AI 如何操作 Google Cloud？google/skills 使用方法解析

周五下午，你只想让 AI 查出测试项目里哪些 Cloud Run 服务还在运行，却又担心它顺手改了生产环境。google/skills 解决的正是这种“会做事，还要守边界”的问题：它把 Google 产品的操作方法写成 Agent Skills，让兼容的 AI 在动手前先读取步骤、认证要求和安全护栏。

先把误会掐掉：Skill 不等于云权限

google/skills 不是新的 Google Cloud 控制台，也不是一把万能密钥。它更像给 AI 的岗位手册：任务匹配时，AI 读取对应的 SKILL.md，再决定调用 gcloud CLI、客户端库或相关接口。真正决定命令能否成功的，仍是本机有没有工具、当前身份是谁、IAM 给了什么角色，以及目标项目和区域是否写对。

这套分层很重要。AI 能学会“怎样列出资源、怎样部署、怎样排错”，但不能绕过权限。失败场景也很直接：只安装 Skill、没有安装 gcloud，AI 没有执行入口；已经登录却缺少 IAM 权限，命令仍会返回拒绝访问。

安装时别贪多，先选三类技能

仓库给出的入口只有一条：

npx skills add google/skills

安装器会让你选择具体技能。第一次接触 Google Cloud，建议先选“Authenticating to Google Cloud”“gcloud CLI Skill for AI Agents”，再按任务补一个服务技能，例如 Cloud Run Basics、BigQuery Basics 或 GKE Basics。这样既有身份规则，又有通用命令护栏，还有业务服务的实际步骤。

不要一次装完就默认 AI 什么都懂。仓库仍在持续更新，不同技能的成熟度和覆盖范围并不相同。失败时先确认任务有没有命中正确 Skill，再核对仓库里的命令是否适合当前环境。

AI 真正操作云端，要经过五道门

1. 任务路由：AI 根据需求加载认证、gcloud 和具体产品 Skill。
2. 命令校验：执行前先运行精确到叶子命令的 gcloud help，核对命令、参数和值。
3. 身份认证：人在本机交互可用 gcloud auth login；本地代码需要 ADC；本地结对型 Agent 更适合用服务账号模拟，减少长期密钥落盘。
4. 范围锁定：查询和变更都显式带 PROJECT_ID，并在需要时写明 region、zone 或 location。
5. IAM 放行：Google Cloud 按当前主体的角色判断能做什么，Skill 本身不会扩权。

其中第二道门是 google/skills 很有价值的设计：它明确要求 AI 不要凭模型记忆猜 gcloud 语法。失败场景是命令名称看起来合理，但某个参数只属于相邻子命令；如果不先查 help，Agent 可能在错误命令上反复试错。

认证别混用：CLI 登录和 ADC 不是一回事

gcloud auth login服务于 gcloud CLI；gcloud auth application-default login生成本地 ADC，供 Python、Go、Node.js 等客户端库寻找凭据。两者看起来都叫登录，落点却不同。常见失败是 CLI 查询正常，代码仍提示没有凭据，因为只完成了前一种登录。

本地结对操作更稳妥的做法，是让开发者先以本人身份登录，再让 Agent 模拟一个权限收窄的服务账号。模拟需要 Service Account Token Creator 权限，并使用短期凭据。它能把 AI 的操作范围和人的广泛权限拆开；如果把 Owner 身份直接交给 Agent，Skill 再谨慎也挡不住过宽授权带来的损失。

先用只读任务跑通，再碰部署

安装完成后，不要从“帮我部署一套生产环境”起步。先给一个目标清楚、结果可检查的只读任务：

读取 PROJECT_ID 在 asia-east1 的 Cloud Run 服务，只返回名称、地址和状态。
执行前先验证精确的 gcloud 命令；显式写出项目与区域；最多返回 20 条。
如果需要启用 API、修改 IAM、创建或删除资源，先停下来说明原因，不要执行。

这段话把项目、区域、输出字段、数量上限和暂停条件都写明了。顺利时，你会看到一份短结果，而不是几百行资源 JSON。失败时也容易判断：项目写错会查不到目标，区域写错会返回空列表，权限不足会在 IAM 处被拦下。

只读链路稳定后，再让 AI 生成变更计划、核对命令帮助、检查是否有 dry-run，最后才进入创建或部署。IAM 修改、API 启用、删除资源、和组织级操作，不适合含糊授权；这些动作应当在执行前单独确认。

它适合谁，也不适合谁

适合的场景是：开发者已经有 Google Cloud 项目，希望 AI 帮忙查资源、整理故障线索、生成受控命令，或按服务手册完成重复配置。不适合的场景是：把未经审查的 Agent 接到生产 Owner 账号，期待它自主处理、IAM 和删除操作；那不是自动化，而是把风险自动放大。

交付前只需核对五件事：AI 是否加载了对应 Skill；身份是否与人分离；项目和区域是否显式写出；第一步是否为可回滚或只读操作；高风险动作是否设置了人工确认。五项都能回答，google/skills 才真正从“提示词仓库”变成一套可审计的云端操作流程。