1. 基本信息
| 项目 | 内容 | 数据来源 |
|---|---|---|
| 名称 | agent-platform-deploy-google-skills（SKILL.md 自述名称：“Agent Platform Model Garden Deploy Skill”） | GitHub 仓库 + SKILL.md |
| 作者/维护者 | Google（官方 google/skills 仓库） |
GitHub API |
| 来源链接 | https://github.com/google/skills/tree/main/skills/cloud/agent-platform-deploy | — |
| 许可证 | Apache License 2.0 | GitHub API 实测 |
| GitHub Stars / Forks | 所属仓库 15,243 / 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（2026-07-26） |
| 最新版本 | 无独立版本号，子目录最近一次提交 2026-06-24 | GitHub commits API 实测 |
| 安装方式 | npx skills add google/skills --skill agent-platform-deploy，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
该技能教 Agent 在 Google Cloud Agent Platform（Model Garden）上完成开源模型与自定义权重模型“部署到端点”的完整生命周期管理：
- 部署全流程覆盖：从查询可部署模型列表、查看某型号支持的机型/加速器配置，到部署官方 Model Garden 模型（如 Gemma 3）或用户自有的自定义权重（GCS 路径），均给出可直接运行的完整 bash 脚本
- 三级安全确认体系（Tier R / M / D）：只读命令（list、describe）免确认可直接执行；部署、卸载等可逆变更（Tier M）必须先展示命令再等待用户确认；删除端点/模型等不可逆操作（Tier D）要求用户明确打字确认（如“I confirm”），把确认强度与操作风险等级绑定，而非一刀切
- 成本前置提醒：部署前必须引用官方定价页估算费用、明确告知这是“标价”可能与实际账单有出入，取得用户明确同意后才执行部署命令
- 端点验证与清理闭环：部署后通过获取专属 DNS 并发起真实 curl 请求验证服务可用性；提供完整的“卸载模型 → 删除端点 → 删除模型”清理脚本，并提醒忘记清理会持续产生计费
- 配额故障排障：针对 QUOTA_EXCEEDED / RESOURCE_EXHAUSTED 报错给出诊断思路与更换机型/区域的重试建议，切换配置后要求重新计算成本
- 1P Tuned Model 跨项目迁移：附带专门参考文档，处理把已调优模型从源项目复制到目标区域/项目并部署到新端点的场景
3. 适用场景
所属分类：元技能与 Agent 增强
适合已经或计划在 Google Cloud Agent Platform 上把开源模型（Llama、Gemma 等）或自有调优权重部署为在线推理端点的开发者与 MLOps 人员，尤其是需要频繁“部署—测试—清理”循环、或担心误删除生产端点/模型的团队，可以让 Agent 按分级确认机制安全地代为操作。
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 + bash 示例脚本，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。另据 Agent Skills 规范官网（agentskills.io）的客户端列表，Claude Code 与 OpenAI Codex 均被明确列为该规范的官方支持客户端。
5. 推荐理由
模型部署到端点是一件步骤繁琐、且每一步都可能产生真实云成本或误删生产资源的操作——本技能把“选模型、估成本、部署、验证、清理”整套流程浓缩成对话式指南，其分级确认机制（尤其是删除操作要求打字确认）在这类会产生真实资源变更的技能里是少见的审慎设计，能有效降低误操作代价，也省去开发者反复翻阅 gcloud 文档拼命令的时间。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | 官方 Google 出品，隶属仓库整体 15,243 stars 的官方技能合集；该数字属整个合集，不代表本技能自身热度——本子目录提交记录均来自 Google 内部自动化发布渠道，尚无外部社区 issue 或 PR 参与讨论 |
| 可用性 | 8 | SKILL.md 内嵌完整可运行脚本覆盖部署、状态查询、验证、清理、故障排查全流程，另附 1P 模型迁移参考文档；但需要用户自备 Google Cloud 项目、完成 gcloud 认证，且部署会产生真实计费，属于“步骤清晰但需一定配置”档 |
| 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：仅涉及 gcloud ai 系列标准命令（list/describe/deploy/undeploy-model/delete）及标准认证流程，无越权动作，且按操作风险分三级（只读/可逆变更/不可逆删除）设置不同确认强度。
② 联网外发：仅与用户自己 Google Cloud 项目下的 Agent Platform 端点及 Google Cloud API 通信，验证端点脚本发起的 curl 请求目标也是用户自己创建的端点 DNS，无隐蔽外发。
③ 凭据处理：使用标准 gcloud auth login / application-default login，脚本本身不额外存储或外传密钥；如需 Hugging Face 模型另需用户自备 Token，SKILL.md 明确说明用途。
④ 可疑指令：通读 SKILL.md 全文与附带脚本，未发现隐藏指令、混淆代码或异常外发；对删除等不可逆操作强制要求打字确认，是主动的风险控制设计。
⑤ 作者信誉：Google 官方仓库出品，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（2026-07-24 仍有提交）。
7. 跟同类 Skills 相比的优势
| 对比对象 | 定位 | 与本技能的差异 |
|---|---|---|
| BentoML | 开源模型服务框架，把模型打包成可移植的服务制品，可部署到任意云或自建 Kubernetes 集群，不绑定特定云厂商 | 需要用户自行搭建并维护服务基础设施；本技能不产出可移植制品，但省去自建服务框架的工程投入，在已有 Google Cloud 项目内一条 gcloud 命令即可调用 Model Garden 的托管部署能力 |
| Hugging Face Inference Endpoints | 托管型模型部署服务，针对 Hugging Face Hub 上的模型一键创建专属推理端点，按小时计费 | 资源托管在 Hugging Face 自己的基础设施上，与用户既有云环境相对独立；本技能部署的资源留在用户自己的 GCP 项目内，便于与既有的身份、网络、计费与合规体系直接集成 |
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 仓库层面该子目录的两条历史提交记录均来自 Google 内部自动化发布渠道，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，同系列还包含模型推理调用、模型调优、RAG 引擎管理、技能注册表管理等技能，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-deploy，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-deploy/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；部署前可先执行gcloud ai model-garden models list确认目标模型可用；无需重启 Agent，即可在对话中直接触发（如“帮我把 Gemma 3 部署到 Model Garden 端点”）
11. 注意事项
- 仅覆盖 Model Garden 开源模型/自定义权重部署到端点，不涉及模型调优（另有 agent-platform-tuning 技能）或公开 Vertex AI 标准部署（SKILL.md 注明该场景由另一个 vertex-deploy 技能覆盖）
- 部署并保留端点会产生真实 Google Cloud 计费，即使不主动发起推理请求也会持续扣费，务必记得执行清理流程
- 大模型部署可能耗时 15–20 分钟，需要轮询等待而非立即判断部署失败
- 技能强绑定 Google Cloud Agent Platform 的 gcloud CLI 与 IAM 权限体系，迁移到其他云厂商需额外适配