谷歌开源 agents-cli:让 AI 助手帮你完成企业级 Agent 从搭建到部署全流程!

近年 AI Agent 领域热闹非凡，各种智能体应用层出不穷，但真正落地的企业级应用除了大厂出品的还是在少数。

主要原因还是因为从一个 demo 到生产环境，中间隔了十万八千里的工程化工作。

想在云端开发和部署一个 AI Agent，首先得啃一堆云服务文档，然后配置各种繁琐的运行环境，接着还要考虑模型评估、CI/CD 流水线、监控告警……光是想想就让人头大。

就在大家头疼的时候，谷歌云出手了。就在 4 月底，谷歌云正式推出了 agents-cli 工具，巧妙地把这些工程化知识，打包成了 AI 编程助手专属的"技能包"。

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。

它的核心目标就是实现从本地原型设计到生产部署的无缝衔接。

这个工具的定位非常清晰：把你的编程助手变成 Google Cloud 上构建和部署 Agent 的专家。

以前，你可能需要学会 Google Cloud 的十几个 CLI 工具和各种服务。

现在，agents-cli 把这些知识都打包好了，你的 AI 助手直接就能用，你也不用再去啃厚厚的文档了。

核心亮点

1、无缝集成主流编程 Agent

agents-cli 专门为与编程智能体直接集成而设计，完美支持：

• • Gemini CLI（谷歌自家的）
• • Claude Code（Anthropic 的）
• • Codex（OpenAI 的）
• • Cursor
• • Antigravity
• • 以及其他任何编程 Agent

你喜欢用哪个就用哪个，agents-cli 都能让它变成 Agent 开发专家。

2、七个专业技能包

agents-cli 内置了七个专门的"技能"，每个技能都是一个独立的知识模块，覆盖了 Agent 开发的完整生命周期：

• • Workflow Skill：开发生命周期指南，涵盖构建-评估-部署阶段
• • Scaffold Skill：项目创建，支持 create、enhance、upgrade 命令
• • ADK Code Skill：Agent 的 Python API 参考，包括工具、回调和状态管理
• • Eval Skill：评估方法论，包括指标、评估集和 LLM 作为评判者的评分
• • Deploy Skill：部署目标，包括 Agent Runtime、Cloud Run 和 GKE
• • Publish Skill：Gemini Enterprise 注册，让 Agent 可被发现
• • Observability Skill：Cloud Trace、日志记录和 BigQuery Analytics 用于生产监控

这七个技能就像七个专家顾问，各司其职，帮你完成从 0 到 1 的全过程。

3、降低上下文开销

在传统的开发流程中，编程智能体需要自行推断各类云服务的连接逻辑，这往往会造成迭代效率低下、词元消耗增加。

agents-cli 通过将结构化知识直接嵌入 CLI 的方式，让此类交互更具确定性，同时大幅提升整体运行效率。你的 AI 助手不需要再瞎猜了，直接就能知道该怎么做。

4、本地模拟与评估

agents-cli 内置支持本地模拟与评估。你可以在部署前运行评估流水线，对比不同运行结果的输出，并根据数据集验证智能体的行为。

这体现了智能体系统正愈发重视测试与可靠性保障——毕竟在生产环境中，运行的准确性和一致性才是关键。

5、自动化部署

在部署方面，agents-cli 可自动化完成基础设施配置与发布工作流。它能够：

• • 生成基础设施即代码（IaC）
• • 配置 CI/CD 流水线
• • 将智能体部署至 Cloud Run、Kubernetes 等托管环境
• • 支持将智能体发布至企业级环境
• • 实现与 Gemini Enterprise 的集成

6、人工模式（Human Mode）

agents-cli 还有一个非常贴心的设计：人工模式。它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。

这为工作人员在必要时检查、管控工作流程提供了可行方式，解决了全自主系统透明度不足的问题。你既可以让 AI 助手帮你干活，也可以随时接管，自己动手。

快速上手

好了，说了这么多，我们来看看怎么用 agents-cli 吧。

在开始之前，你需要准备好：

• • Python 3.11+：现代 Python 运行时
• • uv：快速的 Python 包安装器
• • Node.js：技能安装过程需要

安装 agents-cli 非常简单，一行命令搞定：

uvx google-agents-cli setup

这一条命令会安装 CLI 并将所有七个技能部署到你的编程助手中。

如果你只想安装技能而不进行身份验证设置：

uvx google-agents-cli setup --skip-auth

或者，你也可以只向编程助手添加技能，而不安装完整的 CLI：

npx skills add google/agents-cli

安装完成后，你需要进行身份验证。agents-cli 支持多种方式：

方式一：交互式浏览器身份验证

agents-cli login --interactive

方式二：检查身份验证状态

agents-cli login --status

方式三：本地开发使用 AI Studio API Key

对于本地开发，你可以使用 AI Studio API Key 而不是完整的 Google Cloud 身份验证。这样你就可以在本地使用 Gemini 和 ADK，无需云项目：

export GEMINI_API_KEY="your-key-here"

主要命令一览

agents-cli 提供了一整套完整的命令，覆盖了 Agent 生命周期的每个阶段：

🔧 设置和脚手架

💻 开发

📊 评估

🚀 部署和发布

构建你的第一个 Agent

让我们通过一个完整的例子来感受一下 agents-cli 的威力。

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

这是 agents-cli 最棒的功能之一。你不需要在黑白终端中测试 Agent，而是可以启动一个本地 Web 界面：

agents-cli playground

运行后，你会得到一个本地 URL（通常是 http://127.0.0.1:8000）。在浏览器中打开它，从菜单中选择你的 Agent，就可以开始聊天了。

默认情况下，这个 Agent 配置为处理天气请求。

第四步：运行评估

当你准备好评估时，运行：

agents-cli eval run

第五步：部署

部署通常有两个选择：

1. 1. Cloud Run：将你的 Agent 像标准 Web 应用一样处理。如果你想完全控制服务器，这是一个很好的选择。
2. 2. Agent Runtime：这是一个专门为 AI 构建的环境。它会自动处理诸如 Memory（记住用户之前说的话）和 Orchestration（管理多个协同工作的 Agent）之类的事情。

部署过程：

1. 1. 确保你已经设置了 Google Cloud Project
2. 2. 在 Cloud Console 中启用计费
3. 3. 运行命令：

agents-cli deploy

如果你想将 Agent 注册到 Gemini Enterprise，运行这个命令：

agents-cli publish gemini-enterprise

这样你就可以直接从 https://gemini.google.com/ 使用你的 Agent 了！

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。

无论你是想低成本地在本地开发测试，还是要部署到企业级环境，agents-cli 都能帮到你。而且它还支持"人工模式"，让你既能享受 AI 带来的便利，又能保持对流程的掌控。

如果你正在准备开发企业级 AI 应用，又不想被繁杂的运维操作折磨，那么 agents-cli 值得一试。

GitHub：https://github.com/google/agents-cli