam-preflight.md) — скилл · 683 установки
- [hf-cloud-sagemaker-production-defaults](https://affpapa.org/nevibecode/skills/hf-cloud-sagemaker-production-defaults.md) — скилл · 690 установок
- [sagemaker-ai](https://affpapa.org/nevibecode/plugins/sagemaker-ai.md) — плагин · ★ 948 у репозитория
- [querying-aws-sagemaker-catalog](https://affpapa.org/nevibecode/skills/querying-aws-sagemaker-catalog.md) — скилл · 5700 установок
- [aws-ai-ml](https://affpapa.org/nevibecode/skills/aws-ai-ml.md) — скилл · 4400 установок
- [mlops-mlflow](https://affpapa.org/nevibecode/skills/mlops-mlflow.md) — скилл · 64 установки

Из того же набора: [mlflow/skills](https://affpapa.org/nevibecode/by/mlflow/skills.md) — 17 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
