デベロッパー

開発の裏側: Google Agent Skills の構築、テスト、スケーリング

2026年8月19日

https://storage.googleapis.com/gweb-cloudblog-publish/images/skills_whiteboard_horizontal.max-1400x1400.jpg

Remigiusz Samborski

Lead Developer Relations Engineer

※この投稿は米国時間 2026 年 8 月 4 日に、Google Cloud blog に投稿されたものの抄訳です。

AI エージェントの性能は、与えられた指示とコンテキストの質に左右されます。Google Agent Skills を公開した際、Google の目標はシンプルでした。Google Cloud の専門知識を構造化されたオープンソースの指示として組み込むことで、AI コーディングエージェントを大幅にスマートかつ安全にし、精度を高めることでした。

今回は、Google Agent Skills 開発の裏側をご紹介します。これらのスキルの開発に直接携わっているチームメンバーとして、開発のきっかけ、規模を拡大しても品質を維持する方法、公開スキルと社内スキルのガバナンスをどう維持しているかについてお伝えします。

開発のきっかけ: Next '26 に向けた短期集中プロジェクト

Google Agent Skills プロジェクトは、何もないところから生まれたわけではありません。Google Cloud Next 2026 に向けて、短期間で集中的に作業する「総力的な取り組み」として始まりました。

デベロッパーアドボケイトとテクニカルライターが主導する部門横断的なタスクフォースが、Google Cloud の専門知識を、エージェントが読み取り可能な構造化された指示にパッケージ化するという明確な目標を掲げて集結しました。

この取り組みは、Google Agent Skills 公開に関する公式投稿で発表されました。コミュニティからの最初の反応は私たちの期待を上回り、1 万 5,000 を超える GitHub スターを獲得しました。

https://storage.googleapis.com/gweb-cloudblog-publish/images/google_skills_star_history.max-2200x2200.png

スキルが AI エージェントを効果的にガイドできる（ハルシネーションを減らし、ベストプラクティスを適用する）ことを、Google 内外の開発者やエンジニアリングチームが確認したのを受け、多くの人が参加を希望しました。その後まもなく、Google Cloud 以外のプロダクトチームからも要望が相次ぎ、Google 広告など、自らが担当するサービスのスキルを共有したいという声が上がりました。

課題: 品質を維持したうえでのスケーリング

人気が高まるにつれて、品質管理という大きな課題が生じます。

さまざまなチームがスキルを提供するようになると、一定の基準を維持することが困難になるからです。指示が曖昧、リンクが切れている、エッジケースが欠落しているなど、スキルの記述が不十分だと、エージェントエクスペリエンス全体が低下します。

各チームにスキルを公開してもらいながら、デベロッパーエクスペリエンスを維持するには、非常に高い基準を設定する必要がありました。

このプロセスは、それほど重要だったのです。明確な基準と自動化されたガバナンスがなければ、オープンソースのスキルリポジトリはすぐに収拾がつかなくなってしまいます。

では、品質を維持しながらスケールする方法について詳しく見ていきましょう。

エージェントスキルの構造

すべてのスキルは、多くの Google サービスでスキルの一貫性が保たれるように、標準化されたリポジトリレイアウトに従います。

https://storage.googleapis.com/gweb-cloudblog-publish/images/folder_structure.max-1600x1600.png

アーキテクチャ上のベストプラクティス: リモート MCP ツールを優先する

スキルを設計する際の基本原則は、可能な限りリモートの Model Context Protocol（MCP）ツールを利用し、必要な場合にのみ CLI または API 呼び出しにフォールバックすることです。リモート MCP サーバーは、ツールだけでなく、組み込みの認証と IAM ガバナンスも提供するため、エージェントワークロードに最適です。

一般公開に向けたエクスポート

Google は、まず社内でスキルを構築して評価し、スキルが適切に機能するかを検証します。一般公開の準備が整ったら、自動エクスポートルールを使用してスキルを GitHub に公開します。これにより、内部アセット、所有権情報、評価用テストスイートが削除されるため、公開リポジトリがクリーンに保たれます。

チェックイン時の自動チェック

スキルは、リポジトリに追加される前に、自動化された CI / CD パイプラインを通過する必要があります。

linter: フロントマターのメタデータ、行数、ディレクトリレイアウト、厳格な命名規則を検証します。
リンクチェッカー: リンクチェッカーツールを使用してすべての URL をテストし、統合前に 404 エラーやハルシネーションリンクを排除します。
AI を活用したチェックリスト: 自動検証チェックを使用して、指示が規定の構造パターンとガードレールに従っていることを確認します。

継続的な評価（送信時および毎週）

ドキュメントや API が進化するように、LLM モデルやエージェントハーネスも進化します。そのため、今日機能しているスキルであっても、基盤となる API、モデル、エージェントハーネスが変更された場合、明日には正常に動作しなくなる可能性があります。

Google は、初期の品質基準を設定し、品質の低下を防ぐために継続的な評価を実施しています。

提出時の評価: スキル作成者は、明示的な評価用プロンプトスイートとスコアリングルーブリックを提供する必要があります。Google が公開する新しいスキルはすべて、まず社内で評価され、精度と効率性が確認されます。
週次品質チェック: スキルライブラリ全体に対して、スケジュール設定された評価ジョブを継続的に実行し、回帰を早期に検出します。

スキル作成者は、プロンプトと一連の期待値を含む評価テストケースを複数提供する必要があります。Google は、各評価スイートで、スキルを適用したエージェントと適用していないエージェントのパフォーマンスを比較します。

そして、次の 2 つの主な観点から評価します。

精度 - 回答の品質とタスク完了率
効率性 - 消費されたトークンの数と完了までの時間

さらに、統計的に有意な結果を得るために、さまざまなエージェントフレームワークに対して評価を複数回実行します。

最後に、２x２のマトリックスで、スキルによって精度と効率が測定可能なレベルで向上するかどうかを証明します。

https://storage.googleapis.com/gweb-cloudblog-publish/images/eval_matrix.max-1400x1400.jpg

スキルはスニペットではなくプロダクト

この取り組みから得られた重要な教訓は、スキルは一度作成すれば終わりのドキュメントではなく、常に進化し続ける、生きたプロダクトであるということです。

長期的な信頼性を確保するために、Google は厳格な所有権ルールを確立しました。

リポジトリメンテナーは、リポジトリの健全性、CI パイプライン、アーキテクチャ標準を管理します。
スキルオーナーは、スキルを長期的に保守する責任を負います。たとえば、プロダクト API が変更された場合、スキルオーナーがスキルを更新します。評価の実施時に品質低下が見つかった場合も、同様に対応します。