企业官网建设流程全解析

Google Antigravity SDK Agent Skills指南：用文件系统SKILL.md让AI Agent掌握领域知识

【免费下载链接】antigravity-sdk-pythonA Python library for building AI agents that leverage the full power of Google Antigravity.项目地址: https://gitcode.com/gh_mirrors/an/antigravity-sdk-python

Google Antigravity SDK（antigravity-sdk-python）是一个用于构建 AI Agent 的 Python 库。它的Agent Skills功能允许你把SKILL.md文件指向任意文件夹，就能让 AI Agent 加载领域知识、可复用工作流和专属能力——无需改代码，只需"指一个路径"。

什么是 Agent Skill？一个文件夹就是一套"外挂知识"

Agent Skill 是一种标准化的方式，用来给 AI Agent 赋予新的能力和专业知识。它本质上就是一个目录 + 一个SKILL.md文件，可以附带脚本、参考文档和资源文件。

一个 Skill 通常包含三类内容：

最大的好处是：领域专长可以被捕获一次，然后在不同 Agent 之间重复复用。

官方自带 Skill 解剖：google-antigravity-sdk

项目内就附带了一个真实可用的 Skill，可以直接打开查看，它是理解整个机制的最佳教材：SKILL.md

它的SKILL.md由两部分构成：

1. YAML frontmatter（技能元数据）：声明name和description。description中写明"何时激活此技能"（ACTIVATE 条件），Agent 靠它判断该不该调用这个技能。
2. 正文（路由表 Routing Table）：用"If 用户需要……就读 references/xxx.md"的句式，把不同主题路由到references/和examples/下的具体文档。

这种"路由表"设计非常聪明——Agent 不需要一次读完所有文档，而是按需读取，既省 token 又保持回答精准。比如你问"如何配置 MCP 服务器"，它就去读 mcp_integration.md；问"如何调试失败的 Agent"，就去读 error_handling.md。

3 步安装 Skill：skills_paths 快速上手

让 Agent 加载 Skill 的核心，是LocalAgentConfig的skills_paths参数（实现见 local_connection.py 与 local_connection_config.py）。完整原理文档见 agent_skills.md。

步骤 1：组织你的 Skill 目录

按标准布局存放：每个技能文件夹内必须有SKILL.md。

步骤 2：通过skills_paths指向它

skills_paths接收一个路径列表，每个路径有两种写法：

• 指向"父目录"（里面包含多个技能文件夹）→ Agent 自动发现其中所有技能
• 指向"具体技能文件夹"（直接包含SKILL.md）→ 只加载这一个技能

步骤 3：询问 Agent，验证技能已加载

项目中的示例脚本 agent_skills.py 演示了完整流程：它加载官方的google-antigravity-sdk技能，然后问 Agent "你有哪些可用技能？"——Agent 能准确报出技能名称并描述其能力。运行前需配置GEMINI_API_KEY环境变量。

💡 小技巧：示例脚本里 Agent 加载的正是"教它如何构建自身 SDK"的技能，形成了一种有趣的"自我指涉"演示。

不想手写？用 Skills CLI 一键安装

如果你希望直接安装项目发布的官方技能，可以使用 Skills CLI 交互式浏览并安装（详见 skills/README.md）：

• Vercel skills CLI：npx skills add Google-Antigravity/antigravity-sdk-python --list可浏览，加--skill google-antigravity-sdk --global可全局安装
• Context7 skills CLI：npx ctx7 skills install /Google-Antigravity/antigravity-sdk-python google-antigravity-sdk

如何编写你自己的 SKILL.md？

参考官方技能 SKILL.md 的结构，一份合格的技能文件建议包含：

1. YAML frontmatter：
   • name：技能短名，用于标识
   • description：写清楚技能做什么 +激活条件（如"当用户想要创建、配置或编排 Agent 时激活此技能"）
2. 前置检查清单：告诉 Agent 开工前该确认什么（依赖是否安装、凭据是否配置）
3. 路由表：按用户意图分类，每类指向一个具体文档，避免 Agent 盲目通读
4. 渐进式披露：核心SKILL.md保持精简，细节放进references/，让 Agent 按需加载

这套"文件系统即知识"的模式，让团队可以像管理文档一样管理 Agent 的能力——版本可控、可复用、可分发，是构建专业化 AI Agent 的关键一环。

常见问题（FAQ）

Q：Skill 和 MCP 工具有什么区别？MCP 给 Agent 接入外部工具与服务（执行能力），Skill 给 Agent 注入知识与流程（认知能力），二者互补。MCP 配置可参考 mcp_tools.md。

Q：一个 Agent 能加载多个 Skill 吗？可以。skills_paths是列表，支持多个路径，父目录下的所有技能会被自动发现。

Q：技能加载后 Agent 会自动全部"读完"吗？不会。Agent 先看description判断相关性，再按路由表按需读取具体文档，这就是渐进式披露的设计意图。

Q：本地模型（如 LiteRT/Gemma）也能用 Skill 吗？技能加载与模型无关，本地模型配置见 local_models.md。

🚀 下一步建议：打开 examples/getting_started/agent_skills.py 运行一遍，再对照 skills/README.md 安装官方技能，十分钟即可体验"文件系统喂知识"的完整闭环。

【免费下载链接】antigravity-sdk-pythonA Python library for building AI agents that leverage the full power of Google Antigravity.项目地址: https://gitcode.com/gh_mirrors/an/antigravity-sdk-python