尧图网站建设 
skills Cloud Run MCP 使用指南通过远程 MCP 服务器让 Agent 部署、管理与监控 Serverless 应用【免费下载链接】skillsAgent Skills for Google products and technologies项目地址: https://gitcode.com/GitHub_Trending/skills29/skills本文以 Cloud Run MCP Usage 参考文档为核心讲解cloud-run-basics技能所配套的 Cloud Run 远程 MCPModel Context Protocol服务器它提供哪些工具get_service、list_services、三种deploy_service_from_*部署工具、如何完成连接配置以及 Agent 可以借此自动化哪些运维场景。文中同时结合父技能 SKILL.md 中的 gcloud 命令体系与 IAM 前置要求把每个 MCP 工具映射到等价的手动 CLI 操作形成“Agent 工具调用 ↔ 人工命令执行”的双向对照。一、MCP 参考文档在 cloud-run-basics 技能中的定位在 google/skills 仓库中Cloud Run 相关能力被组织为一个完整的 Agent 技能Agent Skill其元数据定义于 skills/cloud/cloud-run-basics/SKILL.md 的 frontmatter技能名cloud-run-basics分类Serverless适用场景描述管理 Cloud Run 的 services、jobs 与 worker pools——即响应 HTTP 请求的应用services、事件触发或定时运行的任务jobs、以及常驻的拉取式后台处理worker pools如 Kafka 消费者、Pub/Sub 拉取队列、RabbitMQ 消费者。该技能的 Reference Directory 列出了七份参考文档覆盖了与 Cloud Run 交互的全部主流方式参考文档交互方式core-concepts.mdServices / Jobs / Worker pools 资源模型与自动扩缩行为cli-usage.mdgcloud run部署与管理命令client-library-usage.mdGoogle Cloud 客户端库mcp-usage.mdCloud Run 远程 MCP 服务器本文主题iac-usage.mdTerraformIaC示例iam-security.md角色、服务身份、入站/出站控制networking.md网络最佳实践与成本优化也就是说MCP 是并列于 CLI、客户端库、Terraform 的第四种操作入口其面向的使用者是 AI Agent 而非人类开发者Agent 通过标准 MCP 协议直接调用工具函数而不必拼装并执行 shell 命令。该技能可通过仓库 README.md 给出的方式安装npx skills add google/skills安装时可选择仅安装cloud-run-basics这一个技能。二、Cloud Run MCP 服务器提供的工具根据 mcp-usage.mdCloud Run 由一个远程 MCP 服务器提供支持该服务器让 Agent 能够部署、管理和监控 Serverless 应用。文档明确列出其通常包含的五类工具MCP 工具功能等价 gcloud 操作对照 SKILL.mdget_service获取某个 Cloud Run 服务的详细信息如服务 URI 和本次部署是否成功gcloud run services describe SERVICE_NAMElist_services列出指定 Google Cloud 项目与区域内的全部 Cloud Run 服务gcloud run services listdeploy_service_from_image将来自 Artifact Registry 或 Docker Hub 的容器镜像部署为 Cloud Run 服务gcloud run deploy SERVICE_NAME --image IMAGE_URLdeploy_service_from_archive直接从一个自包含的源码压缩包.tar.gz部署服务跳过容器镜像构建步骤以加快部署压缩包必须包含全部依赖对应--no-buildPreview免构建思路deploy_service_from_file_contents直接从本地源文件内容部署服务源码内嵌在请求中适合 Python、Node.js 等脚本语言是快速测试与开发反馈循环的理想路径因跳过构建步骤需在源文件中包含所有必要依赖介于--source .与--no-build之间2.1 三个部署工具的设计差异三个deploy_service_from_*工具体现了不同的“部署输入形态”理解它们与 SKILL.md 中 gcloud 部署方式的对应关系能帮助你判断何时该用 MCP、何时该回退到 CLI1deploy_service_from_image镜像即交付物与gcloud run deploy SERVICE_NAME --image IMAGE_URL --region us-central1等价见 SKILL.md。SKILL.md 对镜像源的说明同样适用于该工具可直接使用存放在 Artifact Registry 或 Docker Hub 中的镜像由于 Docker Hub 镜像在 Artifact Registry 中最多仅缓存一小时Google 推荐优先使用 Artifact Registry其他公共/私有仓库JFrog Artifactory、Nexus、GitHub Container Registry 等需先配置 Artifact Registry 远程仓库。