agents-cli 完全指南让任意 Coding Agent 掌握 Google Cloud AI Agent 的构建、评估与部署【免费下载链接】agents-cliThe CLI and skills that turn any coding assistant into an expert at creating, evaluating, and deploying AI agents on Google Cloud.项目地址: https://gitcode.com/GitHub_Trending/ag/agents-cli本指南以本仓库根目录的 README 为主体系统讲解agents-cli的定位、安装方式、7 大 Agent Skills、完整 CLI 命令体系、底层架构与常见问题并结合仓库源码入口、setup、scaffold、eval、deploy、publish、extension 等模块进行源码级补充。读完本文你将掌握用一行命令为你的 Coding AgentAntigravity CLI、Claude Code、Codex 或任意其他 Agent装上 Google Cloud AI Agent 全生命周期能力并独立完成从脚手架创建、本地运行、评估、部署到发布的全流程。一、agents-cli 是什么为 Coding Agent 打造的专业工具包agents-cliAgents CLI in Agent Platform不是一个新的 Coding Agent而是服务于 Coding Agent 的 CLI 与 Skills 工具集。它的目标非常明确把你的常用编程助手变成构建、扩展、治理和优化企业级 Agent 的专家让你不必亲自掌握每一个 CLI 和服务。定位差异Antigravity CLI、Claude Code、Codex 是编程 Agent 本体agents-cli是给编程 Agent 用的工具提供让它更擅长在 Google Cloud 上构建、评估、部署 ADK Agent 的 CLI 命令和技能。在仓库源码中这一设计有直接体现src/google/agents/cli/main.py 是整个 CLI 的 Click 根组它通过自定义的_MainGroup继承自LazyGroup惰性注册所有命令——命令模块只有在用户真正调用或请求其--help时才被导入保证冷启动性能。而在 src/google/agents/cli/setup/cmd_setup.py 的 docstring 中setup 命令会检测已安装的 Coding AgentClaude Code、Antigravity CLI、Cursor、Windsurf 等并为之安装 ADK 开发技能这正是为 Agent 赋能理念的实现。agents-cli构建在 Google ADKAgent Development Kit之上可无缝配合以下工具使用Antigravity CLIClaude CodeCodex以及其他任意 Coding Agent二、快速开始3 步构建你的第一个 Agent2.1 前置条件开始之前请确保环境满足以下要求Python 3.11uvPython 包与项目管理工具Node.js用于npx skills安装技能2.2 第 1 步安装推荐方式——一键完成 CLI 安装与 Skills 安装uvx google-agents-cli setupsetup命令内部按固定流程执行源码见 src/google/agents/cli/setup/cmd_setup.py打印 Logo输出 ASCII 艺术字与随机箴言认证检查检测 Google Cloud / AI Studio 认证状态CLI 安装通过uv tool install google-agents-cli安装工具本体若已安装会检查版本更新Skills 安装通过npx skills add将技能安装到检测到的 Coding AgentAntigravity 技能链接将全局技能镜像到 Antigravity 的技能目录~/.gemini/config/skills、~/.gemini/antigravity-cli/skills等汇总输出。setup支持多个实用参数参数作用--workspace以项目/工作区作用域安装技能安装到当前目录相对位置默认全局--skip-auth跳过认证步骤--dry-run/--dryrun只展示将要执行的操作不实际变更--dev以可编辑模式从本地仓库安装面向贡献者--interactive/-i若未认证启用交互式认证提示--skills-source指定技能来源本地路径、GitHub owner/repo 或 URL覆盖内置技能包--agent指定安装技能的目标 Agent可多次使用如--agent claude-code --agent cursor用all安装到所有支持的 Agent只安装 Skills 的方式——如果你的 Coding Agent 已具备只需技能npx skills add google/agents-cli值得强调的是setup的技能安装具备三级回退机制见_install_skills函数优先从远程源通过npx skills add安装失败后回退到使用随 CLI 捆绑的本地技能包若连npx都不可用则直接将捆绑技能复制到~/.agents/skills技能存储目录。这意味着即使离线环境也能完成技能安装。2.3 第 2 步打开你的 Coding Agent启动 Antigravity CLI、Claude Code、Codex或任意你偏好的 Coding Agent。