Si vous avez utilisé un agent de codage basé sur l’IA pour configurer un service Fastly, vous avez probablement rencontré des difficultés. Votre agent a peut-être halluciné un point de terminaison API qui n’existe pas. Il a peut-être passé de nombreux tours à sonder la CLI pour trouver les bons signaux. Il a peut-être écrit du VCL qui s’est bien compilé, mais qui a silencieusement interrompu la détection de la grâce. Les modèles d’IA sont formés à partir de données antérieures, et les modèles spécifiques à Fastly, ceux qui font la différence entre un code qui fonctionne et un code qui fonctionne bien, ne sont souvent pas présents dans ces données d’entraînement.
Nous avons réfléchi à ce problème. Plus tôt cette année, nous avons lancé Fastly MCP Server pour donner aux agents d’IA un accès à Fastly via la CLI. Cela a résolu le problème « comment communiquer avec Fastly ? »… mais un deuxième problème perdure : même avec l’accès aux outils, les agents ne savent pas toujours quoi faire.
Aujourd’hui, nous lançons le Fastly Agent Toolkit pour y remédier.
Des compétences, pas seulement des outils
L’Agent Toolkit est une collection open source de compétences d’agents d’IA. Il s’agit de fichiers de connaissances qui enseignent à votre agent de codage comment travailler avec la plateforme Fastly, comme si vous offriez à votre agent l’expérience d’un développeur senior de Fastly.
L’Agent Toolkit comprend six compétences :
fastly - Concepts de plateforme : services, mise en cache, VCL, WAF, TLS, protection DDoS, purge, et utilisation de l’API
fastly-cli - Flux de travail CLI : gestion des services, déploiement des applications Compute, configuration du logging, utilisation des KV Stores
falco - Développement VCL : linting, tests, simulation, formatage et intégration Terraform
xvcl - Le transpileur XVCL : extensions de syntaxe, sous-routines, manipulation des en-têtes, logique de mise en cache
viceroy - Tests Compute locaux avec le programme d’exécution basé sur Wasm
fastlike - Tests Compute locaux avec le programme d’exécution basé sur Go
Chaque compétence est un ensemble de fichiers markdown avec un point d’entrée SKILL.md et un répertoire references/ contenant des fichiers thématiques détaillés. Les compétences sont chargées à la demande. Votre agent ne récupère que ce qui est pertinent pour la tâche actuelle, il n’y a donc pas de contexte gaspillé.
Les chiffres parlent d’eux-mêmes
Nous n’avons pas simplement créé des fonctionnalités en espérant qu’elles fonctionneraient : lors de nos tests internes sur 7 modèles pour des tâches Fastly réelles, nous avons constamment observé des améliorations mesurables.
Les résultats :
Accélération moyenne de 1,6
30-70 % moins d’appels d’outils
Compétences permettant de réaliser 7 des 8 tâches en tête-à-tête par rapport à la référence
Voici à quoi cela ressemble en pratique. Nous avons demandé à un agent de configurer un service Fastly pour mettre en cache le contenu d’un domaine spécifique et le déployer. Sans compétences, l’agent a passé 25 tours sur 11 minutes, lisant des fichiers de configuration JSON, essayant de mauvaises combinaisons d’indicateurs et gérant manuellement les versions. Doté des bonnes compétences, il a chargé la compétence fastly-cli au premier tour, trouvé les bonnes commandes, utilisé --autoclone au premier essai et terminé en 9 tours et moins de 3 minutes. 4,1 fois plus rapide, 2,8 fois moins de tours.
Les améliorations les plus notables apparaissent là où les connaissances spécifiques à Fastly sont les plus importantes : les schémas VCL comme subfield() pour l’analyse des cookies, obj.ttl == 0s pour la détection de la période de grâce, la gestion correcte de l’en-tête Vary et la séquence de déploiement appropriée pour les services Compute. Ce sont les schémas que les modèles n’ont pas dans leurs données d’entraînement et qu’ils ne peuvent pas découvrir uniquement lors de tests.
Travaille avec votre agent
Les compétences suivent la spécification ouverte Agent Skills et fonctionnent avec n’importe quel agent capable de lire les fichiers markdown. La liste est longue et évolue constamment : Claude Code, Gemini CLI, Codex, Cursor, Amp, Cline, Kimi Code, OpenCode, Replit Agent, Warp et plus encore.
Lancement en 60 secondes
Installez les compétences dont vous avez besoin avec la CLI des compétences :
# Install into your project
npx skills add github:fastly/fastly-agent-toolkit --skill fastly-cli --skill viceroy
# Or install globally
npx skills add -g github:fastly/fastly-agent-toolkit --skill fastly-cli --skill viceroySi vous utilisez Claude Code, vous pouvez également les installer à partir du marché de plug-ins :
claude plugin install fastly-agent-toolkit@claude-plugins-officialVous pouvez également copier manuellement les répertoires de compétences. Ce sont de simples fichiers markdown :
mkdir -p .agents/skills
cp -R skills/{fastly-cli,viceroy} .agents/skills/Choisissez les compétences pertinentes pour votre tâche. Pour VCL, sélectionnez Falco et xvcl. Pour Compute, sélectionnez fastly-cli et soit viceroy, soit fastlike. La compétence Fastly couvre largement la plateforme et s’associe bien avec n’importe quel élément.
MCP + compétences : le combo gagnant
Si vous utilisez déjà Fastly MCP Server, les compétences sont le complément idéal. MCP donne à votre agent la possibilité d’agir en créant des services, en purgeant les caches et en déployant du code. Ses compétences lui donnent les connaissances nécessaires pour agir correctement, car il connaît les bons schémas, les bons indicateurs et le bon ordre des opérations. Ensemble, ils représentent notre engagement à vous offrir la meilleure expérience développeur, mais aussi la plus moderne, sur n’importe quelle plateforme en périphérie.
Open source et ouverte aux contributions
L’Agent Toolkit est disponible en open source sur GitHub. Les compétences sont simplement des fichiers markdown. Vous pouvez les lire, les modifier et ajouter les vôtres. Si vous avez trouvé un schéma qui permet à votre agent d’être plus performant chez Fastly, n’hésitez pas à nous en faire part.
Nous serions ravis de recevoir vos commentaires. Essayez les compétences, voyez comment elles changent la façon dont votre agent travaille avec Fastly et faites-le-nous savoir. Pourriez-vous nous dire ce qui a bien fonctionné, les points négatifs et quels schémas ou flux de travail vous aimeriez voir ajoutés ? Partagez vos résultats sur le forum communautaire Fastly.
Nous nous engageons à améliorer continuellement ces compétences et l’expérience des développeurs autour d’elles, mesurées, testées et adaptées à la façon dont vous utilisez Fastly. L’utilisation d’agents IA avec Fastly vient de s’améliorer considérablement.