Google Cloud propõe cinco regras para avaliar agent skills antes que inflem a janela de contexto

O Google Cloud parte de um diagnóstico simples: muita equipe valida um SKILL.md colando um prompt no chat, vendo passar uma vez no laptop e fazendo merge na main. Sem ciclo de avaliação, três páginas de documentação de CLI em markdown podem confundir um modelo de fronteira tanto quanto ajudá-lo. O texto vem da própria equipe, que mediu o Google Cloud Developer Plugin (skills essenciais mais o servidor MCP Developer Knowledge) em dezenas de cenários com Gemini, Antigravity e outros agentes, usando Claude Sonnet 5 na plataforma Gemini em pods Harbor isolados no GKE Autopilot.

O detalhe técnico que mais pesa é o roteamento: o agente não lê o corpo do SKILL.md no turno zero, só nome e descrição do frontmatter YAML. Por isso, quando o delta entre plugin e baseline é zero, a causa mais comum (segundo o post, nove em dez vezes) é a skill nem ter sido carregada. Com mais de uma dúzia de skills aparecem under-triggering e sibling hijacking. O skill-reach, aberto pelo Google, valida manifests, mede sobreposição de vocabulário e roda probes em Claude Code, Antigravity e OpenAI Codex. Já o SkillSpector da NVIDIA cobre riscos que linters comuns não veem, como prompt injection e tool poisoning.

As regras 2 e 3 tratam de ruído. Laptop traz credenciais em cache, variáveis exportadas e histórico do bash, e a carga de CPU derrubou a nota em testes internos com agentes de code retrieval. Em um estudo de retrieval, mais de um terço das tarefas teve scores diferentes em execuções consecutivas com o mesmo código e prompt. A saída é ablação pareada: o Arm A roda o modelo base em sandbox limpo sem a skill, o Arm B roda o mesmo prompt e sandbox com ela montada. O post ainda traz as regras 4 e 5: separar eficiência e segurança da correção para evitar reward hacking e ensinar hábitos operacionais, não despejar documentação.

O tema conecta com a cobertura recente do plugin. Em 2 de novembro de 2026, o CEVIU noticiou "Plugin google-cloud-developer chega ao Antigravity Marketplace com skills, guardrails e MCP", o anúncio da distribuição do mesmo plugin. Um dia depois, o Google publica como mede se as skills dele valem o custo em tokens. Antes, em 28 de outubro de 2026, o CEVIU registrou "Google detalha como distribui o Agent Skills como produto: seis gates automatizados e agente de IA revisor", que já tratava de quality gates. A avaliação em sandbox pareado é a peça que complementa esse lado.

Para quem mantém skills em um repositório de agentes, a leitura é que skill sem medição vira custo fixo de contexto. Rodar a matriz com e sem skill em CI a cada troca de modelo permite apagar o que o modelo novo já faz sozinho. Isso é uma interpretação editorial, mas o argumento do post vai nessa direção.