1. 基本信息
| 项目 | 内容 | 数据来源 |
|---|---|---|
| 名称 | agent-platform-model-registry-google-skills（SKILL.md 自述名称：“Agent Platform Model Registry Management”） | GitHub 仓库 + SKILL.md |
| 作者/维护者 | Google（官方 google/skills 仓库，Cloud IX 团队具名提交） |
GitHub API |
| 来源链接 | https://github.com/google/skills/tree/main/skills/cloud/agent-platform-model-registry | — |
| 许可证 | Apache License 2.0 | GitHub API 实测 |
| GitHub Stars / Forks | 所属仓库 15,239 / 1,192（整仓库口径——google/skills 是 Google 官方发布的多技能合集，星数不代表单个技能自身热度） |
GitHub API 实测（2026-07-25） |
| 最新版本 | 子目录 2026-05-29 新增、2026-06-24 更新（front matter 结构调整） | GitHub commits API 实测 |
| 安装方式 | npx skills add google/skills --skill agent-platform-model-registry，或手动复制子目录到对应 agent 的 skills 目录 |
官方 README 实测 |
2. 功能介绍与亮点
该技能让 Agent 能直接对话式管理 Google Cloud「Agent Platform」（原 Vertex AI）模型注册表中的机器学习模型及其版本，覆盖模型生命周期管理的完整操作面：
- 模型发现：列出注册表中的全部模型，查看指定模型或某个具体版本的详细元数据
- 模型上传：注册新模型，或为已有模型追加新版本（区分自定义模型与新版本两种场景）
- 元数据更新：修改模型的显示名称、描述、标签等字段
- 模型删除：永久移除模型及其全部版本，并在文档中明确提示需先从所有 Endpoint 解除部署
- 内置三级安全确认协议：只读操作（列出/查看）免确认，可逆变更操作（上传/更新）需要交互式“是/否”确认且确认卡片必须包含完整命令行参数，不可用自然语言复述代替；不可逆的删除操作要求用户输入完整确认短语（如“Yes, delete it”），且必须在任何预检查之前就发起确认
SKILL.md 为单文件结构，未额外拆分 references 文档，内容自成一体、指令边界清晰（如明确说明“不用于模型训练或部署到 Endpoint，那属于其他姊妹技能”），降低了 Agent 误用到相邻技能职责范围的风险。
3. 适用场景
所属分类：元技能与 Agent 增强
适合在 Google Cloud Agent Platform 上训练或托管自有机器学习模型的团队：需要让 Agent 代为查询模型注册表现状、上传新训练出的模型版本、批量整理模型元数据标签，或需要在清理无用模型版本时有一道防止误删的确认机制。
4. 跨 Agent 兼容性
google/skills 仓库通过 npx skills 通用安装器（vercel-labs/skills）分发，该安装器 README 的 Supported Agents 表格逐一列出各 agent 的安装路径：
| Agent | 项目路径 | 全局路径 |
|---|---|---|
| Claude Code | .claude/skills/ |
~/.claude/skills/ |
| Codex | .agents/skills/ |
~/.codex/skills/ |
| OpenClaw | skills/ |
~/.openclaw/skills/ |
| Hermes Agent | .hermes/skills/ |
~/.hermes/skills/ |
四个生态均为原生支持——技能本身是标准 SKILL.md + gcloud CLI 指令，不依赖 Claude Code 专属机制，配合上表安装路径即可在任一生态中使用。
5. 推荐理由
Google 官方出品的模型注册表管理技能，把“上传/更新/删除模型版本”这类原本需要手动查阅 gcloud 文档、拼接命令行参数的操作，变成对话式交互，并为不可逆的删除动作内置了强制确认协议。对于在 Agent Platform 上管理多个模型版本的团队，它省去了记忆 CLI 参数的负担，同时用分级确认机制降低误操作风险。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | 官方 Google Cloud 团队维护，隶属仓库整体 15,239 stars 的官方技能仓库；该数字属整个合集，不代表本技能自身热度——本子目录目前仅有官方内部提交记录，尚无外部社区 issue 或 PR 参与 |
