在人工智能大模型竞争愈发激烈的当下，谷歌生态的技术从业者正积极探寻应对策略。随着OpenAI发布GPT-5.5与DeepSeek推出V4模型，大模型市场已进入白热化阶段。为在这场竞争中脱颖而出，越来越多开发者借助智能体Agent来构建和优化基于谷歌云平台的应用，涵盖从Firebase、Gemini API到BigQuery和Google Kubernetes Engine（GKE）等众多服务。
然而，在开发过程中，一个关键问题逐渐凸显：如何确保模型掌握关于这些技术的准确且最新信息？开发者在实际操作中面临诸多难题，他们需为每个云服务编写适配器，将API调用封装成智能体可调用的工具函数，还要反复调试模型是否正确调用工具、传入正确参数。一旦底层服务API发生变化，所有适配器都得手动更新，这不仅耗费大量精力，还形成了隐性的技术债。
为解决这一问题，谷歌推出了Model Context Protocol（MCP）服务器，让智能体能够连接到可靠的实时信息源。但新的问题也随之而来——“上下文膨胀”（Context Inflation）成为新的挑战。MCP服务器虽能为模型提供即时外部信息，可当智能体大规模使用时，大量上下文信息会不加区分地加载到模型上下文窗口中。这会导致两个严重后果：一是过多信息使模型混乱，降低推理质量，有团队发现智能体每次调用时加载1.5万个tokens的指令，几乎不给实际处理内容留下上下文空间；二是上下文窗口填充会产生Token成本，随着调用量增长，开销会大幅增加。
在此背景下，Agent Skills应运而生。Agent Skills是一种“简单开放的格式，用于赋予智能体新的能力和专业知识”，可理解为针对特定技术或任务的精简、以智能体为中心的文档。其设计哲学是用Markdown编写，保持轻量；按需加载，避免冗余。每份Skill文件可包含参考文档、代码片段和其他资源，智能体仅在需要时加载相关信息，大大降低了上下文信息过载风险。
从技术定位看，Skills具有独特优势。它高于传统提示Prompt，因为可复用且持久；比微调（Fine-tuning）更轻，能以业务逻辑速度迭代；比RAG（检索增强生成）更主动，是主动的专业知识注入；比普通工具（Tools）更丰富，不仅编码了“做什么”，还编码了“怎么做”和“为什么这么做”。
在Google Cloud Next 2026大会上，谷歌正式宣布推出Google官方Agent Skills仓库，这一消息被视为大会最具实用价值的发布之一。该代码库包含十三项技能，涵盖谷歌云核心服务，如AlloyDB、BigQuery、Cloud Run等，帮助智能体理解如何创建、查询和管理云资源，是Agent操作谷歌云基础设施的能力基础。还包含三大架构支柱技能：安全性（Security），让智能体理解云安全最佳实践；可靠性（Reliability），涵盖高可用架构设计等；成本优化（Cost Optimization），指导智能体在架构决策中考虑资源效率与成本控制。这些支柱技能重点在于让智能体理解云系统设计原则与决策逻辑，提升应用质量。仓库还提供三项面向常见任务的流程指南，将日常操作拆解为可执行步骤，让智能体按流程完成工作。
官方Skills仓库解决了开发者的诸多痛点。官方Skills经过针对实际模型的测试和优化，能在Gemini上可靠运行；兼容MCP标准，可跨平台使用，不限于Vertex AI；当底层云API变化时，谷歌会负责更新相应技能，开发者无需自行维护；直接使用开发者已有的GCP凭证，无需编写额外认证代码。在兼容性方面，通过npx skills install github.com/google/skills命令，开发者可将技能安装到多种智能体平台，如Antigravity、Gemini CLI以及Claude Code、Cursor等第三方工具。近期发布的Antigravity平台深度整合了Skills体系，Gemini CLI也原生支持Skills，让开发者可在命令行环境直接调用专业化技能。
以BigQuery技能为例，使用该技能时，代码示例如下：
from google.adk.agents import LlmAgent
from google.skills.gcp import BigQuerySkill, CloudStorageSkill, PubSubSkill
agent = LlmAgent(
name="data_pipeline_agent",
model="gemini-2.5-pro",
tools=[
BigQuerySkill(project_id="my-project", dataset_id="analytics"),
CloudStorageSkill(bucket="my-output-bucket"),
PubSubSkill(topic="pipeline-results"),
]
)
而未使用该技能时，代码则要复杂得多，每个项目可能需写四到十个这样的工具代码，技能库可帮开发者省去这些代码。
事实上，早在谷歌发布官方Agent Skill库之前，谷歌云AI总监、Gemini工程负责人Addy Osmani就在领英宣布开源了一款Agent Skills库，包含为AI编码智能体打造的19项工程技能和7条命令，灵感源自Google最佳实践。该项目地址为https://github.com/addyosmani/agent-skills。Addy Osmani在文章中表示，AI编码智能体虽强大，但若任其自由发挥，会走捷径，更追求“完成”而非“正确”。因此他构建Agent Skills，每项技能编码了资深工程师实际使用的工作流、质量关卡和最佳实践，覆盖完整生命周期，包括定义、规划、构建、验证、审查和交付等环节，且兼容Claude Code、Cursor、Antigravity等智能体。
这两款出自谷歌的Agent Skills代码库各有侧重。Osmani的项目解决“如何正确地构建”问题，是确保智能体编码行为符合专业标准的通用工程纪律框架，适用于任何云平台和软件类型。谷歌官方开源的Agent Skills仓库解决“构建什么以及如何操作”问题，提供针对Google Cloud的具体操作知识。在实际使用中，两者可并存于同一智能体环境，Osmani的技能包规范智能体整体开发行为，Google官方技能库在智能体与Google Cloud服务交互时提供精准操作知识，二者协同构成既遵守工程纪律又掌握专业知识的人工智能“超级员工”。
