Google 官方 Agent Skills 仓库解读AI Agent 时代知识正在从「提示词」变成「可安装能力包」TL;DR场景Google 官方在 GitHub 开源了google/skills仓库把面向 Google Cloud、Gemini API、BigQuery、Cloud Run、GKE、认证、网络可观测性、Well-Architected Framework 的工程知识封装成 Agent 可发现、按需加载、版本化管理的能力包。结论google/skills不是 SDK、不是 MCP Server也不是普通 prompt 仓库而是「Agent 时代的可执行 SOP」。它的真正价值是示范了一种把团队经验沉淀为 Agent 可执行资产的新范式。产出解读仓库的四类能力产品 Skills / Gemini Agent Platform / Recipe / Well-Architected拆解gemini-api、cloud-run-basics、gke-basics、authentication等典型 skill 的写法给出 7 条可借鉴的写 skill 原则与 1 张错误速查卡。版本矩阵功能 / 工具状态说明google/skills仓库定位Agent Skills 集合✅ 已验证GitHub 仓库 https://github.com/google/skillsApache 2.0 协议非 SDK、非 MCP Server、非 prompt 仓库安装方式npx skills add google/skills✅ 已验证README 官方安装命令可选择性安装子 skill仓库组织skills/cloud/目录✅ 已验证2026-06-11 仓库 68 commits主分支 mainGemini API 统一 Gen AI SDKPythongoogle-genai✅ 已验证gemini-api skill 明确推荐的当前 SDKGemini API 统一 Gen AI SDKJS/TSgoogle/genai✅ 已验证gemini-api skill 明确推荐Gemini API 统一 Gen AI SDKGogoogle.golang.org/genai✅ 已验证gemini-api skill 明确推荐Gemini API 统一 Gen AI SDKJavacom.google.genai:google-genai✅ 已验证gemini-api skill 明确推荐Gemini API 统一 Gen AI SDKC#Google.GenAI✅ 已验证gemini-api skill 明确推荐Cloud Run 资源类型Services / Jobs / Worker pools✅ 已验证cloud-run-basics skill 中分别说明适用场景Cloud Run 硬规则监听0.0.0.0、使用$PORT✅ 已验证cloud-run-basics skill 中标注的部署前置条件GKE skill 主文件路由 references 拆分✅ 已验证gke-basics skill 采用「主 SKILL.md 判定任务 按需加载 networking/security/scaling 等 reference」结构认证 skill 场景判断本地 / CLI / 生产✅ 已验证authentication skill 强制 Agent 先判断运行位置再选择 ADC / Workload Identity / 凭据模拟Well-Architected Framework 六大支柱 skill✅ 已验证安全、可靠性、成本优化、性能、运营卓越、可持续性Recipe 类 skill认证、Onboarding、网络可观测性✅ 已验证跨产品流程型 skill不绑定单一云产品Apache 2.0 开源协议、可 fork / remix✅ 已验证README License 字段明确仓库状态active development✅ 已验证README 注明目录、安装方式、skill 内容、兼容工具均可能持续变化外部 PR / 代码贡献通道✅ 已验证CONTRIBUTING.md 表明 Google 当前不接受外部代码贡献可提 issue / feature request / forkSkill 内置脚本/凭据访问的供应链风险⚠️ 待验证第三方 skill 需要逐个审查来源与权限范围Skill 内容与最新产品文档同步⚠️ 待验证skill 仍可能滞后于官方文档高变化 API 需配合 MCP / 官方文档核验文章正文摘要Google 开源的google/skills不是 SDK、不是 MCP Server也不是普通 prompt 仓库而是一组面向 Google Cloud、Gemini API、BigQuery、Cloud Run、GKE、认证、网络可观测性和 Well-Architected Framework 的 Agent Skills。