镜像引用格式形如us-docker.pkg.dev/cloudrun/container/hello:latest其中 Artifact Registry 仓库名需已存在。2deploy_service_from_archive跳过构建的归档部署文档强调两个约束其一压缩包必须是.tar.gz且自包含其二必须包含所有依赖——因为该路径直接部署制品、绕过镜像构建。这与 SKILL.md 中 “Deploy from source without build (Preview)” 的gcloud beta run deploy ... --no-build机制是同一思路见 SKILL.md后者要求显式指定--base-image运行时基础镜像如us-central1-docker.pkg.dev/serverless-runtimes/google-24-full/runtimes/nodejs24或部署预编译二进制时使用的osonly24OS-only 镜像以及--command/--args。3deploy_service_from_file_contents面向快速迭代的源码内嵌部署与前两者不同此工具把源代码直接嵌在 MCP 请求里因此特别适合 Python、Node.js 这类“源码即交付”的脚本语言场景用于快速测试和开发反馈循环。文档同样提醒由于跳过构建步骤所有依赖必须写进源文件内。需要注意SKILL.md 在故障排查章节特别指出见 SKILL.md若采用免构建路径遇到 Node/Python 原生依赖native dependency错误应改回--source .Buildpacks让构建系统为 Linux 正确编译原生扩展——这条经验对使用上述两个免构建 MCP 工具的 Agent 同样成立。2.2 所有部署路径的共同硬约束无论走哪条部署通道SKILL.md 都标注了一条关键规则见 SKILL.md部署的代码必须监听0.0.0.0而非127.0.0.1并使用注入的$PORT环境变量默认 8080否则实例将在启动时崩溃。当 Agent 通过deploy_service_from_file_contents生成并嵌入 Python/Node.js 源码时这条约束尤其容易踩坑建议在提示词中显式声明。三、连接与配置接入 Cloud Run 远程 MCP 服务器mcp-usage.md 给出的接入流程共三步在目标 Google Cloud 项目中启用 Cloud Run API对应 SKILL.md 前置命令为gcloud services enable run.googleapis.com cloudbuild.googleapis.com --quiet即同时启用 Cloud Run Admin API 与 Cloud Build API见 SKILL.md使用 Gemini CLI 扩展Gemini CLI extension配置 Agent 的 MCP 连接按照 Google Cloud 官方的 “Setting up Cloud Run MCP” 指南完成其余配置细节。此外文档还指出一个可替代选项使用 GoogleCloudPlatform 开源的本地 Cloud Run MCP 服务器它在本机运行适合不便接入远程服务器的开发/测试环境。3.1 本仓库中 MCP 连接的标准配置形态从源码结构看本仓库统一使用 Agent Plugins / Gemini 扩展的声明式格式描述 MCP 连接可参考 plugins/cloud/google-cloud-developer/mcp.json{ $schema: https://agent-plugins.org/schemas/1.0.0/mcp.schema.json, mcpServers: { developer-knowledge: { type: streamable-http, url: https://developerknowledge.googleapis.com/mcp } } }以及 plugins/cloud/google-cloud-developer/gemini-extension.json 中对应的 Gemini CLI 扩展写法{ mcpServers: { developer-knowledge: { httpUrl: https://developerknowledge.googleapis.com/mcp, authProviderType: google_credentials } } }需要说明该插件元数据见 plugins/cloud/google-cloud-developer/plugin.json版本 1.1.1捆绑的是 Developer Knowledge MCP 服务器而非 Cloud Run MCP 服务器但两者展示了同一套配置范式——mcpServers下按服务器名注册streamable-http类型的远程端点并以google_credentials作为认证提供者。配置 Cloud Run 远程 MCP 服务器时可参照此形态具体端点以官方指南为准。SKILL.md 末尾也提示若需要的产品信息在上述参考文档中找不到可调用 Developer Knowledge MCP 服务器的search_documents工具检索官方文档见 SKILL.md。