| 可用性 | 8 | 单文件 SKILL.md 结构自成一体，命令示例完整（列出/查看/上传/更新/删除逐一给出 gcloud 命令模板）；需完成 gcloud auth login 与 gcloud auth application-default login 认证并配置项目/区域参数，无强制付费依赖，仅需用户自有 Google Cloud 账号 |
| 安全性 | 9 | 见下方检查清单 |
| 综合 | 8.0 | 三项均值 |
安全检查清单：
① Shell 命令及权限范围：仅调用 gcloud ai models 系列官方 CLI 命令，操作范围明确限定在模型注册表管理，无系统级或注册表之外的危险操作。
② 联网外发：仅与用户自己 Google Cloud 项目下的 Agent Platform API 通信，用于模型的查询/上传/更新/删除，目标单一透明。
③ 凭据处理：标准 gcloud auth application-default login OAuth 流程，凭据由 gcloud 本地凭据库统一管理，脚本本身不硬编码或另行落盘密钥。
④ 可疑指令：通读 SKILL.md 全文，未发现隐藏指令、混淆代码或异常外发；三级安全确认协议是主动的风险控制设计而非可疑迹象。
⑤ 作者信誉：Google 官方仓库，具名 Cloud 团队提交，无造假迹象。
⑥ License：Apache License 2.0，明确清晰。
⑦ 最近维护：子目录最近一次代码提交 2026-06-24，仓库整体持续保持推送更新。
7. 跟同类 Skills 相比的优势
| 对比对象 | 定位 | 与本技能的差异 |
|---|---|---|
| MLflow Model Registry | 开源、可自托管的通用 ML 模型版本管理工具，通过 Web UI 或 Python API 手动操作 | 定位为独立 MLOps 平台组件，需自行部署跟踪服务器并手写 API 调用代码；本技能是对话式 Agent 能力，直接生成并（在确认后）执行 gcloud 命令，无需额外部署基础设施，但强绑定 Google Cloud 生态 |
| Hugging Face Hub 模型版本管理 | 基于 Git 的模型托管与版本控制，面向公开或私有模型仓库的社区化分发 | 侧重模型的托管、分享与下载，版本历史由 Git commit 承载；本技能面向企业内部已部署到 Agent Platform 的模型生命周期管理（上传注册、元数据维护、下线清理），不涉及模型文件的公开托管与分发 |
8. 用户评价
该技能目前在第三方平台尚无具名用户评价，GitHub 仓库层面该子目录也暂无外部开发者提交的 issue 或 PR 讨论。
9. 其他补充
该技能是 google/skills 仓库“Agent Platform”系列的一员，同系列还包含 Prompt 管理、技能注册表管理、评估飞轮、模型部署与端点管理等技能，均围绕 Google Cloud 上的 Agent 全生命周期管理展开，可按需组合安装。
10. 安装使用方式
- 通过安装器：
npx skills add google/skills --skill agent-platform-model-registry，安装器会将技能放入当前 Agent 对应的 skills 目录（见第 4 章路径表） - 手动安装：克隆或下载
google/skills仓库后，将skills/cloud/agent-platform-model-registry/整个目录复制到目标 agent 的 skills 目录下 - 安装后：需先执行
gcloud auth login与gcloud auth application-default login完成认证，并在后续命令中指定--region参数，之后无需重启 Agent 即可在对话中触发本技能（如“帮我列出当前项目下的所有模型”）
11. 注意事项
- 需要一个已启用 Agent Platform（原 Vertex AI）相关 API 的 Google Cloud 项目；个人开发者可用免费试用额度起步，但模型存储与 API 调用可能产生实际费用
- 依赖本地
gcloudCLI 并完成认证配置，未提供纯 Python SDK 路径 - 删除操作前 SKILL.md 明确要求先确认模型未被部署到任何 Endpoint，否则会失败；技能本身不会自动执行前置检查
- 技能强绑定 Google Agent Platform 的资源模型，若团队使用其他云厂商或自建的模型注册中心，需要额外适配后才能复用