airunway-aks-setup について
AI Runway AKS Setup は、既存の AKS クラスターから AI Runway によるモデルのデプロイ完了までを案内するエージェントスキルです。クラスターの確認、コントローラーのインストール、GPU の評価、プロバイダー設定、初回デプロイの6つの手順を順番に実行します。skip-to-step N で途中の手順から再開することもできます。
主な機能
- 016段階の順序化されたセットアップ手順
- 02クラスターコンテキストと GPU ノードの検出
- 03コントローラーの CRD とデプロイのインストール
- 04GPU モデルと dtype の制約の評価
- 05推論プロバイダーの推奨とインストール
- 06Ready 状態を確認する初回モデルデプロイ
活用シーン
- 01既存の AKS クラスターへの AI Runway の初回セットアップ
- 02途中まで完了した AI Runway 構成の再開
- 03モデルのデプロイ前の GPU 互換性の確認
インストール
コマンドをコピーしてターミナルで実行します。
npx skills add https:/インストール後、Claude Code で/airunway-aks-setupを入力して読み込まれたか確認します。
同梱ファイル
SKILL.md と一緒にインストールされる参考資料やスクリプト。
references/gpu-profiles.mdmodel-sizing.mdoptional-gpu-day2.mdpowershell-notes.mdtroubleshooting.mdreferences/steps/step-1-verify.mdstep-2-controller.mdstep-3-gpu.mdstep-4-provider.mdstep-5-deploy.mdstep-6-summary.md詳細
AI Runway AKS のセットアップ
このスキルでは、空の Kubernetes クラスターから AI モデルのデプロイを実行するまでの手順を案内します。特定のフェーズから再開するためにユーザーが skip-to-step N を指定した場合を除き、各ステップを順番に進めてください。
コストに関する注意： GPU ノードプールには多額のコンピューティング料金が発生します（A100-80GB は 1 時間あたり $3～5 以上かかる場合があります）。GPU リソースをプロビジョニングする前に、ユーザーがコストへの影響を理解していることを確認してください。
前提条件
このスキルでは、AKS クラスターがすでに存在することを前提としています。クラスターがない場合は、まず azure-kubernetes スキルに引き継いでクラスターをプロビジョニングしてください（CPU のみの推論で問題ない場合を除き、GPU ノードプールを含めます）。その後、ここに戻ってください。
クイックリファレンス
| プロパティ | 値 |
|---|---|
| 最適な用途 | AKS での AI Runway のエンドツーエンドのオンボーディング |
| CLI ツール | kubectl、make、curl |
| MCP ツール | なし |
| 関連スキル | azure-kubernetes（クラスターのセットアップ）、azure-diagnostics（基本的なトラブルシューティング）、任意の aks-gpu-inference（既存の GPU／推論に関する Day-2 インシデントのみ） |
このスキルを使用する場面
ユーザーが次のことを希望する場合に、このスキルを使用してください。
- 既存の AKS クラスターに AI Runway を一からセットアップする
- AI Runway コントローラーと CRD をインストールする
- モデルのデプロイに向けて GPU ハードウェアとの互換性を評価する
- 推論プロバイダー（KAITO、Dynamo、KubeRay）を選択してインストールする
- AI Runway を使って最初の AI モデルを AKS にデプロイする
- 特定のステップから、途中まで完了した AI Runway のセットアップを再開する
GPU のセットアップと Day-2 インシデント
初期の GPU ノードプール、プロバイダー、コントローラー、モデルのセットアップは、このスキルで行ってください。 既存の GPU または推論デプロイに影響するインシデントの場合は、対象を絞った任意のアドオンを提案するかどうかを判断する前に、 optional-gpu-day2.md を読み込んでください。
MCP ツール
このスキルでは MCP ツールを使用しません。すべてのクラスター操作は kubectl と make を直接使って実行します。
ルール
- ステップを順番に実行します。各ステップに進んだら、そのステップのリファレンスを読み込みます
- 各ステップでクラスターの状態を報告します：✓ 正常、✗ 不足／失敗
- インストールやデプロイを実行する前に、ユーザーの確認を求めます
- すでに完了しているステップは、状態を報告して次のステップに進みます
- ユーザーが
skip-to-step Nを指定した場合は、ステップ N から開始します。前のステップは完了済みとして扱います
ステップ
| # | ステップ | リファレンス |
|---|---|---|
| 1 | クラスターの確認 — コンテキストの確認、ノードの一覧、GPU の検出 | step-1-verify.md |
| 2 | コントローラーのインストール — CRD とコントローラーのデプロイ | step-2-controller.md |
| 3 | GPU の評価 — GPU モデルを検出し、dtype／attention の制約を特定 | step-3-gpu.md |
| 4 | プロバイダーのセットアップ — 推論プロバイダーを推奨してインストール | step-4-provider.md |
| 5 | 最初のデプロイ — モデルを選択してデプロイし、Ready を確認 | step-5-deploy.md |
| 6 | まとめ — 要点の整理、スモークテスト、次のステップ | step-6-summary.md |
エラー処理
| エラー／症状 | 考えられる原因 | 対処方法 |
|---|---|---|
| kubeconfig のコンテキストがない | クラスターに接続されていない | az aks get-credentials または同等のコマンドを実行します |
| コントローラーが CrashLoopBackOff になっている | 設定または RBAC の問題 | kubectl logs -n airunway-system -l control-plane=controller-manager --previous |
| プロバイダーが準備できない | イメージのプルまたは RBAC の問題 | プロバイダーの Pod に対して kubectl logs <pod-name> -n <namespace> を実行します |
| ModelDeployment が Pending のままになる | GPU のスケジューリング失敗、またはプロバイダーの準備未完了 | kubectl describe modeldeployment <name> -n <namespace> のイベントを確認します |
推論時に bfloat16 エラーが発生する | T4 または V100 が bfloat16 に対応していない | サービング引数に --dtype float16 を追加します |
エラー処理とロールバック手順の詳細は、troubleshooting.md を参照してください。