Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra. # Utilisation d'agents d'IA avec conversion de schéma DMS Vous pouvez utiliser des agents d'intelligence artificielle pour piloter les flux de travail de conversion de schémas DMS via l' AWS API. Un agent d'intelligence artificielle est un outil logiciel qui utilise de grands modèles linguistiques pour comprendre les instructions en langage naturel et automatiser les tâches. Lorsqu'il est connecté au [serveur AWS MCP](https://docs.aws.amazon.com/agent-toolkit/latest/userguide/mcp-server.html), un agent d'intelligence artificielle peut créer des projets de migration, parcourir l'arborescence des métadonnées de votre base de données source, convertir des schémas, générer des rapports d'évaluation, exporter les résultats et expliquer les différents aspects du service. Vous contrôlez ces opérations par le biais d'instructions en langage naturel. Pour améliorer la précision et l'efficacité de l'agent grâce à la conversion de schéma DMS, vous pouvez installer la compétence de conversion de AWS DMS schéma. La compétence fournit le Conversion-specific contexte du schéma DMS, y compris les modèles d'API, les exclusions des schémas système, le séquençage des opérations et les meilleures pratiques en matière de service. **Important** La compétence contient des instructions qui **évitent les erreurs courantes commises par les agents d'IA lors de l'utilisation de la conversion de schéma DMS** et qui **réduisent les boucles d'essais et d'erreurs, ce qui contribue à réduire l'utilisation des jetons et à accélérer la réalisation de** l'objectif souhaité. Nous vous recommandons vivement de l'installer avant de commencer. Cette rubrique explique comment installer la compétence et fournit des exemples de flux de travail courants de conversion de schéma DMS que vous pouvez exécuter via un agent d'intelligence artificielle. ## Conditions préalables Avant de commencer, assurez-vous d’avoir rempli les conditions préalables suivantes. Ce guide suppose que vous êtes familiarisé avec les interfaces de ligne de commande AWS DMS et que vous les connaissez. + **Un agent d'intelligence artificielle : agent** [de codage d'intelligence artificielle qui prend en charge le protocole MCP (Model Context Protocol), tel que [Kiro CLI](https://kiro.dev/cli/), [Claude Code](https://docs.anthropic.com/en/docs/agents-and-tools/claude-code/overview) ou Cursor.](https://www.cursor.com/) + **AWS Serveur MCP** : configurez le [serveur AWS MCP](https://docs.aws.amazon.com/agent-toolkit/latest/userguide/mcp-server.html) dans votre agent afin qu'il puisse effectuer des appels d' AWS API. Pour plus d'informations, consultez la section [Configuration du serveur AWS MCP dans le](https://docs.aws.amazon.com/agent-toolkit/latest/userguide/getting-started-aws-mcp-server.html) guide de l'utilisateur de l' AWS Agent Toolkit. + **AWS informations d'identification** — L'agent a besoin AWS d'informations d'identification avec des autorisations pour appeler AWS DMS des API. Configurez les informations d'identification à l'aide de la [AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-authentication.html). Pour plus d’informations sur les autorisations requises, consultez [Autorisations IAM nécessaires pour utiliser AWS DMS](security-iam.md#CHAP_Security.IAMPermissions). **Note** Si vous avez déjà configuré un projet de migration dans DMS Schema Conversion, l'agent peut l'utiliser immédiatement. Dans le cas contraire, l'agent peut en créer un pour vous. Pour de plus amples informations, veuillez consulter [Travailler avec des fournisseurs de données, des profils d'instance et des projets de migration dans AWS DMS](migration-projects.md). ## Installation de la   AWS DMS Compétence de conversion de schéma Une compétence est un ensemble d'instructions et de documents de référence sélectionnés qui aident votre agent d'intelligence artificielle à effectuer efficacement les tâches de conversion du schéma DMS. La compétence de conversion de AWS DMS schéma contient des modèles d'API, des exclusions de schémas système, des règles de séquençage des opérations et des meilleures pratiques en matière de service. Grâce à cette compétence, l'agent commet moins d'erreurs et nécessite moins de va-et-vient pour effectuer les opérations de conversion du schéma DMS. Choisissez l'une des méthodes suivantes pour installer la compétence. ------ #### [ AWS MCP server ] Si votre agent est connecté au serveur AWS MCP, il peut rechercher et charger la compétence automatiquement via le serveur MCP. Avant de continuer, vérifiez que vos serveurs MCP sont chargés et connectés. Dans la plupart des agents d'intelligence artificielle, vous pouvez vérifier l'état du serveur MCP en entrant`/mcp`. Demandez ensuite à votre agent : ``` Load "dms-schema-conversion" skill using the `retrieve_skill` tool. ``` L'agent récupère la compétence depuis le serveur AWS MCP et l'applique à la session en cours. ------ #### [ npx skills CLI ] Si votre agent n'utilise pas le serveur AWS MCP, vous pouvez installer la compétence localement à partir du [kit d'outils de