skills

图1：Google Agent Skills 官方标识

想象一下，你是一家企业的 AI 工程师，需要让 AI 助手能够操作 BigQuery 查询数据、控制 Cloud Run 部署服务、管理 Gemini 模型调用——但每次都要从头写一堆 API 调用代码，效率极低。Google Agent Skills 正是为解决这个痛点而生：它为 AI Agent 提供了一套"技能包"，让 AI 能够标准化地调用 Google Cloud 全系列产品。

这个项目是什么？

Google Agent Skills 是 Google 官方发布的开源技能库（Skill Library），托管在 GitHub，由 Google Cloud 团队维护。它本质上是一套 Markdown 格式的指令模板（SKILL.md），每个文件描述一个 Google 产品的 AI 调用模式，包括认证方式、API 用法、代码示例和最佳实践。

背景：Google 的 AI Agent 战略布局

这个项目诞生于 2026 年 3 月，是 Google 在 AI Agent 领域的重要战略产品。随着 Claude、ChatGPT 等大模型能力的提升，业界共识是：AI Agent（AI 智能体）将成为下一代人机交互的核心形态。而 Agent 能否真正落地，关键在于它能否"使用工具"——也就是调用外部 API 和服务。

Google 敏锐地捕捉到了这一点。skills.sh 是 Google 推出的统一安装平台，Agent Skills 则是其内容支撑。项目由 Google Cloud 官方背书，覆盖 Gemini API、Vertex AI（现 Agent Platform）、BigQuery、Cloud Run、Firebase、GKE 等 20+ 主流 Google Cloud 产品。这意味着：如果你在构建企业级 AI 应用，使用这些 Skill 可以让 AI 助手快速具备调用 Google 生态的能力，而无需从零编写集成代码。

核心功能：覆盖 Google Cloud 全栈

1. Gemini API 全栈支持

这是整个技能库的核心亮点。Gemini API Skill 覆盖了 Google 最新的大模型 API，不仅包含标准的文本生成、对话、摘要等功能，还覆盖了：

• Function Calling：让模型调用外部函数，实现真正的工具使用
• 多模态理解：处理图像、音频、视频和 PDF 文档
• Live Realtime API：低延迟双向流，支持语音和视频交互
• 上下文缓存（Context Caching）：对大文档场景（如代码库分析）极大降本增效
• 批量预测（Batch Prediction）：处理海量异步数据集预测任务

更值得注意的是，Google 明确指定了统一 SDK 策略：必须使用 google-genai（Python）或 @google/genai（JS/TS）等新 SDK，不再推荐老旧的 google-cloud-aiplatform 或 @google-cloud/vertexai。这是一个重大迁移信号，反映了 Google 对其 AI SDK 架构的全面升级。

2. Google Cloud 产品矩阵

skills/cloud/ 目录下包含 24 个子模块，基本覆盖了企业常用的 Google Cloud 服务：

3. 架构框架（WAF）

Google Cloud Well-Architected Framework 的 6 个维度都有对应的 Skill：安全（Security）、可靠性（Reliability）、成本优化（Cost Optimization）、运营卓越（Operational Excellence）、性能优化（Performance）、可持续性（Sustainability）。这是 Google 官方工程实践的精华沉淀，对于想系统学习 Google Cloud 架构最佳实践的开发者来说是不可多得的资源。

如何使用：一条命令搞定安装

上手非常简单，支持两种方式：

方式一（推荐）：npx 一键安装

npx skills add google/skills

运行后会交互式提示选择具体要安装哪些 Skill。

方式二：通过 skills.sh 安装

curl -sL https://skills.sh/google/skills | bash

安装后，每个 Skill 以独立的 Markdown 文件存在，包含完整的指令模板、代码示例和参考文档。AI Agent 在执行任务时，会根据 Skill 的描述自动选择合适的调用方式。

值得注意的是，当前版本不接收外部 Pull Request——所有 Skill 必须经过 Google 内部团队验证才能合并。这确保了技术准确性，但也在一定程度上限制了社区贡献速度。官方鼓励的方式是 Fork 后个性化定制。

技术架构：Markdown 即技能

项目的技术实现极为轻量：

• 内容格式：纯 Markdown（SKILL.md），前端matter 包含 name、description、compatibility 字段
• 安装机制：Node.js CLI 工具（skills.sh/npx），无需服务器端组件
• 依赖管理：零后端依赖，纯前端内容分发
• 版本控制：GitHub 原生版本管理，支持分支和历史
• 内容结构：每个 Skill 下包含 SKILL.md（主指令）和 references/（参考资料）

这种"Markdown 即技能"的理念是项目的核心创新——它将 AI 指令模板文本化，使得 Skill 的编写、审查、版本管理都与普通代码无异，降低了维护门槛。

局限与争议

1. 非开源协作模式：Google 明确表示不接收外部 PR，只接受 Issue 反馈。这虽然保证了质量，但社区无法直接参与建设，可能导致更新速度跟不上产品迭代。

2. Skill 数量有限：目前 24 个 Cloud 技能，覆盖面虽广但深度有限。每个 Skill 只提供"入门级"指南，复杂场景仍需查阅官方文档。

3. 与 Vertex AI 的命名混乱：官方明确指出 Agent Platform（原 Vertex AI）的命名迁移仍在进行中，旧文档和 SDK 命名大量存在，开发者容易混淆。

4. Skill 格式标准封闭：虽然 SKILL.md 格式是开放的，但完整的 Agent 解析和执行框架由 Google 私有实现，Skill 的最终运行效果依赖 Google 的 Agent Platform。

行业意义：Google Agent 生态的关键拼图

Google Agent Skills 的出现，标志着 AI Agent 工具生态进入了"平台标准化"阶段。以 Claude Code、Cursor、Cline 为代表的 AI 编程工具已经证明，AI Agent 能否高效工作，关键在于它有多少"技能"支撑。Google 推出官方 Skill 库，本质上是在建立 Google Cloud 服务的 AI Agent 调用标准。

从增长数据看，该项目上线仅 2 个月（2026年3月31日至今）就获得了超过 10,000 颗 Stars，增长速度极快，反映了开发者对 AI Agent 工具生态的高度关注。这也是 Google Cloud 吸引 AI 原生应用开发者的重要手段——通过降低 AI 与 Google 生态的集成门槛，间接拉动 Google Cloud 的使用量。

可以预见，随着更多企业级 AI 应用落地，类似 Google Agent Skills 的"工具技能库"将成为各大云厂商的标配。