3.2 Agent 调用 MCP 工具所需的 IAM 角色文档正文未单列角色清单但与 MCP 部署操作等价的gcloud run deploy在 SKILL.md 中要求以下角色Agent 执行账号或其背后的人类身份应满足同样前提项目级 Cloud Run Adminroles/run.admin项目级 Cloud Run Source Developerroles/run.sourceDeveloper服务身份上的 Service Account Userroles/iam.serviceAccountUser项目级 Logs Viewerroles/logging.viewer若涉及构建还需为 Cloud Build 服务账号授予roles/run.buildergcloud projects add-iam-policy-binding PROJECT_ID \ --memberserviceAccount:SERVICE_ACCOUNT_EMAIL_ADDRESS \ --roleroles/run.builder \ --quiet四、Agent 可自动化的运维场景mcp-usage.md 的 “Supported Operations” 一节列出了三类典型场景。结合 SKILL.md 的手动等价命令可以具体化如下1自动化新版本revision滚动发布Agent 循环调用deploy_service_from_*部署新修订版本再通过get_service核对服务 URI 与部署成功状态形成“部署 → 验证”闭环无需人工执行gcloud run deploy与gcloud run services describe。2排查部署失败检查日志与状态当部署失败时Agent 可借助 MCP 工具检查服务状态并拉取日志。SKILL.md 给出了对应的故障排查手册见 SKILL.md可直接作为 Agent 的系统性排障剧本IAM/权限错误查阅 iam-security.md启动崩溃 / 健康检查失败立即用gcloud logging read resource.labels.service_nameSERVICE_NAME --limit20拉取日志定位运行时错误Node/Python 原生依赖错误从免构建路径切回--source .Buildpacks。3管理定时任务并校验执行历史SKILL.md 的 Job 章节见 SKILL.md说明了 Cloud Run Jobs 的创建与执行方式gcloud run jobs create JOB_NAME --image IMAGE_URL OPTIONS --quiet gcloud run jobs execute JOB_NAME --quiet gcloud run jobs execute JOB_NAME --wait --regionREGION --quietAgent 通过 MCP 管理这些定时任务时可参照的 Job 关键参数均出自 SKILL.md包括参数取值与默认值--tasks≥1 的整数默认 1最大 10000每个任务注入CLOUD_RUN_TASK_INDEX0 到任务数减 1与CLOUD_RUN_TASK_COUNT环境变量--max-retries失败任务重试次数0–10默认 3任一任务重试超限则整个 Job 标记失败--task-timeout时长格式如2s默认 10 分钟最大 168 小时7 天GPU 任务最长 1 小时--parallelism最大并行任务数默认尽快全部并行启动--execute-now创建后立即启动一次执行等价于 create executeWorker pool 场景gcloud run worker-pools deploy WORKER_POOL_NAME --image IMAGE_URL/--source .也可纳入同一 MCP 工作流镜像同样支持 tag 或精确 digestsha256:...两种引用方式见 SKILL.md。五、适用前提与局限小结前提项目内已启用 Cloud Run API及 Cloud Build API若涉及构建调用方具备前述 IAM 角色MCP 连接按官方指南配置完成。部署约束免构建类工具archive / file_contents要求依赖完全内嵌含原生扩展的 Node/Python 项目建议走带构建路径。两条路线选择远程 MCP 服务器由 Cloud Run 官方提供无需在本机安装任何 MCP 组件若处于离线开发环境或需要更细粒度控制文档给出的开源本地 Cloud Run MCP 服务器是官方认可的替代方案。信息兜底对于参考文档未覆盖的产品细节SKILL.md 建议调用 Developer Knowledge MCP 的search_documents工具检索官方文档避免 Agent 基于过时知识作答。六、延伸阅读仓库内相对路径参考文档主体skills/cloud/cloud-run-basics/references/mcp-usage.md父技能主文档资源模型、部署命令、Job/Worker pool、故障排查skills/cloud/cloud-run-basics/SKILL.mdCLI 详解skills/cloud/cloud-run-basics/references/cli-usage.mdTerraform 配置skills/cloud/cloud-run-basics/references/iac-usage.mdIAM 与安全skills/cloud/cloud-run-basics/references/iam-security.md网络与成本优化skills/cloud/cloud-run-basics/references/networking.mdMCP 插件配置范式plugins/cloud/google-cloud-developer/mcp.json、plugins/cloud/google-cloud-developer/gemini-extension.json【免费下载链接】skillsAgent Skills for Google products and technologies项目地址: https://gitcode.com/GitHub_Trending/skills29/skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 skills Cloud Run MCP 使用指南：通过远程 MCP 服务器让 Agent 部署、管理与监控 Serverless 应用
