MCP HubMCP Hub
Retour aux compétences

create-multistage-dockerfile

pjt222
Mis à jour Yesterday
5 vues
17
2
17
Voir sur GitHub
Métaaidesign

À propos

Cette compétence Claude génère des Dockerfiles multi-étapes optimisés qui séparent les environnements de construction et d'exécution pour créer des images de production minimales. Elle est idéale lorsque vos images Docker sont trop volumineuses, contiennent des outils de construction inutiles ou doivent s'exécuter dans des environnements contraints comme les plateformes serverless. La compétence couvre des techniques incluant la copie d'artefacts entre les étapes et l'utilisation d'images de base minimales comme Alpine, Distroless ou scratch.

Installation rapide

Claude Code

Recommandé
Principal
npx skills add pjt222/agent-almanac -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternatif
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/create-multistage-dockerfile

Copiez et collez cette commande dans Claude Code pour installer cette compétence

Documentation

Create Multi-Stage Dockerfile

Build multi-stage Dockerfiles producing minimal production images. Separate build tooling from runtime.

When Use

  • Production images too large (>500MB for compiled languages)
  • Build tools (compilers, dev headers) in final image
  • Need separate images for dev and prod from one Dockerfile
  • Deploying to constrained environments (edge, serverless)

Inputs

  • Required: Existing Dockerfile or project to containerize
  • Required: Language and build system (npm, pip, go build, cargo, maven)
  • Optional: Target runtime base (slim, alpine, distroless, scratch)
  • Optional: Size budget for final image

Steps

Step 1: Identify Build vs Runtime Dependencies

CategoryBuild StageRuntime Stage
Compilersgcc, g++, rustcNot needed
Package managersnpm, pip, cargoSometimes (interpreted langs)
Dev headers-dev packagesNot needed
Source codeFull source treeOnly compiled output
Test frameworksjest, pytestNot needed

Step 2: Structure the Multi-Stage Build

Core pattern: build in fat image, copy artifacts to slim image.

# ---- Build Stage ----
FROM <build-image> AS builder
WORKDIR /src
COPY <dependency-manifest> .
RUN <install-dependencies>
COPY . .
RUN <build-command>

# ---- Runtime Stage ----
FROM <runtime-image>
COPY --from=builder /src/<artifact> /<dest>
EXPOSE <port>
CMD [<entrypoint>]

Step 3: Apply Language-Specific Patterns

Node.js (pruned node_modules)

FROM node:22-bookworm AS builder
WORKDIR /src
COPY package.json package-lock.json ./
RUN npm ci
COPY . .
RUN npm run build && npm prune --omit=dev

FROM node:22-bookworm-slim
RUN groupadd -r app && useradd -r -g app app
WORKDIR /app
COPY --from=builder /src/dist ./dist
COPY --from=builder /src/node_modules ./node_modules
COPY --from=builder /src/package.json .
USER app
EXPOSE 3000
CMD ["node", "dist/index.js"]

Python (virtualenv copy)

FROM python:3.12-bookworm AS builder
WORKDIR /src
RUN python -m venv /opt/venv
ENV PATH="/opt/venv/bin:$PATH"
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt
COPY . .

FROM python:3.12-slim-bookworm
COPY --from=builder /opt/venv /opt/venv
ENV PATH="/opt/venv/bin:$PATH"
WORKDIR /app
COPY --from=builder /src .
RUN groupadd -r app && useradd -r -g app app
USER app
EXPOSE 8000
CMD ["python", "app.py"]

Go (static binary to scratch)

FROM golang:1.23-bookworm AS builder
WORKDIR /src
COPY go.mod go.sum ./
RUN go mod download
COPY . .
RUN CGO_ENABLED=0 GOOS=linux go build -ldflags="-s -w" -o /server ./cmd/server

FROM scratch
COPY --from=builder /etc/ssl/certs/ca-certificates.crt /etc/ssl/certs/
COPY --from=builder /server /server
EXPOSE 8080
ENTRYPOINT ["/server"]

Rust (static musl binary)

FROM rust:1.82-bookworm AS builder
RUN apt-get update && apt-get install -y musl-tools && rm -rf /var/lib/apt/lists/*
RUN rustup target add x86_64-unknown-linux-musl
WORKDIR /src
COPY Cargo.toml Cargo.lock ./
RUN mkdir src && echo "fn main() {}" > src/main.rs \
    && cargo build --release --target x86_64-unknown-linux-musl \
    && rm -rf src
COPY . .
RUN touch src/main.rs && cargo build --release --target x86_64-unknown-linux-musl

FROM scratch
COPY --from=builder /src/target/x86_64-unknown-linux-musl/release/myapp /myapp
EXPOSE 8080
ENTRYPOINT ["/myapp"]

Got: Final image has only runtime and compiled artifacts.

