drawio-azure

Draw.io Azure

draw.io で正確な Azure アーキテクチャ図を作成します。このスキルは薄いフロントエンドです。決定論的なエンジン、バリデーター、ルールは drawio-ai CLI 経由で利用する drawio-ai-kit パッケージにあります。

0. 事前確認 — CLI がインストールされている必要があります

command -v drawio-ai >/dev/null 2>&1 || echo "Install the Kit first:  npm i -g github:sparklabx/drawio-ai-kit"

drawio-ai が PATH 上にない場合は、停止して npm i -g github:sparklabx/drawio-ai-kit を実行するようユーザーに伝えてください。自分で npm i -g を実行してはいけません。ユーザーの許可なく、ユーザーのグローバル環境を変更してはいけません。

1. ビルドを委任する（ハーネスが対応している場合は推奨）

ハーネスがシェルコマンドを実行し、かつ画像を読み取れる自律型サブエージェントを起動できる場合（例：Claude Code の Task ツール、汎用エージェント）は、ビルドの全工程をサブエージェントで実行してください。ルール、アイコン検索、レンダリングと修正の各反復に、この会話のコストがかからなくなります。対応していない場合（またはサブエージェントが画像を読み取れない場合）は、以下のインライン方式に進んでください。同じループと同じルールを使用します。

起動する前に、サブエージェントから確認できない情報を解決してください。図の範囲、出力ディレクトリ（ユーザーのプロジェクト内の絶対パス）、ファイル名を確認します。上記の事前確認を自分で実行してください。複数の図を依頼された場合は、図ごとに異なるファイル名を指定し、サブエージェントを並行して1つずつ起動してください。

モデルの割り当て — ハーネスでサブエージェントのモデルを選べる場合は、タスクの重さに応じて割り当ててください。ルールの Templates テーブルに一致するリクエスト（再現は機械的で、バリデーターのアドバイス文字列が各修正方法を示します）には、高速・低コストのモデル層（Claude Haiku クラス。画像認識に対応している必要があります）を使います。自由形式の図や新しいアーキテクチャには、通常使用する高性能モデルを使います。低コストモデルのサブエージェントが VALIDATE not ok を返すか、ITERATIONS > 3 の場合は、インラインで引き継ぐ前に、高性能モデルで一度だけ再実行してください。複数の図を依頼された場合は、図ごとに個別に割り当てます。

サブエージェントへのプロンプト（すべての <...> を埋めてください）：

Build an Azure architecture .drawio diagram with the drawio-ai CLI.
Request: <user's request + clarifications, verbatim>
Output: <ABS_PROJECT_DIR>/<NAME>.drawio — never write inside the Kit, never into cwd.
Follow exactly:
1. Set ROOT="$(drawio-ai root)". Read $ROOT/docs/api-cheatsheet.md — the full layout-engine
   API in one file; never read library source.
2. Run `drawio-ai workflow` and `drawio-ai principles --mode azure` — the source of
   truth. (Fallback if a command is blocked: read $ROOT/rules/*.md directly.)
3. Look up every icon with ONE batched `drawio-ai search "a, b, c"`; never recolor icons.
4. Scaffold, don't write: `drawio-ai scaffold --list`, pick the closest template, then
   `drawio-ai scaffold <name>.mjs -o <dir>/build.mjs` — the script arrives runnable
   (absolute imports, self-validating, self-rendering with an issues list). Edit only the
   deltas. If no template is close AND you'd change more than half of it, Write a new
   script instead (keep the scaffold's self-check tail). Layout engine only
   (group/frame/grid/icon/box + renderTree), NO hand-written coordinates.
5. Each `node build.mjs` run prints validate JSON AND the render's machine-readable
   `issues` list. Fix from THAT checklist — all issues in one Edit round — then re-run.
   Loop until issues is empty.
6. Only when issues is empty: Read the PNG once as final visual confirmation (list any
   remaining visual problems, fix ALL in one round). Target <= 2 PNG reads total. Then
   render once WITHOUT --check for the final deliverable PNG.
Do NOT invoke any drawio skill — this prompt already contains the full procedure.
Do not ask questions — make the standard choice and record it under ASSUMPTIONS.
Return EXACTLY this block, nothing else:
DRAWIO: <absolute path to .drawio>
PNG: <absolute path to .png>
VALIDATE: <verbatim final validate JSON>
ICONS: <comma-separated icon names used>
ITERATIONS: <number of render/fix cycles>
SUMMARY: <one sentence describing the diagram>
ASSUMPTIONS: <choices made without asking, or "none">

DRAWIO、PNG、SUMMARY を、そのままユーザーに伝えてください。.drawio や PNG をこの会話内で再度読み込んではいけません。サブエージェントはすでに視覚的な自己チェックを実行しています。VALIDATE が ok でない場合は、インライン方式で引き継いでください（build .mjs と .drawio は、返されたパスにあります）。

インライン方式（サブエージェントを利用できない場合）

1. 共通ワークフロー

drawio-ai workflow

各図で実行する「ビルド → 検証 → レンダリング → プロジェクトパスへの書き込み」ループを出力します。内容を読んでください。これがプロセスの信頼できる唯一の情報源です。

2. ドメインルール

drawio-ai principles --mode azure

Azure のルール、共通原則、カタログのカテゴリを返します。

3. エンジンでビルドし、検証してレンダリングする

Kit のインストールディレクトリを解決し、エンジンを絶対パスで import します（正確な方法は共通ワークフローに記載されています）。

ROOT="$(drawio-ai root)"     # absolute path to the installed Kit

宣言的レイアウトエンジンでビルドします（座標を手書きしてはいけません）。その後、次の手順を実行します。 drawio-ai validate <file> → drawio-ai render <file> -o <file>.png（PNG をReadして視覚的な自己チェックを行います）→ .drawio をユーザーのプロジェクト内の絶対パスに書き込みます（Kit 内や cwd には書き込みません）。

ドメインに関する注意事項

階層：Management Group → Subscription → Resource Group → VNet → Subnet。 Azure リソースは Resource Group にデプロイされます。VNet のスコープはサブスクリプションです。グローバルサービス（Azure DNS、Azure Front Door、Entra ID）は VNet の外に配置します。

自己チェック（納品前）

• レイアウトエンジンでビルドしている — 座標を手書きしていない。
• drawio-ai validate → ok、警告なし、アドバイスなし。
• drawio-ai suggest-layout → 推奨されるアーキタイプがレイアウトと一致している。スパース性（one-icon-frame）に関する警告がない。
• すべてのアイコンが drawio-ai search から取得されている（カテゴリの色はそのまま）。
• drawio-ai render の視覚的な自己チェックに合格している。
• 出力は Kit ではなく、ユーザーのプロジェクト内に書き込まれている。