skills Cloud Run MCP 使用指南通过远程 MCP 服务器让 Agent 部署、管理与监控 Serverless 应用【免费下载链接】skillsAgent Skills for Google products and technologies项目地址: https://gitcode.com/GitHub_Trending/skills29/skills本文以 Cloud Run MCP Usage 参考文档为核心讲解cloud-run-basics技能所配套的 Cloud Run 远程 MCPModel Context Protocol服务器它提供哪些工具get_service、list_services、三种deploy_service_from_*部署工具、如何完成连接配置以及 Agent 可以借此自动化哪些运维场景。文中同时结合父技能 SKILL.md 中的 gcloud 命令体系与 IAM 前置要求把每个 MCP 工具映射到等价的手动 CLI 操作形成“Agent 工具调用 ↔ 人工命令执行”的双向对照。一、MCP 参考文档在 cloud-run-basics 技能中的定位在 google/skills 仓库中Cloud Run 相关能力被组织为一个完整的 Agent 技能Agent Skill其元数据定义于 skills/cloud/cloud-run-basics/SKILL.md 的 frontmatter技能名cloud-run-basics分类Serverless适用场景描述管理 Cloud Run 的 services、jobs 与 worker pools——即响应 HTTP 请求的应用services、事件触发或定时运行的任务jobs、以及常驻的拉取式后台处理worker pools如 Kafka 消费者、Pub/Sub 拉取队列、RabbitMQ 消费者。该技能的 Reference Directory 列出了七份参考文档覆盖了与 Cloud Run 交互的全部主流方式参考文档交互方式core-concepts.mdServices / Jobs / Worker pools 资源模型与自动扩缩行为cli-usage.mdgcloud run部署与管理命令client-library-usage.mdGoogle Cloud 客户端库mcp-usage.mdCloud Run 远程 MCP 服务器本文主题iac-usage.mdTerraformIaC示例iam-security.md角色、服务身份、入站/出站控制networking.md网络最佳实践与成本优化也就是说MCP 是并列于 CLI、客户端库、Terraform 的第四种操作入口其面向的使用者是 AI Agent 而非人类开发者Agent 通过标准 MCP 协议直接调用工具函数而不必拼装并执行 shell 命令。该技能可通过仓库 README.md 给出的方式安装npx skills add google/skills安装时可选择仅安装cloud-run-basics这一个技能。二、Cloud Run MCP 服务器提供的工具根据 mcp-usage.mdCloud Run 由一个远程 MCP 服务器提供支持该服务器让 Agent 能够部署、管理和监控 Serverless 应用。文档明确列出其通常包含的五类工具MCP 工具功能等价 gcloud 操作对照 SKILL.mdget_service获取某个 Cloud Run 服务的详细信息如服务 URI 和本次部署是否成功gcloud run services describe SERVICE_NAMElist_services列出指定 Google Cloud 项目与区域内的全部 Cloud Run 服务gcloud run services listdeploy_service_from_image将来自 Artifact Registry 或 Docker Hub 的容器镜像部署为 Cloud Run 服务gcloud run deploy SERVICE_NAME --image IMAGE_URLdeploy_service_from_archive直接从一个自包含的源码压缩包.tar.gz部署服务跳过容器镜像构建步骤以加快部署压缩包必须包含全部依赖对应--no-buildPreview免构建思路deploy_service_from_file_contents直接从本地源文件内容部署服务源码内嵌在请求中适合 Python、Node.js 等脚本语言是快速测试与开发反馈循环的理想路径因跳过构建步骤需在源文件中包含所有必要依赖介于--source .与--no-build之间2.1 三个部署工具的设计差异三个deploy_service_from_*工具体现了不同的“部署输入形态”理解它们与 SKILL.md 中 gcloud 部署方式的对应关系能帮助你判断何时该用 MCP、何时该回退到 CLI1deploy_service_from_image镜像即交付物与gcloud run deploy SERVICE_NAME --image IMAGE_URL --region us-central1等价见 SKILL.md。SKILL.md 对镜像源的说明同样适用于该工具可直接使用存放在 Artifact Registry 或 Docker Hub 中的镜像由于 Docker Hub 镜像在 Artifact Registry 中最多仅缓存一小时Google 推荐优先使用 Artifact Registry其他公共/私有仓库JFrog Artifactory、Nexus、GitHub Container Registry 等需先配置 Artifact Registry 远程仓库。