它的核心意义是把工程知识沉淀为 Agent 可以发现、按需加载、版本化管理的能力包。对开发者来说这个仓库不只适合使用 Google 技术栈时减少 AI 幻觉也提供了一套「如何把团队经验写成 Agent 可执行资产」的参考。TL;DRgoogle/skills 到底是什么一句话说google/skills是 Google 官方维护的 Agent Skills 集合用来让 AI Agent 在处理 Google 产品和技术任务时按需加载更准确的工程知识和操作流程。它不是传统 SDK不提供一组运行时代码 API。它不是 MCP Server不负责实时连接外部工具或数据源。它也不是普通 prompt 仓库不是让用户复制一大段提示词再丢给模型。它更像「工程知识包」一个 skill 通常是一个目录核心文件是SKILL.md里面写清楚这个 skill 是什么、什么时候用、该怎么做、哪些做法不要用、需要参考哪些资料。复杂 skill 还可以带references/、scripts/、assets/等资源。这个项目背后的趋势很清楚AI Agent 的能力边界正在从「模型本身有多强」转向「模型能不能在正确时间加载正确知识并按照正确流程行动」。Agent Skills提示词之后的新抽象Agent Skills 是一种面向 Agent 的开放格式。一个典型目录大概长这样my-skill/ SKILL.md references/ scripts/ assets/其中最关键的是SKILL.md。它通常包含 YAML frontmatter比如name和description以及具体的操作说明。description很重要因为它告诉 Agent这个技能做什么什么时候应该使用。Agent 启动时不一定读取所有 skill 全文而是先看到名称和描述当用户任务命中某个 skill 时再加载完整说明必要时继续读取 references、scripts 或 assets。这叫渐进式披露也就是按需加载。这解决了一个非常现实的问题上下文窗口再大也不适合无限塞文档。把一个云产品的官方文档、最佳实践、CLI 命令、权限说明、安全注意事项全部塞进上下文不仅浪费 token也会让模型注意力分散。Skill 的思路是把稳定、重复、容易踩坑、适合任务执行的知识压缩成可索引、可安装、可版本管理的模块。普通提示词偏「表达」Skill 偏「能力」。普通提示词依赖复制粘贴Skill 可以安装到用户级、工作区级或全局目录。普通提示词很难审查和复用Skill 可以放进 Git走 review、diff、回滚和版本管理。这就是它真正值得关注的地方。为什么 Google 要做 google/skills因为现代软件工程变化太快而模型知识天然有截止日期。SDK 会升级API 会变产品命名会变权限模型会变安全建议会变部署命令也会变。模型越擅长写代码过时知识带来的风险就越大它可能生成看起来合理、实际上已经不推荐或不能运行的代码。以 Gemini API 为例Google 的 skill 明确推荐使用统一的 Gen AI SDKPythongoogle-genaiJavaScript / TypeScriptgoogle/genaiGogoogle.golang.org/genaiJavacom.google.genai:google-genaiC#Google.GenAI同时它会提醒不要继续使用旧 SDK例如google-generativeai、google-cloud/vertexai、google-cloud-aiplatform等旧路径。这类信息对 AI 编程非常关键。用户问「帮我写一个 Gemini API demo」模型如果凭旧记忆写旧 SDK代码可能直接跑不起来。再看 Cloud Run。部署不是只知道「Cloud Run 可以跑容器」就够了。真正部署时Agent 要知道服务应该监听0.0.0.0端口应该使用环境变量$PORT要知道 Cloud Run 有 Services、Jobs、Worker pools要知道 API、IAM、构建、日志排查和启动失败可能的原因。这些都是工程经验不是单纯语言知识。google/skills的价值就是把这些容易过期、容易忘、容易误用的工程知识整理成 Agent 可以按需加载的技能单元。google/skills 的项目结构从当前仓库看google/skills的核心内容集中在skills/cloud/覆盖 Google Cloud 和 Google AI Agent 相关场景。它大致可以分成四类。第一类是具体产品技能例如 BigQuery、Cloud Run、Cloud SQL、Firebase、GKE、AlloyDB。这类 skill 面向具体产品使用帮助 Agent 启用 API、创建资源、运行命令、引用文档和规避常见错误。