Agent Assistのスキル¶

Agent Assistのスキル（datarobot-agent-assist）は、サードパーティのコーディングエージェント内で利用できるよう、dr assistターミナルアシスタントと同じエージェントの設計、コーディング、デプロイのワークフローをパッケージ化したものです。 Agent Assistを専用のターミナルセッションで実行する代わりに、このスキルを好みのエージェントにインストールし、その環境内で自然言語を用いてワークフローを操作することができます。

このスキルは、他のDataRobotスキルとともにDataRobot Agentic Skillsリポジトリにあります。 It guides you through designing an agent, scaffolding from the Agentic Starter application template, implementing tools and code, optionally testing the implementation with Adversarial Swarm Evaluation, and deploying to DataRobot.

スキルのインストール¶

Universal Skills Installerを使用して、DataRobotの全スキル（Agent Assistおよび必要なdatarobot-setupスキルを含む）をインストールします。

npx ai-agent-skills install datarobot-oss/datarobot-agent-skills 

デフォルトでは、インストーラーはマシン上のサポートされているすべてのコーディングエージェントにスキルをコピーします。 特定のエージェントをターゲットにするには、--agentフラグを追加します。

npx ai-agent-skills install datarobot-oss/datarobot-agent-skills --agent cursor
npx ai-agent-skills install datarobot-oss/datarobot-agent-skills --agent claude 

エージェント固有のマーケットプレースまたは拡張機能カタログからインストールすることもできます。

エージェント固有のインストールの詳細およびサポートされているエージェントの完全なリストについては、DataRobotのエージェントスキルを参照してください。

インストールの確認¶

インストール後、コーディングエージェントに利用可能なDataRobotスキルは何ですか？と尋ねます。

datarobot-setupとdatarobot-agent-assistが表示されるはずです。 スキルソースとヘルパースクリプトは、リポジトリ内のskills/datarobot-agent-assist/にあります。

環境設定¶

エージェントを設計またはコーディングする前に、ワークスペースごとに1回、datarobot-setupスキルを実行します。 これにより、Pythonなどの依存関係がチェックされ、DataRobotのAPIトークンが設定されて、プロジェクトディレクトリが準備されます。

設定を実行するには、2つの方法があります。

• Run datarobot-setupを入力します。
• またはスラッシュコマンド./datarobot-setupを使用します。

プロンプトに従って環境設定を完了します。 後のセッションで設定が再度実行される場合は、前提条件を最新に保つために実行を許可してください。

コーディングエージェントでAgent Assistを使用する¶

次のいずれかを使用して、Agent Assistのワークフローを開始します。

• Run datarobot-agent-assist
• ./datarobot-agent-assist

このスキルでは、dr assistと同じ3つのオプションが用意されています。

1. AIエージェントの設計：要件を明確にし、agent_spec.mdを作成します。
2. AIエージェントのコーディング：エージェントのテンプレートからスキャフォールドを作成し、仕様を実装します。
3. AIエージェントのデプロイ：実装したエージェントをDataRobotにデプロイします。

一般的なワークフロー¶

以下の手順に従えば、アイデアからエージェントのデプロイまでを1回のセッションで完了できます。

1. 設計：作りたいものを平易な言葉で記述します。 Agent Assistが確認のための質問を行い、コードを記述する前にagent_spec.mdというブループリントを作成します。
2. Rehearse (optional): Run a simulation to chat with your agent concept as an end user. 問題なければ、Doneと入力してコーディングに進みます。 This design rehearsal is separate from Adversarial Swarm Evaluation, which runs after the agent is implemented.

3. ローカルでテスト：Let's code itと入力します。 このスキルは、依存関係、ツール、およびプロジェクト構造を処理します。 出力のLint cleanとTests passedを確認します。 次のように入力して、エージェントを実行します。

   dr run dev 
   

   ターミナルに表示されているlocalhost URLを開き、エージェントが実行されていることを確認します。

4. Test (optional): After coding, choose the option to test your agent. Adversarial Swarm Evaluation runs attack, behavior, and persistence tracks against the implementation, proposes patches for breaches, and writes eval_report.md. See Adversarial Swarm Evaluation.

5. デプロイ：Deploy my agentと入力して、DataRobotにパブリッシュします。 通常、デプロイには10~30分かかります。実行中はセッションを開いたままにします。 デプロイ済みのエージェントのURLは？と尋ねて、実際のURLを取得します。

フィールドの定義とagent_spec.mdの例については、エージェント仕様のリファレンスを参照してください。 コーディングやデプロイ時に使用する環境変数と設定については、環境とコマンドのリファレンスを参照してください。

Adversarial Swarm Evaluation¶

After your agent is coded, Agent Assist can automatically test the implementation before you deploy. The coding agent offers it as a next step after implementation; use this section when you want more detail on what it tests and how the run works.

The swarm runs three tracks against your implemented agent:

When a scenario breaches, the skill proposes a minimal fix (usually a system-prompt addition, sometimes a code guard), applies approved changes, and retests. A typical full swarm run takes up to 5 minutes before any fix rounds.

前提条件¶

You need both of the following in the project:

• An agent_spec.md with a system_prompt.
• Implementation code (for example agent.py, myagent.py, tools.py, or app.py).

If either is missing, finish the Design and Code steps first, then return to battle-testing.

Run a swarm evaluation¶

1. Build an agent with Agent Assist in your coding tool (for example DataRobot OpenCode, Claude Code, or Cursor).
2. After the coding step, choose the option to battle-test your agent, or ask in natural language (for example, "Battle-test my agent" or "Run adversarial swarm evaluation").
3. Answer the configuration prompts. The skill asks for a user persona, optional grounding context (sample queries or real requests), how many fixing rounds to allow (default: 3), evaluation mode (standard pass/fail or scored by severity), and which model to use. If the spec includes read-only tools, you can optionally let the swarm perform actual calls for those tools instead of simulating their returns.
4. Review the generated scenarios by track. You can add or remove scenarios, ask the skill to explain any of them, then confirm to start the run.
5. Watch the swarm narrate pass, breach, and error outcomes. For each breach, approve or reject the proposed patch; approved prompt changes are applied to both agent_spec.md and the matching system prompt in the implementation so they stay in sync.
6. When convergence finishes, review eval_report.md.

The report includes pass/fail outcomes, unresolved or exhausted scenarios, readiness to deploy, and a Changes Applied list of patches made during the run. Intermediate swarm artifacts are written under .datarobot/swarm/ and removed when the report step completes. Keep eval_report.md (and evaluation_criteria.md if you want a record of the scenarios) for review before deployment.

After the report¶

From the post-run menu you can:

• Review eval_report.md for outcomes and unresolved scenarios.
• Re-run the simulation after further changes.
• Test locally with the project's usual local-run command.
• Deploy the hardened agent to DataRobot.

If any scenario is marked exhausted (could not be resolved within the fixing-round limit), address those cases before deploying. The report calls them out explicitly.

Agent Assistのスキルとdr assistの比較¶

どちらのパスも、同じagent_spec.md形式、エージェントテンプレート、およびデプロイモデルを使用します。 ワークフローに合った実装を選択してください。 Adversarial Swarm Evaluation is available through the Agent Assist skill experience in supported coding agents.