If fail: Check COPY --from=builder paths. Use docker build --target builder to debug build stage.

Step 4: Choose Runtime Base

BaseSizeShellUse Case
scratch0 MBNoStatic Go/Rust binaries
gcr.io/distroless/static~2 MBNoStatic binaries + CA certs
gcr.io/distroless/base~20 MBNoDynamic binaries (libc)
*-slim50-150 MBYesInterpreted languages
alpine~7 MBYesWhen shell access needed

Note: Alpine uses musl libc. Some Python wheels and Node native modules may not work. Prefer -slim (glibc) for interpreted languages.

Step 5: Build Args Across Stages

ARG APP_VERSION=0.0.0

FROM golang:1.23 AS builder
ARG APP_VERSION
RUN go build -ldflags="-X main.version=${APP_VERSION}" -o /server .

FROM gcr.io/distroless/static
COPY --from=builder /server /server
ENTRYPOINT ["/server"]

Build with: docker build --build-arg APP_VERSION=1.2.3 .

Note: ARG before FROM is global. Each stage must re-declare ARG to use it.

Step 6: Compare Image Sizes

# Build both variants
docker build -t myapp:fat --target builder .
docker build -t myapp:slim .

# Compare sizes
docker images --format "table {{.Repository}}\t{{.Tag}}\t{{.Size}}" | grep myapp

Got: Production image 50-90% smaller than build stage.

Checks

  • docker build finishes for all stages
  • Final image has no build tools (compilers, dev headers)
  • docker run works from slim image
  • Image size significantly smaller vs single-stage
  • COPY --from=builder paths right
  • No source code leaks into production image

Pitfalls

  • Missing runtime libraries: Compiled code may need shared libraries (libc, libssl). Test slim image thoroughly.
  • Broken COPY --from paths: Artifact path must match exactly. Use docker build --target builder then docker run --rm builder ls /path to debug.
  • Alpine musl issues: Native Node.js addons and some Python packages fail on Alpine. Use -slim instead.
  • Global ARG scope: ARG declared before FROM is available to FROM lines only. Re-declare inside each stage that needs it.
  • Forgetting CA certificates: scratch has no certificates. Copy /etc/ssl/certs/ca-certificates.crt from builder or use distroless.

See Also

  • create-dockerfile - single-stage general Dockerfiles
  • create-r-dockerfile - R-specific Dockerfiles with rocker images
  • optimize-docker-build-cache - layer caching and BuildKit features
  • setup-compose-stack - compose configurations using multi-stage images

Dépôt GitHub

pjt222/agent-almanac
Chemin: i18n/caveman/skills/create-multistage-dockerfile
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Compétences associées

content-collections

Méta

Cette compétence propose une configuration éprouvée en production pour Content Collections, un outil axé sur TypeScript qui transforme des fichiers Markdown/MDX en collections de données typées de manière sûre avec une validation Zod. Utilisez-la lors de la création de blogs, de sites de documentation ou d'applications Vite + React riches en contenu pour garantir la sécurité de typage et la validation automatique du contenu. Elle couvre tout, de la configuration du plugin Vite et de la compilation MDX à l'optimisation des déploiements et la validation des schémas.

Voir la compétence

polymarket

Méta

Cette compétence permet aux développeurs de créer des applications avec la plateforme de marchés prédictifs Polymarket, incluant l'intégration d'API pour le trading et les données de marché. Elle fournit également une diffusion de données en temps réel via WebSocket pour surveiller les transactions en direct et l'activité du marché. Utilisez-la pour mettre en œuvre des stratégies de trading ou pour créer des outils traitant les mises à jour de marché en direct.

Voir la compétence

creating-opencode-plugins

Méta

Cette compétence aide les développeurs à créer des plugins OpenCode qui s'interconnectent avec plus de 25 types d'événements tels que les commandes, les fichiers et les opérations LSP. Elle fournit la structure du plugin, les spécifications de l'API événementielle et les modèles d'implémentation pour les modules JavaScript/TypeScript. Utilisez-la lorsque vous avez besoin d'intercepter, de surveiller ou d'étendre le cycle de vie de l'assistant IA OpenCode avec une logique personnalisée pilotée par les événements.

Voir la compétence

sglang

Méta

SGLang est un framework de service LLM haute performance spécialisé dans la génération rapide et structurée pour les workflows JSON, regex et agentiques grâce à son cache de préfixe RadixAttention. Il offre une inférence nettement plus rapide, particulièrement pour les tâches avec des préfixes répétés, ce qui le rend idéal pour les sorties complexes et structurées ainsi que les conversations multi-tours. Choisissez SGLang plutôt que des alternatives comme vLLM lorsque vous avez besoin d'un décodage contraint ou que vous construisez des applications avec un partage étendu de préfixes.

Voir la compétence