agents-cli：谷歌开源 AI Agent 全流程开发工具，从搭建到部署一键搞定
标签: Google / agents-cli / AI Agent / CLI / 部署 / 评估 / ADK / Cloud Run
原文: https://mp.weixin.qq.com/s/EP-38KPGW3ZB7tnmq7E11Q
核心亮点
把你的编程助手变成 Google Cloud 上构建和部署 Agent 的专家。
- 无缝集成主流编程 Agent：Gemini CLI、Claude Code、Codex、Cursor 等
- 七大技能包：覆盖 Agent 开发完整生命周期（构建-评估-部署）
- 本地模拟与评估：部署前运行评估流水线，验证智能体行为
- 自动化部署：生成 IaC、配置 CI/CD、部署至 Cloud Run / GKE
- 人工模式：既可 AI 驱动，也可手动接管，透明可控
一、项目简介
agents-cli 是谷歌云智能体平台推出的官方命令行工具，专为简化 AI 智能体的开发生命周期而设计。
核心目标：从本地原型设计到生产部署的无缝衔接。
以前需要学习 Google Cloud 十几个 CLI 工具和各种服务，现在 agents-cli 把这些知识打包成 AI 编程助手专属的"技能包"，直接可用。
二、无缝集成主流编程 Agent
| 支持的编程助手 | 说明 |
|---|---|
| Gemini CLI | 谷歌自家的 |
| Claude Code | Anthropic 的 |
| Codex | OpenAI 的 |
| Cursor | AI 代码编辑器 |
| Antigravity | — |
| 其他 | 任何编程 Agent |
三、七大技能包
每个技能都是一个独立的知识模块，覆盖 Agent 开发的完整生命周期：
| 技能 | 功能 |
|---|---|
| Workflow Skill | 开发生命周期指南：构建 → 评估 → 部署 |
| Scaffold Skill | 项目创建：create / enhance / upgrade |
| ADK Code Skill | Agent Python API：工具、回调、状态管理 |
| Eval Skill | 评估方法论：指标、评估集、LLM 评分 |
| Deploy Skill | 部署目标：Agent Runtime、Cloud Run、GKE |
| Publish Skill | Gemini Enterprise 注册，让 Agent 可被发现 |
| Observability Skill | 生产监控：Cloud Trace、日志、BigQuery Analytics |
四、降低上下文开销
传统开发流程中，编程智能体需要自行推断各类云服务的连接逻辑，造成：
- 迭代效率低下
- Token 消耗增加
agents-cli 通过将结构化知识直接嵌入 CLI，让交互更具确定性，大幅提升运行效率。
五、本地模拟与评估
- 部署前运行评估流水线
- 对比不同运行结果的输出
- 根据数据集验证智能体行为
体现了智能体系统对测试与可靠性的重视——生产环境中，准确性和一致性才是关键。
六、自动化部署
agents-cli 可自动化完成：
- ✅ 生成基础设施即代码（IaC）
- ✅ 配置 CI/CD 流水线
- ✅ 部署至 Cloud Run、Kubernetes 等托管环境
- ✅ 发布至企业级环境
- ✅ 与 Gemini Enterprise 集成
七、人工模式（Human Mode）
允许开发者直接执行 CLI 命令，而非完全依赖智能体驱动的自动化流程。
解决的问题：全自主系统透明度不足
好处：既可以让 AI 助手帮你干活，也可以随时接管，自己动手。
八、快速上手
前置要求
- Python 3.11+
- uv（快速的 Python 包安装器）
- Node.js（技能安装过程需要）
安装
# 一行命令安装 CLI + 七个技能
uvx google-agents-cli setup
# 只安装技能，跳过身份验证
uvx google-agents-cli setup --skip-auth
# 只向编程助手添加技能
npx skills add google/agents-cli
身份验证
# 交互式浏览器身份验证
agents-cli login --interactive
# 检查身份验证状态
agents-cli login --status
# 本地开发使用 AI Studio API Key
export GEMINI_API_KEY="your-key-here"
九、主要命令一览
🔧 设置和脚手架
| 命令 | 描述 |
|---|---|
agents-cli setup | 安装 CLI + 技能到编程助手 |
agents-cli scaffold <name> | 创建新的 Agent 项目 |
agents-cli scaffold enhance | 向现有项目添加部署、CI/CD 或 RAG |
agents-cli scaffold upgrade | 升级级到更新版本 |
💻 开发
| 命令 | 描述 |
|---|---|
agents-cli run "prompt" | 使用单个提示运行 Agent（快速冒烟测试） |
agents-cli playground | 打开交互式 Web 游乐场 |
agents-cli install | 安装项目依赖 |
agents-cli lint | 运行代码质量检查（Ruff） |
agents-cli lint --fix | 自动修复 lint 问题 |
📊 评估
| 命令 | 描述 |
|---|---|
agents-cli eval run | 运行 Agent 评估 |
agents-cli eval run --evalset F | 运行特定评估集 |
agents-cli eval run --all | 运行所有评估集 |
agents-cli eval compare BASE CAND | 比较两个评估结果文件 |
🚀 部署和发布
| 命令 | 描述 |
|---|---|
agents-cli deploy | 部署到配置的目标 |
agents-cli publish gemini-enterprise | 注册到 Gemini Enterprise |
十、构建你的第一个 Agent
第一步：创建项目
agents-cli scaffold my-first-agent
cd my-first-agent
第二步：安装依赖
agents-cli install
第三步：打开游乐场
agents-cli playground
启动本地 Web 界面（通常是 http://127.0.0.1:8000），在浏览器中打开，从菜单中选择你的 Agent，开始聊天测试。
默认配置为处理天气请求。
第四步：运行评估
agents-cli eval run
第五步：部署
两种部署选择：
- Cloud Run：将 Agent 像标准 Web 应用一样处理，完全控制服务器
- Agent Runtime：专门为 AI 构建的环境，自动处理 Memory 和 Orchestration
部署步骤：
# 1. 设置 Google Cloud Project
# 2. 在 Cloud Console 中启用计费
# 3. 运行部署命令
agents-cli deploy
# 4. 注册到 Gemini Enterprise
agents-cli publish gemini-enterprise
注册后可直接从 https://gemini.google.com/ 使用你的 Agent！
十一、写在最后
agents-cli 解决了 AI Agent 开发中的一大痛点：工具链和基础设施碎片化。
它通过把工程化知识打包成"技能"，让 AI 编程助手能够帮你完成从项目搭建到部署的全过程。
适用场景：
- 低成本本地开发测试
- 企业级环境部署
- 需要保持对流程掌控的场景
项目地址
🔗 https://github.com/google/agents-cli
本文整理自微信公众号「开源星探」，原文链接：https://mp.weixin.qq.com/s/EP-38KPGW3ZB7tnmq7E11Q