Deploy open models to Agent Platform: cost-checked, confirmation-gated
Déployer des modèles ouverts Model Garden (ou modèles 1P ajustés) sur des endpoints Agent Platform avec confirmations par paliers — lecture libre, déploiements avec carte de confirmation et coût calculé, suppressions avec confirmation tapée
- Quoi
- Déployer des modèles ouverts Model Garden (ou modèles 1P ajustés) sur des endpoints Agent Platform avec confirmations par paliers — lecture libre, déploiements avec carte de confirmation et coût calculé, suppressions avec confirmation tapée
- Coût
- Gratuit
- Prérequis
- un compte Google Cloud avec facturation activée (déployer provisionne du VRAI compute cloud avec de VRAIS coûts horaires — rien ici n'est gratuit) ; la CLI gcloud authentifiée sur le projet ; le skill est un guide que l'agent suit, pas un logiciel à installer
- Installation
- Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.
Sélectionné par Skill Harbor — le skill officiel de Google pour déployer des modèles ouverts et des poids custom depuis Model Garden vers des endpoints Agent Platform : découvrir les modèles déployables via `gcloud ai model-garden models list`, vérifier les machine types et accélérateurs supportés par modèle, puis déployer avec l'API `:deploy`. Sa caractéristique marquante : un système strict de paliers de sécurité et de confirmation — actions en lecture (list, describe) libres ; actions de mutation (deploy, undeploy) exigeant une carte de confirmation dry-run avec l'ID du modèle, le projet, la région, le machine type, le nom d'affichage de l'endpoint et — critique — un coût horaire estimé qui DOIT être calculé (via le script calculate_cost.py fourni ou la page de prix publiée, jamais inventé) ; actions destructrices (delete) exigeant une confirmation tapée. Inclus : vérifications de statut (un seul describe par tour — pas de boucles sleep), vérification par prédiction de test via le DNS dédié de l'endpoint, guide d'undeploy/nettoyage, guide de copie cross-région de modèles 1P ajustés, playbooks de dépannage de quotas, et un flow de renégociation coût-région. Bémols honnêtes : déployer provisionne du VRAI compute Google Cloud — compte Google Cloud avec facturation activée requis et chaque déploiement engendre de vrais coûts horaires (undeploy après usage sinon la facturation continue) ; le skill ne nomme jamais de version de modèle de mémoire — il re-interroge toujours le catalogue live. Licence Apache-2.0. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh.
Version :
Réponse rapide
Deploy models to Agent Platform est un skill pour déployer des modèles depuis Model Garden. Il liste les modèles via gcloud ai model-garden models list, vérifie les machines, puis déploie via :deploy, sous confirmation : les lectures sont libres, les mutations exigent une carte dry-run montrant ID, projet, région, type et un coût calculé, et les suppressions exigent confirmation tapée.
Installation
Copiez le dossier d’installation ci-dessous, puis collez-le dans Muse🧪 Installation exécutée dans notre sandbox de test · 18 nov. 2026📌 Version épinglée : commit 82f5db4Étape 0 — avant d'installer quoi que ce soit : lis ce prompt d'installation, résume en quelques lignes ce que ce build fait et ce que l'installation implique, puis demande-moi de confirmer avant de continuer. Prérequis : un compte Google Cloud avec facturation activée (déployer provisionne du VRAI compute cloud avec de VRAIS coûts horaires — rien ici n'est gratuit) ; la CLI gcloud authentifiée sur le projet ; le skill est un guide que l'agent suit, pas un logiciel à installer Installe-moi « Déployer des modèles ouverts sur Agent Platform : coûts calculés, confirmations exigées ». Il enseigne à mon agent le workflow de déploiement de Google : découvrir les modèles Model Garden déployables avec le catalogue live (jamais nommer une version de modèle de mémoire), vérifier les machine types/accélérateurs supportés par modèle, calculer le coût horaire avec le script fourni (jamais inventer un chiffre), présenter une carte de confirmation dry-run avec coût calculé avant tout déploiement, faire des vérifications de statut uniques (pas de boucles de polling), vérifier avec une prédiction de test, et undeployer/nettoyer ensuite — avec le guide de copie cross-région de modèles 1P ajustés. Licence Apache-2.0. Dépôt : https://raw.githubusercontent.com/google/skills/82f5db4c8b72a5801957b5a087c2fb14209ddcc4/skills/cloud/agent-platform-deploy/SKILL.md Version épinglée : installe le code au commit 82f5db4c8b72a5801957b5a087c2fb14209ddcc4 exactement (Skill Harbor a testé cette version). Ne substitue pas une version plus récente. Si ce commit est inaccessible, arrête-toi et dis-le-moi. 1. Récupère le fichier SKILL.md (et les fichiers d'aide éventuels) depuis le chemin du dépôt dans un dossier temporaire 2. Vérification de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, collecte d'identifiants). Ce dépôt ne devrait contenir aucun secret en dur, les identifiants uniquement via le coffre sécurisé, les hôtes autorisés déclarés dans le SKILL.md. Vérifie que c'est bien le cas ici ; STOP sur tout signal d'alerte et dis-le-moi. 3. Installe-le comme skill : copie le SKILL.md et ses fichiers d'aide dans le répertoire des skills de l'agent, dans un dossier nommé « agent-platform-deploy ». 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. authentifier gcloud (gcloud auth login) et définir le projet/région cible ; se rappeler que chaque déploiement engendre de vrais coûts horaires cloud et doit être undeployé après usage). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.
Enregistré dans vos installs récentes. Retrouvez-le à tout moment sur /connect.
🔒 Sécurité, provenance et ce que ça touche
Le prompt d'installation ci-dessous inclut déjà les étapes de vérification : votre agent suit la checklist communautaire avant d'installer tout ce qui contient du code exécutable. Vous en voulez plus ?
Certificat de vérification
Faits datés sur ce qui a été vérifié pour cette fiche, et comment. Ce n’est pas une certification de sécurité.
- Version épinglée
- 82f5db4 · 2026-10-13
- Test d’installation en sandbox
- Installation exécutée dans notre sandbox de test · 18 nov. 2026
- Identité du créateur
- Non vérifiée
- Veille d’empreinte
- Dernière vérification · 19 nov. 2026 : aucun changement détecté dans les fichiers liés par ce prompt d’installation
- Analyse du prompt d’installation
- 2026-10-13 : Aucune commande, appel réseau, paquet, écriture de fichier ni clé API détecté.
Skill Harbor ne révise jamais le code des skills listés. Ce sont des faits datés sur le prompt d’installation et notre test d’installation, pas une certification de sécurité. Révisez un skill vous-même avant de l’installer. Comment nous vérifions
Questions
Comment installer un skill ?
Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe le skill pour vous — sans configuration manuelle.
Où va mon argent ?
Directement au vendeur. Skill Harbor ne traite jamais les paiements : le paiement se fait sur la page du vendeur, généralement via Stripe.
Que signifie le ✓ à côté du nom d’un créateur ?
Il signifie que nous avons confirmé l’identité de la personne derrière la fiche. Il ne dit rien sur le code lui-même — vérifiez toujours un skill avant de l’installer.