第二类是 Gemini 与 Agent Platform 技能例如 Gemini API、Gemini Interactions API、Agent Platform 部署、推理、RAG、Prompt 管理、模型注册、调优、Skill Registry 等。这类 skill 更接近 Google 自己的 AI Agent 平台栈。第三类是 recipe 技能例如认证、Onboarding、网络可观测性。它们不绑定单一产品而是绑定跨产品流程。第四类是 Well-Architected Framework 技能例如安全、可靠性、成本优化、性能优化、运营卓越和可持续性。它们让 Agent 不只是执行命令也能参与架构审查。这说明google/skills不是零散 prompt 集合而是围绕 Google Cloud 工程任务做系统拆分。典型 skillGemini APIgemini-api是最值得关注的 skill 之一。它的目标不是简单介绍 Gemini API 能做什么而是让 Agent 走当前推荐的 SDK 和工程路径。它会强调 Gen AI SDK也会标注旧 SDK 和旧命名的风险。这背后有一个关键问题AI 编程最容易错在「写法看起来熟但版本已经旧」。如果没有 skill模型可能从训练语料里抽到旧包名、旧初始化方式、旧示例。用户复制后发现依赖装不上、方法不存在、认证方式不对。Gemini API skill 的作用是把 Agent 拉回当前推荐路径。这说明 Skill 不只是知识补充而是在设置工程边界应该用什么不应该用什么遇到不确定信息查哪里哪些概念可能已经改名。典型 skillCloud RunCloud Run skill 展示了部署类任务为什么需要 skill。部署类任务最怕「看起来会实际少关键细节」。一个 Agent 如果只知道 Cloud Run 是 serverless container 平台可能能写介绍却未必能正确部署。Cloud Run skill 会把资源类型拆清楚Services响应 HTTP 请求适合无状态服务。Jobs运行到完成适合批处理、定时或手动任务。Worker pools常驻后台工作负载适合 Kafka consumer、Pub/Sub pull queue、RabbitMQ consumer 等拉取型任务。它还会强调部署前置条件、IAM 权限、gcloud run deploy、gcloud run jobs create、gcloud run worker-pools deploy等命令路径。更有价值的是硬规则容器必须监听0.0.0.0并使用 Cloud Run 注入的$PORT。很多本地服务监听127.0.0.1:8080本地没问题上 Cloud Run 就启动失败。这就是 skill 最适合沉淀的东西小但致命的工程经验。典型 skillGKE 与认证GKE skill 体现了另一种成熟写法主文件做路由复杂内容拆到 references。GKE 涉及 Kubernetes、Autopilot、Standard、网络、安全、Workload Identity、RBAC、扩缩容、GPU/TPU 推理、多租户、备份、Terraform、升级和生产审计。如果把所有内容塞进一个SKILL.md会非常臃肿。更合理的方式是主SKILL.md判断任务类型然后按需加载 networking、security、scaling、observability、cost、terraform、production readiness 等 reference。这对我们自己写团队 skills 很有启发主文件不应该变成大百科而应该成为任务路由入口。认证 skill 也很典型。很多 Agent 一遇到云认证就会建议下载 service account key。这个方案能跑但不一定安全也不一定推荐。Google Cloud 认证问题要先判断谁在认证代码运行在哪里目标是什么是本地开发、CLI 管理还是生产服务是否可以使用 Application Default Credentials、Workload Identity、metadata server、service account impersonation 或 workload identity federation这类 skill 的价值不是直接给一个命令而是让 Agent 先做场景判断避免给出能跑但不安全的答案。Agent Skills 和 MCP 的关系很多人看到 Agent Skills会想到 MCP。两者并不冲突。MCP 更像工具和上下文协议擅长连接外部工具、数据源、文档检索、API、数据库、文件系统。Skill 更像任务知识包擅长提供压缩后的领域知识、操作流程、最佳实践、边界条件和任务分流规则。可以这样理解MCP 负责「查」。Skill 负责「会」。MCP 负责连接外部世界。Skill 负责告诉 Agent 应该怎样使用这些连接。