镜像引用格式形如us-docker.pkg.dev/cloudrun/container/hello:latest其中 Artifact Registry 仓库名需已存在。2deploy_service_from_archive跳过构建的归档部署文档强调两个约束其一压缩包必须是.tar.gz且自包含其二必须包含所有依赖——因为该路径直接部署制品、绕过镜像构建。这与 SKILL.md 中 “Deploy from source without build (Preview)” 的gcloud beta run deploy ... --no-build机制是同一思路见 SKILL.md后者要求显式指定--base-image运行时基础镜像如us-central1-docker.pkg.dev/serverless-runtimes/google-24-full/runtimes/nodejs24或部署预编译二进制时使用的osonly24OS-only 镜像以及--command/--args。3deploy_service_from_file_contents面向快速迭代的源码内嵌部署与前两者不同此工具把源代码直接嵌在 MCP 请求里因此特别适合 Python、Node.js 这类“源码即交付”的脚本语言场景用于快速测试和开发反馈循环。文档同样提醒由于跳过构建步骤所有依赖必须写进源文件内。需要注意SKILL.md 在故障排查章节特别指出见 SKILL.md若采用免构建路径遇到 Node/Python 原生依赖native dependency错误应改回--source .Buildpacks让构建系统为 Linux 正确编译原生扩展——这条经验对使用上述两个免构建 MCP 工具的 Agent 同样成立。2.2 所有部署路径的共同硬约束无论走哪条部署通道SKILL.md 都标注了一条关键规则见 SKILL.md部署的代码必须监听0.0.0.0而非127.0.0.1并使用注入的$PORT环境变量默认 8080否则实例将在启动时崩溃。当 Agent 通过deploy_service_from_file_contents生成并嵌入 Python/Node.js 源码时这条约束尤其容易踩坑建议在提示词中显式声明。三、连接与配置接入 Cloud Run 远程 MCP 服务器mcp-usage.md 给出的接入流程共三步在目标 Google Cloud 项目中启用 Cloud Run API对应 SKILL.md 前置命令为gcloud services enable run.googleapis.com cloudbuild.googleapis.com --quiet即同时启用 Cloud Run Admin API 与 Cloud Build API见 SKILL.md使用 Gemini CLI 扩展Gemini CLI extension配置 Agent 的 MCP 连接按照 Google Cloud 官方的 “Setting up Cloud Run MCP” 指南完成其余配置细节。此外文档还指出一个可替代选项使用 GoogleCloudPlatform 开源的本地 Cloud Run MCP 服务器它在本机运行适合不便接入远程服务器的开发/测试环境。3.1 本仓库中 MCP 连接的标准配置形态从源码结构看本仓库统一使用 Agent Plugins / Gemini 扩展的声明式格式描述 MCP 连接可参考 plugins/cloud/google-cloud-developer/mcp.json{ $schema: https://agent-plugins.org/schemas/1.0.0/mcp.schema.json, mcpServers: { developer-knowledge: { type: streamable-http, url: https://developerknowledge.googleapis.com/mcp } } }以及 plugins/cloud/google-cloud-developer/gemini-extension.json 中对应的 Gemini CLI 扩展写法{ mcpServers: { developer-knowledge: { httpUrl: https://developerknowledge.googleapis.com/mcp, authProviderType: google_credentials } } }需要说明该插件元数据见 plugins/cloud/google-cloud-developer/plugin.json版本 1.1.1捆绑的是 Developer Knowledge MCP 服务器而非 Cloud Run MCP 服务器但两者展示了同一套配置范式——mcpServers下按服务器名注册streamable-http类型的远程端点并以google_credentials作为认证提供者。配置 Cloud Run 远程 MCP 服务器时可参照此形态具体端点以官方指南为准。SKILL.md 末尾也提示若需要的产品信息在上述参考文档中找不到可调用 Developer Knowledge MCP 服务器的search_documents工具检索官方文档见 SKILL.md。