Ein Assistent schreibt in Sekunden eine Klasse, die Cosmos DB anspricht. Ob sie zu den Zugriffsmustern, dem Schlüssel und der Anmeldung der Kladde passt, weiß er nur, wenn man es ihm sagt, und ob sie stimmt, weiß am Ende nur, wer sie prüft. Learn führt dafür den Azure Cosmos DB Agent Kit auf und nennt die Fähigkeit „Implement Agent Kit to follow Azure Cosmos DB development recommended solutions“. Diese Lektion fasst zusammen, was Learn dazu sagt, und baut daraus eine Prüfliste für Code, gleich ob ein Mensch ihn schrieb oder ein Modell.

Nicht gegen Azure ausgeführt, den Kit nicht installiert: Die Angaben zum Kit stammen allein von den Learn-Seiten; ob die Regeln des Kits im Repository so gut sind, wie Learn sie beschreibt, wurde nicht geprüft (offen). Der C#-Code ist mit Microsoft.Azure.Cosmos 3.64.0 übersetzt und lokal gelaufen. Diese Lektion ändert keine der Tatsachen F-01 bis F-08.

Was der Kit ist

Der Kit ist eine Sammlung von Agent Skills, also Anleitungen, die ein Assistent bei Bedarf lädt, für Datenmodell, Partitionsschlüssel, Abfragen und SDK-Nutzung. Learn nennt als Themen unter anderem Schlüsselwahl, heiße Partitionen, Abfragen, Indexierung, Durchsatz, Verteilung, Sicherheit, Beobachtung, Vektor- und Volltextsuche. Die Quelle ist ein Repository auf GitHub (AzureCosmosDB/cosmosdb-agent-kit), der Weg der Wahl npx skills add AzureCosmosDB/cosmosdb-agent-kit mit Node.js; für einzelne Hosts nennt Learn eigene Wege (Claude Code, GitHub Copilot, Gemini CLI, Codex, Cursor, weitere). Danach prüfen Sie, ob der Host die Fähigkeit cosmosdb-best-practices findet; die Antwort, die „Cosmos DB“ erwähnt, beweist das nicht. Ein Azure-Abonnement braucht die Installation nicht.

Learn zieht drei Grenzen, die Sie behalten sollten. Der Kit gibt Rat, er meldet den Assistenten nicht bei Azure an und gibt ihm keinen Zugriff auf eine Datenbank. Der Microsoft-Learn-MCP-Server ist etwas anderes: Er sucht Dokumentation und liefert keine Daten. Datenbankzugriff braucht eigens eingerichtete Werkzeuge mit eigenen Rechten. Und ein Ratschlag ist keine Messung: Prüfen Sie erzeugten Code, testen Sie in Ihrer Umgebung und messen Sie, bevor Sie eine Verbesserung behaupten.