只靠模型知识会过期。只靠 MCP检索会膨胀。只靠 prompt维护会混乱。Skill MCP Agent runtime才更接近可持续工程方案。对开发者和团队的意义google/skills对普通开发者的重要性不只在于你是否使用 Google Cloud而在于它展示了一种新的知识组织方式。过去我们沉淀经验通常写博客、文档、wiki、脚本、模板、SOP、README。人可以读但 Agent 不一定能高效使用。Agent 需要更明确的触发条件、更短的上下文、更直接的步骤、更清晰的边界、更少歧义的命令。Skill 本质上就是面向 Agent 的 SOP。个人开发者可以给自己的工作流写 skill例如博客写作、服务器巡检、SEO 发布、Java 后端开发、Kubernetes 排障。团队则可以把开发流程、数据库变更、接口兼容性检查、日志排查、发布前检查、安全审查、性能压测、故障复盘写成 workspace skills并放进 Git 做 review。这会形成一种新的工程资产AI 可执行的团队知识库。google/skills 的局限和风险第一它仍在活跃开发中。仓库 README 明确提示 active development目录、安装方式、技能内容和兼容工具都可能继续变化。第二外部贡献受限。贡献文档显示Google 当前不接受外部 PR 或代码贡献。用户可以提 issue、报告不准确内容、请求新 skill也可以 fork/remix但主仓库不是开放共建模式。第三它主要覆盖 Google 技术栈。如果你主要使用 AWS、Azure、阿里云、自建 Kubernetes它不能直接覆盖全部需求但仍然可以作为写 skill 的参考模板。第四Skill 不是实时文档。它仍然可能过期所以高变化 API 最好结合 MCP、官方文档和当前仓库内容核验。第五Skill 也是供应链依赖。它会影响 Agent 行为甚至可能包含脚本、模板和工具权限。第三方 skill 不能像普通提示词一样随便安装尤其是包含可执行脚本或凭据访问的 skill需要审查来源和内容。如何从 google/skills 学会写自己的 skill可以借鉴几条原则。第一description要写清楚触发条件。Agent 能否正确使用 skill很大程度取决于描述是否准确。第二主文件不要过度膨胀。复杂领域要拆 references让主SKILL.md负责识别任务和分流。第三要写硬规则。例如 Cloud Run 必须监听0.0.0.0和$PORT这类规则最能减少失败。第四要写反模式。比如不要使用旧 SDK不要轻易下载长期 service account key。第五要写排查路径。权限错误看哪里启动失败看哪里日志怎么查依赖错误怎么处理。第六要引用权威资料入口。Skill 不是替代官方文档而是告诉 Agent 何时查、去哪查、怎么查。第七高风险任务要写「先澄清什么」。比如认证、生产部署、安全变更、数据删除都不应该让 Agent 直接行动。最终判断google/skills表面上只是一个 Markdown 仓库但它背后指向的是 AI Agent 工程化的核心问题模型不可能内置所有最新、正确、细粒度的工程知识文档又太长、太散不适合直接塞进上下文实时检索有成本和噪声临时 prompt 难以维护和审查。于是需要一种中间层把专业知识压缩成 Agent 可发现、可加载、可执行、可版本管理的能力包。Agent Skills 就是这个中间层。Google 做google/skills不是为了再造文档站而是为了让 Agent 更可靠地使用 Google 技术栈。它真正传递的信号是AI 编程不会只比谁的模型更强还会比谁的技能库更高质量谁的工作流更结构化谁能把团队知识沉淀成 Agent 可执行资产。从这个角度看google/skills不只是一个项目而是一种新范式的样板AI Agent 时代真正稀缺的不是提示词而是可维护、可验证、可迁移的工程知识。参考来源Google Skills GitHub 仓库https://github.com/google/skillsGemini API skillhttps://github.com/google/skills/tree/main/skills/cloud/gemini-apiCloud Run skillhttps://github.com/google/skills/tree/main/skills/cloud/cloud-run-basicsBigQuery skillhttps://github.com/google/skills/tree/main/skills/cloud/bigquery-basicsGoogle Skills 贡献说明https://github.com/google/skills/blob/main/CONTRIBUTING.md作者武子康的个人博客