A AWS publicou um guia com seis habilidades open source para agentes de código que ajudam a implantar modelos Hugging Face no Amazon SageMaker AI. Em vez de depender da memória do agente, o fluxo reúne as decisões que costumam dar errado: qual contêiner usar, como localizar a imagem correta na região e como configurar o endpoint para produção.
Segundo a empresa, as skills cobrem descoberta de contexto da AWS, escolha da imagem de serviço, resolução de papéis IAM e aplicação de padrões de produção. O pacote usa Python e AWS CLI, funciona em macOS, Linux e Windows e vem do repositório Hugging Face Skills no GitHub.
A publicação também mostra o problema que o conjunto tenta evitar. Em testes sem as skills, agentes como Kiro e Claude Code escolheram o Text Generation Inference (TGI) para o Qwen3, mas a imagem disponível na região era antiga e não carregava o modelo. Em outro caso, o agente voltou a usar TGI para um modelo multimodal de difusão e o endpoint nem chegou a subir.
No exemplo descrito pela AWS, o agente escreve um plano e só prossegue após aprovação. A skill de seleção de imagem escolhe vLLM para o Qwen3 e busca a URI no catálogo AWS Deep Learning Containers; a skill de padrões de produção cria o modelo, a configuração e o endpoint, além de anexar escalonamento automático e alarmes do CloudWatch. A empresa também ressalta que a execução contínua do endpoint gera cobrança até a exclusão dos recursos.