agents-cli

2周前发布 45 0 0

agents-cli 是 Google Agent Platform(前身为 Vertex AI 相关服务)的一部分,定位为 AI 开发全生命周期统一接口。它不只是简单命令行工具,而是将 Google Cloud 在 Agent 开发上的最佳实践封装成机器可读的 Skills,让你的 AI 编码助手能像专家一样操作复杂流程。

收录时间:
2026-06-30
agents-cliagents-cli

一、写 Agent 容易,上生产难

用 Google ADK(Agent Development Kit)写个 AI Agent 原型,可能只需要几十行 Python。但要把这个 Agent 从”本地能跑”变成”生产可用”——涉及脚手架规范、评估体系、部署配置、可观测性、权限管理——这些工程化工作往往比写 Agent 本身还复杂。
Google agents-cli 就是来解决这个问题的。
它不是一个新的 Agent 框架,而是一套围绕 ADK 的工程化工具链 + 编码助手技能包,让你用自然语言就能完成从脚手架到生产部署的全流程。

agents-cli 网站截图

agents-cli 网站截图


二、agents-cli 是什么?

一句话概括:ADK 负责写 Agent 本体,agents-cli 负责把 ADK Agent 推上生产。
它由 Google Cloud AI 总监 Addy Osmani 在 Google Cloud Next 上发布,包含两部分:
  1. CLI 工具:直接在终端执行脚手架、评估、部署等命令
  2. 7 个 Skill:注入到你的编码助手(Claude Code、Codex、Antigravity 等)中,让它”学会”如何做企业级 Agent 工程决策

三、七大 Skill 覆盖全生命周期

Skill 覆盖阶段 核心能力
workflow 全局 开发生命周期、代码保存规则、模型选择
scaffold 启动 项目脚手架(create / enhance / upgrade)
adk-code 架构 ADK Python API、多 Agent 编排、回调、状态管理
eval 质量 评估指标、数据集、LLM-as-judge、自适应评分
deploy 执行 Agent Runtime、Cloud Run、GKE、CI/CD、密钥管理
publish 交付 Gemini Enterprise 注册上架
observability 运维 Cloud Trace、日志、第三方集成(AgentOps、Phoenix)

四、三步上手,自然语言驱动

1. 安装(一行命令)

bash
uvx google-agents-cli setup
或只装 Skill(让编码助手自己处理):
bash
npx skills add google/agents-cli
前置要求:Python 3.11+、uv、Node.js。支持 macOS、Linux 和 Windows(WSL 2)。

2. 打开你的编码助手

Claude Code、Codex、Antigravity 或任何其他编码代理都可以。agents-cli 不绑定任何编辑器。

3. 用自然语言构建

直接对你的编码助手说:
“Use agents-cli to build a customer-support agent that calls our order-status MCP server and logs to Observability.”
Skill 会自动按顺序触发:脚手架 → ADK 图设计 → 部署配置 → Sandbox 权限 → 评估数据集 → Gemini Enterprise 上架。每一步都附带”为什么这么做”的解释,边构建边教学。

五、核心 CLI 命令速览

bash
# 项目脚手架
agents-cli scaffold <name>              # 创建新项目
agents-cli scaffold enhance             # 为现有项目添加部署/CI/CD
agents-cli scaffold upgrade             # 升级项目到新版 agents-cli

# 本地开发
agents-cli run "prompt"                 # 单提示运行 Agent
agents-cli install                      # 安装依赖
agents-cli lint                       # 代码质量检查(Ruff)

# 评估体系
agents-cli eval generate                # 在评估集上运行 Agent,生成 traces
agents-cli eval grade                   # 对 traces 进行评分
agents-cli eval dataset synthesize      # 合成多轮评估场景
agents-cli eval compare                 # 对比两次评估结果
agents-cli eval optimize                # 用评估数据自动调优提示词

# 部署与发布
agents-cli deploy                       # 部署到 Google Cloud
agents-cli publish gemini-enterprise    # 注册到 Gemini Enterprise
agents-cli infra single-project         # 配置单项目基础设施
agents-cli infra cicd                   # 设置 CI/CD 流水线
agents-cli infra datastore              # 配置 RAG 数据存储

六、部署路径:三种选择

目标 适用场景 特点
Agent Runtime 快速上生产 全托管,亚秒级冷启动,自动扩缩容
Cloud Run 容器化部署 标准容器,REST 端点,灵活可控
GKE 大规模/复杂编排 完整 Kubernetes 控制,Workload Identity
agents-cli

七、重要提醒

  • 本地开发不需要 Google Cloud:用 AI Studio API Key 即可本地运行和评估。

  • 可以脱离编码助手独立使用:所有 CLI 命令都可以直接在终端执行。

  • 已有项目也能接入agents-cli scaffold enhance 可为现有 ADK 项目添加部署和 CI/CD 支持。

  • Skill 是建议,人类批准:agents-cli 是”决策加速器”,不是架构评审的替代品。建议保持”skill 建议 → 人类批准 → Git 记录”的工作流。

最后

agents-cli 的野心很明确:把 Google Cloud Agent Platform 上 40 多个组件的”该用哪个、按什么顺序、用什么配置”的决策知识,打包进你的编码助手。
对于已经在用 ADK 的团队,这是从原型到生产的最短路径。对于还在观望 Agent 工程化的团队,它提供了一个”边做边学”的入口。
毕竟,2026 年构建 Agent 的难点已经不是写 SDK 代码,而是知道如何让 Agent 在生产环境里安全、可评估、可观测、可回滚地运行。

数据统计

相关导航

暂无评论

none
暂无评论...