4月28日消息，谷歌在 Cloud Next 2026 大会上线官方 Agent Skills 仓库 google/skills，首批开放 13 个技能，覆盖 BigQuery、GKE、Firebase、Gemini API 等核心云产品，同步支持 Antigravity、Gemini CLI 及第三方 Agent 通过 npx skills install github.com/google/skills 接入。这是一个值得拆解的信号——Agent Skills 这套格式由 Anthropic 创建并开源，谷歌选择直接采用而非另起炉灶，意味着它正从单一厂商功能滑向行业基础设施。 13 个技能的分布拆开看
首批 13 个技能分成三类切口。第一类是 7 个产品专用技能，对应 AlloyDB、BigQuery、Cloud Run、Cloud SQL、Firebase、Gemini API、GKE，把每款产品的 API 调用、配置规范、常见踩坑沉淀成 Agent 可调用的"工程经验包"。第二类是 3 个 Well-Architected Framework 支柱，分别覆盖安全、可靠性、成本优化，把云架构的最佳实践转译成 Agent 在做技术决策时可以加载的判断依据。第三类是 3 个 "recipe" 配方型技能，聚焦上手引导、身份认证、网络可观测性这三个高频跨产品场景。 谷歌官方明确表示这是开局起点，未来几周和几个月还会持续扩充。配套的还有 google/agents-cli 仓库，把 ADK 框架的脚手架、评估、部署能力打包成 Agent 可调用的 CLI 工具集，与 Skills 仓库形成"知识 + 执行"的组合拳。
进度披露:为什么不直接灌文档
Agent Skills 解决的是一个具体工程问题:Agent 需要专业知识,但塞不进上下文窗口。
谷歌自己已经在跑 MCP 服务器对接开发者文档,这条路走通了准确性,代价是 token 成本飙升、上下文膨胀(community 称为 "context bloat")。模型每次请求都要拉入大量原始文档,模型在文档海里游泳,一致性下降。
Skills 的机制叫 progressive disclosure(渐进披露)。Agent 启动时只加载每个技能的名称和描述——刚好够判断这个技能是否与当前任务相关。命中后才把完整指令拉进上下文,执行时再选择性运行打包的脚本或调用附加文件。完整上下文只在真正需要时才加载,这个设计选择把它和"把整个文档站塞进 system prompt"的粗暴方案区分开。换句话说,MCP 解决了访问层,Skills 补齐了交付层,两者互补。
沿用 Anthropic 开源格式,信号比技术更重要
Agent Skills 格式不是谷歌发明的——它由 Anthropic 设计并开源。Anthropic 自家有官方仓库 anthropics/docx、anthropics/pptx、anthropics/doc-coauthoring,覆盖文档创作、PowerPoint 生成、协作编辑等通用场景,主要服务 Claude.ai 和 Claude Code。 谷歌作为头部云厂商,直接采用 Anthropic 的格式作为自家产品文档的官方交付载体,这件事的含义比技术细节本身更值得关注。一是兼容性——同一份 Skill 文件可以被 Claude Code、Codex、Gemini CLI、Antigravity、Cursor、Copilot 等多家 Agent 通用,开发者不需要为每个 Agent 重写一份;二是话语权迁移——Skills 正在从框架特性变成跨厂商的事实标准,VoltAgent 维护的 awesome-agent-skills 已经聚合了 1000+ 来自 Anthropic、Google Labs、Vercel、Stripe、Cloudflare、Sentry、Hugging Face、Figma 等团队的官方技能。 值得对照的还有 google-gemini/gemini-skills,这是 Gemini 团队针对 API、SDK、Agent 交互单独开的仓库,与 google/skills 形成"母仓库 + 子领域专项"的双层结构。Google Workspace 也有独立的 googleworkspace/gws-shared 等技能,管理 Drive、Sheets、Calendar 等服务。整个谷歌生态在 Skills 这条线上正在密集铺设。
局限和待观察的几个点
这套机制有它没解决的问题。Skills 是纯文本指令,本身不执行代码,真正要落地 API 调用还得搭配 MCP 服务器,所以"Skills 替代 MCP"是误读,更准确的理解是分工。其次,首批 13 个技能集中在 Google Cloud 主力产品,Vertex AI、Document AI、Apigee 这些产品线暂未覆盖;google/skills 仓库自己也标注为"under active development",意味着实际生产环境使用需要承担接口变动风险。
另一个隐忧是质量分化。社区已经出现"AI 批量生成的低质量技能仓库"现象,VoltAgent 在自家 awesome 列表里专门强调"only real-world skills created by actual engineering teams"。当 Skills 成为开放标准后,如何让 Agent 识别哪些技能值得加载、哪些是噪音,会变成下一阶段的挑战——目前进度披露机制依赖描述文本本身的质量,没有更强的信任评级。
对国内开发者来说,谷歌这次发布更直接的信息是:Agent 工程化的标准接口正在成型,以 Anthropic Skills 为格式锚、MCP 为执行层、各家厂商提供官方知识包,这套组合拳很可能是未来一年构建生产级 Agent 的标准技术栈。
AI 速览