3.2 Agent 调用 MCP 工具所需的 IAM 角色文档正文未单列角色清单但与 MCP 部署操作等价的gcloud run deploy在 SKILL.md 中要求以下角色Agent 执行账号或其背后的人类身份应满足同样前提项目级 Cloud Run Adminroles/run.admin项目级 Cloud Run Source Developerroles/run.sourceDeveloper服务身份上的 Service Account Userroles/iam.serviceAccountUser项目级 Logs Viewerroles/logging.viewer若涉及构建还需为 Cloud Build 服务账号授予roles/run.buildergcloud projects add-iam-policy-binding PROJECT_ID \ --memberserviceAccount:SERVICE_ACCOUNT_EMAIL_ADDRESS \ --roleroles/run.builder \ --quiet四、Agent 可自动化的运维场景mcp-usage.md 的 “Supported Operations” 一节列出了三类典型场景。结合 SKILL.md 的手动等价命令可以具体化如下1自动化新版本revision滚动发布Agent 循环调用deploy_service_from_*部署新修订版本再通过get_service核对服务 URI 与部署成功状态形成“部署 → 验证”闭环无需人工执行gcloud run deploy与gcloud run services describe。2排查部署失败检查日志与状态当部署失败时Agent 可借助 MCP 工具检查服务状态并拉取日志。SKILL.md 给出了对应的故障排查手册见 SKILL.md可直接作为 Agent 的系统性排障剧本IAM/权限错误查阅 iam-security.md启动崩溃 / 健康检查失败立即用gcloud logging read resource.labels.service_nameSERVICE_NAME --limit20拉取日志定位运行时错误Node/Python 原生依赖错误从免构建路径切回--source .Buildpacks。3管理定时任务并校验执行历史SKILL.md 的 Job 章节见 SKILL.md说明了 Cloud Run Jobs 的创建与执行方式gcloud run jobs create JOB_NAME --image IMAGE_URL OPTIONS --quiet gcloud run jobs execute JOB_NAME --quiet gcloud run jobs execute JOB_NAME --wait --regionREGION --quietAgent 通过 MCP 管理这些定时任务时可参照的 Job 关键参数均出自 SKILL.md包括参数取值与默认值--tasks≥1 的整数默认 1最大 10000每个任务注入CLOUD_RUN_TASK_INDEX0 到任务数减 1与CLOUD_RUN_TASK_COUNT环境变量--max-retries失败任务重试次数0–10默认 3任一任务重试超限则整个 Job 标记失败--task-timeout时长格式如2s默认 10 分钟最大 168 小时7 天GPU 任务最长 1 小时--parallelism最大并行任务数默认尽快全部并行启动--execute-now创建后立即启动一次执行等价于 create executeWorker pool 场景gcloud run worker-pools deploy WORKER_POOL_NAME --image IMAGE_URL/--source .也可纳入同一 MCP 工作流镜像同样支持 tag 或精确 digestsha256:...两种引用方式见 SKILL.md。五、适用前提与局限小结前提项目内已启用 Cloud Run API及 Cloud Build API若涉及构建调用方具备前述 IAM 角色MCP 连接按官方指南配置完成。部署约束免构建类工具archive / file_contents要求依赖完全内嵌含原生扩展的 Node/Python 项目建议走带构建路径。两条路线选择远程 MCP 服务器由 Cloud Run 官方提供无需在本机安装任何 MCP 组件若处于离线开发环境或需要更细粒度控制文档给出的开源本地 Cloud Run MCP 服务器是官方认可的替代方案。信息兜底对于参考文档未覆盖的产品细节SKILL.md 建议调用 Developer Knowledge MCP 的search_documents工具检索官方文档避免 Agent 基于过时知识作答。六、延伸阅读仓库内相对路径参考文档主体skills/cloud/cloud-run-basics/references/mcp-usage.md父技能主文档资源模型、部署命令、Job/Worker pool、故障排查skills/cloud/cloud-run-basics/SKILL.mdCLI 详解skills/cloud/cloud-run-basics/references/cli-usage.mdTerraform 配置skills/cloud/cloud-run-basics/references/iac-usage.mdIAM 与安全skills/cloud/cloud-run-basics/references/iam-security.md网络与成本优化skills/cloud/cloud-run-basics/references/networking.mdMCP 插件配置范式plugins/cloud/google-cloud-developer/mcp.json、plugins/cloud/google-cloud-developer/gemini-extension.json【免费下载链接】skillsAgent Skills for Google products and technologies项目地址: https://gitcode.com/GitHub_Trending/skills29/skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考