1. 基本信息
| 项目 | 内容 | 数据来源 |
|---|---|---|
| 名称 | cloud-monitoring-metric-selection-google-skills（SKILL.md 自述名称：“Metric Selection (Service Query & Local Keyword Filtering)”） | 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/cloud-monitoring-metric-selection | — |
| 许可证 | Apache License 2.0 | GitHub API 实测 |
| GitHub Stars / Forks | 所属仓库 15,245 / 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 2026-07-24 | GitHub commits API 实测 |
| 安装方式 | npx skills add google/skills --skill cloud-monitoring-metric-selection，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
Google Cloud Monitoring 为几乎每个 GCP 服务都定义了大量 metric type（如 Compute Engine、Spanner、BigQuery、Cloud Run、Cloud SQL、Pub/Sub、Cloud Storage 等），命名规则各异，人工翻文档查找费时。本技能让 Agent 自动完成“从服务名到具体可用指标”的检索：
- 实时 API 查询、本地关键词过滤：不依赖静态指标列表，而是通过
list_metric_descriptorsMCP 工具实时拉取目标服务的全部指标描述符，再在 Agent 上下文内按用户意图（如“CPU”“延迟”“扫描字节数”）做关键词匹配，避免返回过期或不适用的指标 - 自动识别服务前缀与项目 ID：从用户给出的资源 URI 或自然语言描述中解析出对应的 GCP 服务前缀（
compute、spanner、storage等），支持一次请求同时查询多个服务 - 分页与限流兜底：内置
nextPageToken循环拉取、超时后自动降低 pageSize 重试、API 报错时先修正过滤语法再重试的排障协议 - MCP 缺失时自动配置：若检测不到所需 MCP 工具，技能会尝试直接向常见配置文件写入
google-cloud-monitoring服务器条目（合并而非覆盖），减少用户手动排查配置的门槛 - 结构化输出：最终按服务分组输出 Markdown 表格，含指标类型、显示名、描述、指标种类、值类型、单位、监控资源类型七个标准字段，可直接用于后续配置告警或仪表盘
3. 适用场景
所属分类：DevOps 与基础设施
适合需要为某个 GCP 资源（如新上线的 Cloud Run 服务、Spanner 实例）快速定位“该配置哪些监控指标”的运维、SRE 与平台工程师，尤其是不熟悉 Cloud Monitoring 数以百计 metric type 命名规则的初中级用户——省去在官方文档里逐个服务翻查指标清单的过程。
4. 跨 Agent 兼容性
技能文件本身通过 npx skills 通用安装器（vercel-labs/skills）分发，该安装器官方 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/ |
四个生态在技能文件安装层面均可用该安装器原生装入对应目录。但本技能运行时依赖一个专属 MCP 服务器（google-cloud-monitoring，指向 monitoring.googleapis.com/mcp）。SKILL.md 内置的“检测缺失并自动写入配置”逻辑，硬编码列出的配置文件路径为 Gemini CLI、Windsurf、Cline 与 Claude 桌面版四处，均未覆盖 Claude Code CLI、Codex、OpenClaw、Hermes Agent 实际使用的 MCP 配置文件位置——四个生态若尚未接入该 MCP 服务器，均需要参照 SKILL.md 给出的 JSON 片段手动添加，而非依赖技能自动完成，故综合判需适配。
5. 推荐理由
Cloud Monitoring 的指标命名空间庞大且分散在数十个服务前缀下，“该看哪个指标”本身就是个需要经验的问题。本技能把“查询—过滤—结构化呈现”这条重复劳动自动化，且覆盖面不局限于单一 GCP 产品（不像同仓库里的 GKE 系列技能只服务 Kubernetes 场景），只要是 Cloud Monitoring 支持的资源都能用同一套流程处理，实用面更广。
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 15,245 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 步骤清晰、含具体请求/响应示例与故障排查协议；需用户自备 GCP 项目并完成认证，且 MCP 服务器目前需手动接入（见第 4 章），故不到满分；子目录最近一次提交为 2026-07-24，维护活跃 |
| 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：无 shell 执行，仅通过 MCP 工具发起只读的 list_metric_descriptors 查询。
② 联网外发：仅与用户自己 GCP 项目下的 Cloud Monitoring API（monitoring.googleapis.com）通信，目标透明；search_web 仅用于故障排查阶段查证公开文档。
③ 凭据处理：MCP 服务器使用标准 google_credentials 鉴权方式，技能本身不额外存储或外传密钥；自动写入 MCP 配置时明确要求“合并而非覆盖”现有文件，避免破坏用户既有配置。
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；写配置文件的行为在文档中公开说明用途，非隐蔽操作。
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 2026-07-24，属近期维护。
7. 跟同类 Skills 相比的优势
| 对比对象 | 定位 | 与本技能的差异 |
|---|---|---|
| VictoriaMetrics 官方技能合集 | 围绕自建 VictoriaMetrics/VictoriaLogs/VictoriaTraces 技术栈的查询、诊断与异常检测技能，通过 curl 直连用户自己部署的端点 | 需要用户自行部署与维护监控后端，换来的是不绑定单一云厂商、可跨环境复用；本技能面向已在使用 GCP 的用户，无需自建基础设施，但仅覆盖 Google Cloud Monitoring 一家 |
| Grafana OSS 官方技能 | 负责 Grafana 仪表盘、数据源、权限的声明式配置，覆盖“从零搭建可观测性看板”的更广链路 | 定位在展示与配置层，需要用户自己知道该接入哪些指标；本技能定位更窄但更前置——专注解决“这个服务到底有哪些指标可选”这一步，两者可结合使用（先用本技能选指标，再用 Grafana 技能编排仪表盘） |
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
该技能隶属 google/skills 仓库 README 中的“Management tools”分类，同分类还包括 GKE 成本分析、GKE 可观测性配置、Cloud Logging 查询语句生成等技能，均围绕 GCP 资源的日常运维展开，可视需要组合安装。
10. 安装使用方式
- 通过安装器：
npx skills add google/skills --skill cloud-monitoring-metric-selection，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/cloud-monitoring-metric-selection/整个目录复制到目标 agent 的 skills 目录下 - 安装后：需先完成 GCP 认证（
gcloud auth application-default login）并确保目标服务已启用 Cloud Monitoring API；若所在 Agent 尚未配置google-cloud-monitoringMCP 服务器，可参照 SKILL.md 中的 JSON 片段手动添加后重启会话；无需额外重启即可在对话中直接触发（如“帮我看看这个 Cloud Run 服务有哪些延迟相关指标”）
11. 注意事项
- 运行依赖专属 MCP 服务器而非纯本地脚本，四大目标生态目前均需按第 4 章说明手动接入该 MCP，无法开箱即用
- 仅覆盖“发现与筛选指标定义”这一步，不涉及创建告警策略、绘制仪表盘等下游动作，需配合其他工具完成闭环
- 需要目标 GCP 服务已启用且账号具备访问权限，否则查询会返回空列表而非报错提示
- 指标数量庞大的服务（如 Compute Engine）分页查询耗时较长，需等待多轮
nextPageToken循环拉取完成