l'AWS agent pour](https://github.com/aws/agent-toolkit-for-aws) le AWS référentiel sur GitHub. Exécutez la commande suivante depuis le répertoire de votre projet : ``` npx skills add aws/agent-toolkit-for-aws/skills/specialized-skills/migration-and-modernization-skills/dms-schema-conversion ``` **Note** Si vous utilisez une définition d'agent personnalisée dans votre outil de codage AI, assurez-vous que la configuration de l'agent inclut un répertoire de compétences. Dans le cas contraire, l'agent ne peut pas découvrir et charger la compétence. ------ #### [ Manual installation ] Clonez le [kit d'outils de l'AWS agent pour](https://github.com/aws/agent-toolkit-for-aws) le AWS référentiel et copiez le répertoire des compétences dans l'emplacement des compétences de votre agent. Le tableau suivant indique le parcours de compétences des agents pris en charge. | Agent | Parcours de compétences du projet | Parcours mondial en matière de compétences | | --- | --- | --- | | CLI Kiro | .kiro/skills/ | \~/.kiro/skills/ | | Claude Code | .claude/skills/ | \~/.claude/skills/ | | Curseur | .cursor/skills/ | \~/.cursor/skills/ | | Codex | .agents/skills/ | \~/.codex/skills/ | **Note** Si vous utilisez une définition d'agent personnalisée dans votre outil de codage AI, assurez-vous que la configuration de l'agent inclut un répertoire de compétences. Dans le cas contraire, l'agent ne peut pas découvrir et charger la compétence. ------ #### [ Direct URL ] Vous pouvez charger la compétence directement depuis l' GitHub URL sans rien installer localement. Demandez à votre agent : ``` Load skill from https://github.com/aws/agent-toolkit-for-aws/blob/main/skills/specialized-skills/migration-and-modernization-skills/dms-schema-conversion/SKILL.md ``` L'agent extrait le contenu de la compétence GitHub et l'applique à la session en cours. ------ Une fois la compétence chargée avec succès, un menu d'actions contenant les actions de conversion de schéma disponibles s'affiche. ## Bonnes pratiques Suivez ces recommandations pour obtenir les meilleurs résultats lorsque vous utilisez des agents d'intelligence artificielle avec la conversion de schéma DMS. + **Parcourir avant de convertir** : utilisez l'agent pour explorer l'arborescence des métadonnées avant de commencer à convertir les schémas. Cela vous permet de comprendre l'étendue de la migration et d'identifier les schémas à convertir. + **Convertir un schéma à la fois** : pour les bases de données volumineuses, convertissez les schémas individuellement plutôt que tous en une seule fois. Cela permet de revoir plus facilement le code converti et de traiter les éléments d'action de manière incrémentielle. + **Ignorer les schémas système** — Ne convertissez pas les bases de données ou les schémas système. Ils contiennent des objets internes au moteur qui produisent un grand nombre d'actions non convertibles. + **Vérifiez le code SQL converti avant de l'appliquer** : exportez le code converti sous forme de scripts SQL et examinez-le avant de l'appliquer à votre base de données cible, en particulier pour les objets de code. + **Activer AI-assisted la conversion générative** : activez AI-assisted la conversion générative pour améliorer le taux de conversion des objets de code. AI-assisted La conversion générative utilise l'apprentissage automatique pour convertir des objets que le convertisseur basé sur des règles ne peut pas gérer automatiquement. Pour de plus amples informations, veuillez consulter [Conversion d'objets de base de données grâce à l'IA générative](schema-conversion-convert.databaseobjects.md). + **Utiliser le rapport d'évaluation** : après la conversion ou l'évaluation, générez un rapport d'évaluation pour obtenir un résumé des résultats de la conversion et du travail manuel restant à effectuer. Pour de plus amples informations, veuillez consulter [Création de rapports d’évaluation de migration de base de données avec la conversion de schéma DMS](assessment-reports.md). ## Exemples Les exemples suivants présentent des flux de travail courants de conversion de schémas DMS que vous pouvez exécuter via un agent d'intelligence artificielle après avoir chargé la compétence. ### Création d'un projet de migration Dans cet exemple, vous utilisez un agent d'intelligence artificielle pour créer un projet de migration afin de convertir une base de données Microsoft SQL Server en Amazon Aurora PostgreSQL. L'agent crée les AWS DMS ressources requises et les relie entre elles. L'invite suivante indique à l'agent de créer un projet de migration : ``` I want to migrate my SQL Server database to Aurora PostgreSQL using DMS Schema Conversion. The source database is on an EC2 instance at 10.0.1.50, port 1433, database name "AdventureWorks". The credentials are stored in Secrets Manager under "mydb-source-credentials". Create a migration project for me. ``` L'agent crée un fournisseur de données source, un fournisseur de données cible, un profil d'instance et le projet de migration qui les relie entre eux. Si vous n'avez pas encore de base de données cible, l'agent crée un fournisseur de données