📰 概要

写AI Agent最烦人的不是调模型，而是给Agent写工具适配器。 一个Agent要对接BigQuery、GKE、Firebase，每个都得手写API封装。

2026年4月30日，谷歌在Cloud Next 2026上开源了Agent Skills仓库。 它是一套用Markdown写的轻量级技能包，每个描述一个云服务怎么用。 Agent按需加载，不加载一堆不相干的上下文。

目前包含13项核心云服务技能和三大架构技能，兼容MCP标准。 Vertex AI、Gemini CLI、Claude Code、Cursor都能直接用。

---

🔍 解读

Agent Skills解决的核心问题，叫「上下文膨胀」。

常规做法是把每个服务的API用法写进Prompt，每次调用加载大量指令。 实际要处理的内容反而没空间了，Token成本也随之增长。 Skills的思路是按需加载：Agent需要操作BigQuery才加载BigQuery的技能包，其他的不碰。

对比传统做法，以前每个项目要写四到十个工具适配器。 现在三行Python代码就能让Agent理解BigQuery怎么用。 而且谷歌会负责更新维护，底层API变了也不用你改代码。

---

💎 深挖

这不只是一个工具包，而是一种思路转变。

过去让Agent理解一个服务，靠Prompt工程师写提示词。 后来有了MCP协议，让Agent能实时查文档，但会把大量上下文塞给模型造成信息过载。

Skills在Prompt和MCP之间找到了平衡点。 比Prompt更系统——可复用的知识包，不是一次性提示词。 比MCP更精准——只加载当前需要的技能。 比微调更轻量——Markdown就能写，不用重新训练模型。

仓库目前13项云服务技能：AlloyDB、BigQuery、Cloud Run、Cloud SQL、Firebase、Gemini API、GKE等。 三大架构技能：安全性、可靠性、成本优化。 每个Skill都经过谷歌在Gemini上的实测验证。

除了官方仓库，谷歌云AI总监Addy Osmani也开源了个人版Agent Skills，目前2.4万star。 他的项目侧重工程规范：任务规划、增量构建、测试验证、代码审查。 官方管「怎么操作云服务」，Osmani的管「怎么写好代码」，两者可以混用。

什么情况不建议用？如果你的Agent只跟自家内部系统交互，用不上这个。 另外目前Skills主要针对Google Cloud，用AWS和Azure的暂时用不了。 但它基于MCP标准，理论上其他云厂商也可以做类似的技能包。

对开发者的启发：如果你在Agent里接了Google Cloud服务，去github.com/google/skills看看。 装一个技能包一行命令：npx skills install。 省掉自己写适配器的时间，把精力放在业务逻辑上。