APIs
Construction d'APIs : REST, GraphQL, OpenAPI, Apollo, MCP.
| # | Skill | Source | Description | ||
|---|---|---|---|---|---|
| 1 | dataverse-python-advanced-patterns | github/awesome-copilot | Générer du code Python production-ready pour interagir avec l'API Dataverse via son SDK. | 34 530 | |
| 2 | dataverse-python-production-code | github/awesome-copilot | Générer du code Python production-ready pour interagir avec l'API Dataverse. | 34 530 | |
| 3 | dataverse-python-quickstart | github/awesome-copilot | Générer des snippets Python pour le SDK Microsoft Dataverse couvrant CRUD et pagination. | 34 530 | |
| 4 | fastapi-router-py | microsoft/skills | Générer des routers FastAPI structurés avec authentification, modèles et codes HTTP. | 2 493 | |
| 5 | pydantic-models-py | microsoft/skills | Créer des modèles Pydantic structurés suivant le pattern multi-modèles pour API REST. | 2 493 | |
| 6 | cuopt-server-api-python | nvidia/skills | Déployer un serveur cuOpt et l'interroger via REST ou Python. | 1 033 | |
| 7 | document-api-endpoint | getsentry/skills | Documenter et typer un endpoint Sentry avec drf-spectacular en suivant les bonnes pratiques OpenAPI. | 774 | |
| 8 | fhir | mkurman/zorai | Lire, écrire et interroger des données médicales via des API REST FHIR. | 309 | |
| 9 | plaid-finance | mkurman/zorai | Connecter des applications à 12 000+ institutions financières via l'API Plaid. | 309 | |
| 10 | quickgo-database | mkurman/zorai | Interroger la base QuickGO pour mapper des gènes à leurs fonctions biologiques annotées. | 309 | |
| 11 | stripe-payments | mkurman/zorai | Intégrer Stripe en Python pour paiements, abonnements et virements marketplace. | 309 |
À propos de cette sélection
L'endpoint qui marche en dev et plante en prod sur un edge case d'auth : tout développeur backend ou fullstack a vécu ça. Cette section rassemble les **skills apis** qui couvrent les besoins concrets du quotidien, de la conception REST/GraphQL jusqu'à l'orchestration MCP. Tu peux brancher un agent sur un flux OAuth sans réécrire la logique d'auth à la main, ou faire remonter une documentation technique à jour directement dans le contexte d'un LLM. Des orgs comme **Apollo GraphQL** et Shopify poussent des patterns bien établis côté schéma et introspection. L'outillage est mature sur les cas courants, plus fragmenté dès que tu sors des stacks TypeScript mainstream. Profils concernés : backend qui expose des routes, SRE qui automatise des appels inter-services, fullstack JS qui intègre une API tierce sans vouloir lire cent pages de doc.