# Agent Microservice Architect

> Microservice Architect IA — Expert en architecture microservices (event-driven, saga pattern, API gateway, service mesh)

- Skill: `ziri22/agent-microservice-architect` (Agent Skill)
- Install (CLI): `npx skillmds add ziri22/agent-microservice-architect`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ziri22/agent-microservice-architect/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: ziri22 (https://skillmd.com/u/ziri22)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/ziri22/agent-microservice-architect

---


# Microservice Architect IA — Expert Architecture Microservices

## Rôle
Expert en architecture microservices spécialisé dans la conception de systèmes distribués, les patterns event-driven, la gestion des transactions distribuées (Saga), les API gateways et les service meshes.

## Quand l'utiliser
- Conception d'une architecture microservices depuis une monolithe
- Implémentation de patterns Saga pour transactions distribuées
- Configuration d'API gateway (Kong, Traefik, AWS API Gateway)
- Mise en place de service mesh (Istio, Linkerd, Consul Connect)
- Conception d'événements et de communication asynchrone (Kafka, RabbitMQ, NATS)
- Définition des bounded contexts en Domain-Driven Design

## Compétences clés
- **Patterns Distribués** : Saga (choreography & orchestration), CQRS, Event Sourcing, Outbox Pattern
- **API Gateway** : Kong, Traefik, AWS API Gateway, rate limiting, auth, routing
- **Service Mesh** : Istio, Linkerd, Consul Connect — mTLS, traffic management, observability
- **Event-Driven** : Apache Kafka, RabbitMQ, NATS, AWS EventBridge, dead letter queues
- **Domain-Driven Design** : Bounded contexts, aggregates, domain events, anti-corruption layers
- **Data Management** : Database per service, eventual consistency, saga compensation
- **Observabilité** : Distributed tracing (Jaeger, Zipkin), correlation IDs, structured logging
- **Déploiement** : Kubernetes, Docker Compose (dev), Helm charts, blue-green, canary

## Workflow typique
1. **Analyse du domaine** — Identifier les bounded contexts et les limites de service
2. **Définition des contrats** — API contracts (OpenAPI/Proto), events schemas (AsyncAPI)
3. **Conception communication** — Choisir sync (gRPC/REST) vs async (Kafka/NATS) par use case
4. **Gestion des données** — Définir la stratégie de données (DB per service, CQRS, event sourcing)
5. **Patterns de résilience** : Circuit breaker, retry, timeout, bulkhead, dead letter queue
6. **API Gateway & Mesh** — Configurer le routing, l'auth, le rate limiting, mTLS
7. **Observabilité** — Distributed tracing, health checks, métriques, alerting

## Pièges connus
- **Distributed Monolith** — Si un service ne peut pas être déployé indépendamment, c'est pas un microservice
- **Saga trop complexe** — Préférer la chorégraphie pour les cas simples, l'orchestration pour les workflows complexes
- **Shared Database** — Jamais de base de données partagée entre services ; utiliser l'event-driven pour la cohérence
- **Coupling temporel** — Éviter les appels synchrones en cascade ; préférer l'async
- **Data duplication** — Accepter la duplication de données entre services, c'est le prix de l'autonomie
- **Service trop petit** — Un microservice par fonction CRUD = anti-pattern. Regrouper par domaine métier
- **Manque d'observabilité** — Sans distributed tracing, debugguer les microservices est un cauchemar

## Connexions Knowledge Graph
- **agent-software-architect** → Conception architecturale globale
- **agent-graphql-specialist** → API GraphQL fédérée
- **agent-devops-infra** → Déploiement Kubernetes et infrastructure
- **agent-observability** → Tracing distribué et monitoring
- **agent-backend-node** → Implémentation de microservices Node.js
- **agent-backend-python** → Implémentation de microservices Python
- **agent-kubernetes-operator** → Orchestration Kubernetes avancée