cible virtuel afin que vous puissiez convertir et exporter des schémas sous forme de scripts SQL. L'agent crée également les rôles IAM et les compartiments S3 requis, et vérifie la configuration du réseau. Une fois que l'agent a créé le projet de migration, vous pouvez parcourir les métadonnées de la base de données source, évaluer ou convertir les schémas et exporter les résultats. ### Parcourir l'arborescence des métadonnées Vous pouvez utiliser l'agent pour explorer la structure de votre base de données source. L'agent parcourt l'arborescence des métadonnées de manière hiérarchique, répertoriant les bases de données, les schémas, les tables, les procédures stockées et les autres objets. ``` Show me the databases and schemas in my source database. ``` L'agent importe les métadonnées source si elles n'ont pas encore été importées, puis parcourt l'arborescence des métadonnées à l'aide de l' AWS DMS API. Vous pouvez approfondir des schémas spécifiques : ``` Show me the stored procedures in the AdventureWorks.dbo schema. ``` ### Évaluation ou conversion de schémas Après avoir parcouru l'arborescence des métadonnées, vous pouvez utiliser l'agent pour évaluer ou convertir les schémas et exporter les résultats. ``` Convert the AdventureWorks.dbo schema to Aurora PostgreSQL and export the converted SQL scripts. ``` L'agent convertit les objets du schéma et exporte les scripts SQL convertis vers le compartiment S3. Chaque opération de conversion et d'exportation s'exécute de manière asynchrone, et l'agent demande si elle est terminée avant de commencer l'opération suivante. Après la conversion, l'agent génère un rapport d'évaluation. Le rapport d'évaluation inclut un résumé des objets convertis, des mesures à prendre pour les objets nécessitant des modifications manuelles et des estimations de l'effort. Vous pouvez également demander à l'agent d'expliquer la signification de mesures spécifiques et de fournir des conseils sur la manière de les résoudre. ### Poser des questions lors d'opérations de longue durée Certaines opérations de conversion de schéma DMS, telles que la conversion de schéma, l'importation de métadonnées et l'évaluation, s'exécutent de manière asynchrone et peuvent prendre du temps. Pendant que l'agent vous demande si vous avez terminé, vous souhaiterez peut-être poser des questions, obtenir des éclaircissements ou donner des instructions supplémentaires sans interrompre le flux de travail. Les approches suivantes vous permettent d'interagir avec l'agent lors d'une opération de longue durée. Choisissez une méthode en fonction des capacités de votre agent. ------ #### [ Ctrl\+C ] Cette approche fonctionne dans la plupart des agents d'intelligence artificielle, notamment Kiro CLI, Claude Code et Cursor. Appuyez sur Ctrl\+C pour interrompre l'agent pendant qu'il interroge la progression. Vous pouvez ensuite poser votre question ou donner une nouvelle instruction. L'agent met en pause l'opération en cours mais ne l'annule pas côté serveur ; il continue à fonctionner AWS DMS. Une fois que l'agent a répondu à votre question, vous pouvez lui demander de reprendre la vérification de l'état des opérations. ``` Check if the conversion is done now. ``` ------ #### [ Separate session ] Cette approche fonctionne avec n'importe quel agent d'IA. Ouvrez un nouvel onglet de terminal et démarrez une session d'agent distincte. Utilisez une session pour exécuter l'opération et demander si elle est terminée, et l'autre session pour poser des questions ou effectuer un autre travail. Les deux sessions peuvent accéder aux mêmes serveurs et AWS ressources MCP. ------ #### [ Instructing the agent not to poll ] Cette approche fonctionne avec n'importe quel agent d'IA. Au lieu d'attendre la fin d'une opération, demandez à l'agent de démarrer l'opération et de revenir immédiatement. Vous pouvez ensuite poser des questions, effectuer d'autres travaux et vérifier le statut lorsque vous êtes prêt. Exemple d'invite : ``` Start converting the AdventureWorks.dbo schema but don't wait for it to finish. I'll ask you to check the status later. ``` Puis plus tard : ``` Check if the dbo schema conversion is complete. ``` ------ #### [ /btw command ] Cette approche est disponible dans Claude Code et dans d'autres agents qui prennent en charge les messages d'arrière-plan. Entrez `/btw` puis votre question pour envoyer un message secondaire sans interrompre la tâche en cours de l'agent. L'agent traite votre question en arrière-plan tout en poursuivant le sondage pour y répondre. Exemple : ``` /btw What action items typically appear for stored procedures? ``` ------ #### [ Subagents ] Cette approche est disponible pour les agents qui prennent en charge les sous-agents de base, tels que Claude Code. Demandez à l'agent d'exécuter l'opération dans un sous-agent en arrière-plan. Le sous-agent interroge pour terminer la session tandis que votre session principale reste libre pour les questions et autres travaux. Exemple d'invite : ``` Run the AdventureWorks.dbo schema conversion in a background subagent and let me know when it's done. ``` ------