aiconfig-migrate
Ce skill fait partie du repo officiel de skills LaunchDarkly (launchdarkly/agent-skills), une collection publique de playbooks modulaires destinés aux agents de code. Il encode un workflow complet et reproductible pour migrer une application existante — qui appelle directement un provider LLM (OpenAI, Anthropic, Bedrock, Gemini, Strands) avec des valeurs codées en dur — vers une gestion centralisée via les AI Configs de LaunchDarkly.
Cinq étapes structurées
Le skill déroule la migration en cinq stages ordonnés, avec un point d'arrêt explicite entre chaque étape pour que l'utilisateur confirme avant de continuer :
- Audit — scan en lecture seule qui produit un manifeste structuré de tout ce qui est codé en dur (modèle, paramètres, prompts, outils, variables de configuration).
- Wrap — installation du SDK LaunchDarkly, création de l'AI Config avec un fallback miroir des valeurs actuelles, réécriture du point d'appel pour lire la config à chaque requête.
- Outils — extraction des schémas JSON des outils, rattachement à l'AI Config, remplacement des tableaux d'outils codés en dur.
- Tracking — instrumentation du tracker par requête (durée, tokens, succès/erreur) autour de l'appel provider.
- Évaluateurs — évaluation offline via le Playground et des datasets, ou judges automatiques sur le trafic en production.
Modèle de délégation vers des skills complémentaires
Ce skill ne s'auto-invoque pas : à chaque étape nécessitant une écriture LaunchDarkly, il prépare les inputs et demande à l'utilisateur d'exécuter lui-même la slash-command correspondante (/aiconfig-create, /aiconfig-tools, /aiconfig-targeting, /aiconfig-online-evals), puis attend le retour avant de continuer. Ce modèle de handoff explicite garantit que l'utilisateur garde le contrôle de chaque action effectuée dans son compte LaunchDarkly.
Prérequis et couverture
Le skill requiert le serveur MCP LaunchDarkly configuré dans l'environnement, une variable LD_SDK_KEY valide, et une application qui appelle déjà un provider LLM avec des valeurs codées en dur. Il est optimisé pour Python et Node.js/TypeScript avec des exemples complets ; d'autres langages (Go, Ruby, .NET) sont couverts uniquement pour l'étape d'installation. Un tableau de couverture détaillé précise les frameworks supportés (LangGraph, CrewAI, Strands, Vercel AI SDK, etc.) et distingue les cas avec exemple fonctionnel de ceux nécessitant une adaptation.