📌 项目地址：google/skills | ⭐ 12,258
颗星 | 🔧 Python | 📜 未标注
这不是一个普通的Python项目
google/skills
仓库里有12258个星标，但它不包含一行可执行的Python代码。里面全是skills/cloud/目录下的Markdown文件。每个文件描述了一个标准操作流程，例如“怎样在BigQuery里执行SQL查询”、“如何部署Cloud
Run服务”。这些文件被设计给AI代理（Agent）读的，不是给人直接运行。
Google把这种方式叫做 Agent
Skills。代理加载这些技能后，就能理解步骤、调用对应的Google
Cloud
API，完成具体任务。换句话说，你用npx skills add google/skills装进去的不是代码库，而是一套“操作说明书”。
安装入口只有一条命令
README给出的安装方法是：
npx skills add google/skills执行后会通过npm的npx工具拉取skills命令行工具，然后从仓库里选择要装的技能。注意：这条命令假设你本地已经有Node环境。仓库本身用Python标注，但安装工具是Node生态。安装完成后，你还需要一个兼容Agent
Skills的运行时才能让这些Markdown起作用——通常是Google
Cloud的Agent
Platform（见agentskills.io）。没有这个运行时，本地的Markdown文件只是文本。
当前有哪些技能
所有技能都放在skills/cloud/下，我按功能分类了一下：
- 数据库与存储：AlloyDB Basics、BigQuery
Basics、Cloud SQL Basics、Firebase Basics - 计算与编排：Cloud Run Basics、Kubernetes Engine
(GKE) Basics - AI平台：Gemini API on Agent Platform、Gemini
Interactions API、Managed Agents API、Skill Registry API - 最佳实践：Well-Architected Framework
六大支柱（安全、可靠性、成本优化、运维卓越、性能优化、可持续性） - 新手教程：Onboarding to Google
Cloud、Authenticating to Google Cloud、Network Observability
每个技能就是一个Markdown文件。例如bigquery-basics.md里会写清楚步骤：先认证，再调用BigQuery
API执行查询，最后处理结果。代理解析这样的描述，相当于得到了一张“怎么做”的蓝图。
和LangChain/OpenAI函数调用的区别
我见过不少人问：这不就是另一种格式的Function
Calling吗？区别有三点：
- 官方维护，更新及时。这些技能由Google工程师编写，直接对应最新的API行为。第三方工具经常因为API变动而报错，这里会跟着GCP版本走。
- 技能本身是可读文档。Markdown文件打开就能看懂，你可以检查、修改甚至提交PR改进。不需要在黑盒的JSON
Schema里调试。 - 安装即用，无胶水代码。传统做法你得为每个API写一个Python/TypeScript函数，然后用框架注册。这里
npx skills add就完事，底层由Agent框架解析Markdown并调用API。
哪里需要注意
- 状态：README写得很清楚“under active
development”。技能内容和安装工具都可能变化，正式GA之前慎用于生产。 - 运行时依赖：没有Agent
Platform或其他兼容环境，这些Markdown文件就是一堆文本。光装技能无法让代理工作。 - 范围：全部技能只覆盖Google
Cloud。如果你的代理需要操作AWS、Azure或自建服务，这个仓库帮不了你。 - 许可证：Apache
2.0，可以复制、修改、再分发。你可以基于这些技能做自己的私有技能集。
我的看法
如果你已经在用Google Cloud并且准备或正在构建AI
Agent，这个仓库是官方给出的“捷径”。它能帮你跳过“为每个API写调用代码”的重复劳动，而且质量有保障。如果不是GCP生态，那它对你没用。建议先看agentskills.io把Agent
Platform跑起来，再用npx skills add装上对应技能试一下。由于项目还在快速迭代，关注GitHub
issue和release变化会更有价值。