azure-cognitive-search

Azure AI Search Skill из репозитория MicrosoftDocs/Agent-Skills — справочный навык для разработки, диагностики и проектирования решений на Azure AI Search. Его frontmatter прямо ограничивает область: индексы, indexers, enrichment skillsets, semantic и vector search, agentic answer synthesis, архитектурные решения, лимиты, безопасность, конфигурация, интеграции и deployment. Azure Data Explorer, Azure Cosmos DB, Azure SQL Database и Azure Synapse вынесены в отдельные навыки, поэтому эту карточку не следует использовать как универсальную инструкцию для всех сервисов Azure. Категория troubleshooting связывает навык с ошибками и предупреждениями indexer, отладкой skillset, portal debug sessions, проблемами OData collection filters, shared private link и storage metrics. В best practices перечислены AI enrichment pipelines, масштабирование custom skills, обработка изменённых и удалённых blob-документов, optimistic concurrency, повторная сборка индексов, анализ производительности, large-scale indexing, оптимизация Serverless costs, chunking больших документов, vector compression и уменьшение размерности embeddings. Это позволяет использовать навык при проектировании ingestion pipeline, но конкретные параметры всё равно должны соответствовать фактической схеме данных, размеру документов и выбранному tier. Раздел decision making охватывает планирование capacity, цены и регионов, миграцию REST API и .NET SDK, замену deprecated skills, выбор data-source connector и безопасное повышение tier. Архитектурные паттерны включают hybrid search с vector и full-text, multitenant или изолированные индексы и multi-region deployment. Отдельный раздел limits & quotas предупреждает о квотах enrichment, расписании и reset indexer, execution quotas, лимитах service tier и размере vector index. Эти пункты нужны до оценки production-архитектуры: свободный или Serverless режим не означает отсутствие лимитов и расходов. Безопасность раскрывается через RBAC и Entra ID, managed identities, API keys, customer-managed keys, VNets, private endpoints и firewalls. Источник также перечисляет document-level ACL/RBAC, Purview sensitivity labels, Azure Policy и security trimming на этапе запроса. В configuration входят data sources, indexers, analyzers, scoring profiles, skillsets, output mappings, enrichment cache, knowledge store, monitoring, vectorization и semantic settings. Для agentic retrieval предусмотрены knowledge sources, knowledge bases, freshness-aware retrieval, answer synthesis и настройка reasoning effort, а доступ к web knowledge source и billing consent требует отдельной проверки окружения. В integrations & coding patterns собраны подключения к Blob, Files, SQL, Cosmos DB, SharePoint, OneLake, Logic Apps, custom Web API и AML skills, а также Python SDK, REST, .NET и MCP-варианты retrieval. Deployment-раздел указывает ARM, Bicep, Terraform, перенос между регионами и публикацию search-приложений в Static Web Apps. Навык требует network access: предпочтителен fetch через Microsoft Docs MCP с query from=learn-agent-skill, fallback — fetch_webpage с accept=text/markdown. Если доступный MCP отсутствует, источник предлагает установить его, а при metadata.generated_at старше трёх месяцев — обновить навык из репозитория. Карточка не заменяет проверку официальной документации, доступности feature в регионе, tier-specific limits, IAM и сетевых правил; она маршрутизирует к таким материалам и помогает выбрать следующий раздел.