2.4 第 3 步构建第一个 Agent直接对你的 Coding Agent 下达自然语言指令即可例如Use agents-cli to build a caveman-style agent that compresses verbose text into terse, technical grunts用 agents-cli 构建一个穴居人风格的 Agent把冗长文本压缩成简洁、技术化的咕哝。Coding Agent 会自动加载已安装的 skills按照 workflow skill 中定义的开发阶段理解需求 → 学习配方 → 脚手架 → 构建 → 评估 → 部署 → 发布 → 观测逐步执行。三、Agent Skills你的 Coding Agent 将学会的 7 项技能agents-cli通过 Skills 将领域知识注入 Coding Agent。这些技能的元数据SKILL.md全部打包在仓库中安装后即成为 Agent 的行为指南Skill你的 Coding Agent 将学到什么google-agents-cli-workflow开发生命周期、代码保留规则、模型选择google-agents-cli-adk-codeADK Python API——Agent、工具、编排、回调、状态google-agents-cli-scaffold项目脚手架——create、enhance、upgradegoogle-agents-cli-eval评估方法论——指标、数据集、LLM-as-judge、自适应评分规则google-agents-cli-deploy部署——Agent Runtime、Cloud Run、GKE、CI/CD、密钥管理google-agents-cli-publishGemini Enterprise 注册google-agents-cli-observability可观测性——Cloud Trace、日志、第三方集成3.1 workflow skill贯穿全程的指挥中心skills/google-agents-cli-workflow/SKILL.md 是所有技能的入口定义了 8 个开发阶段阶段关联 Skill加载时机0 — 理解Understand无需 skill读取.agents-cli-spec.md若存在否则与用户澄清目标1 — 学习配方Study recipesgoogle-agents-cli-adk-code设计阶段即加载用references/samples.md的主题索引匹配需求与配方2 — 脚手架Scaffoldgoogle-agents-cli-scaffold创建或增强项目前3 — 构建Buildgoogle-agents-cli-adk-code编写 Agent 代码前4 — 评估Evaluategoogle-agents-cli-eval运行任何评估前5 — 部署Deploygoogle-agents-cli-deploy部署前6 — 发布Publishgoogle-agents-cli-publish部署后如注册 Gemini Enterprise可选7 — 观测Observegoogle-agents-cli-observability部署后该 skill 还特别强调在编写任何 Agent 代码之前必须先确保存在脚手架项目否则会丢失评估样板代码、CI/CD 配置和项目约定。3.2 eval skill质量飞轮方法论skills/google-agents-cli-eval/SKILL.md 定义了质量飞轮Quality Flywheel四阶段循环准备数据 → 运行评估 → 分析失败 → 优化与代码修复每阶段既有默认路径Coding Agent 直接执行也有可选的云端评估服务命令eval dataset synthesize、eval analyze、eval optimize、eval submit。3.3 deploy skill部署目标决策矩阵skills/google-agents-cli-deploy/SKILL.md 给出了三大部署目标的对比矩阵标准Agent RuntimeCloud RunGKE扩缩容托管自动扩缩可配置 min/max、并发完全可配置min/max 实例、并发、CPU 分配完整 Kubernetes 扩缩容HPA、VPA、节点自动供给网络支持 VPC-SC 与 PSC-I完整 VPC 支持、IAP、入口规则完整 Kubernetes 网络会话状态托管 Agent Engine 会话内存开发/ Cloud SQL / Agent Platform Sessions内存开发/ Cloud SQL / Agent Platform Sessions成本模型vCPU 时 内存时空闲不计费按实例秒计费 最小实例成本节点池成本最适合托管基础设施、最小运维自定义基础设施、完整网络控制完整 Kubernetes 控制三个目标均为容器化部署任何语言Python、Go、Java、TypeScript都适用。3.4 Skills 在仓库中的组织所有技能的内容均可在仓库中直接查阅skills/ 目录包含 7 个技能包每个技能包含SKILL.md主文件与references/参考资料目录如 eval 技能含 dataset schema、metrics、LLM-as-judge 等 6 份参考文档。这些技能同时被打包进 CLIsrc/google/agents/cli/skills/data/使setup可以离线回退安装。四、CLI 命令全景从脚手架到发布的一站式命令4.1 核心命令速览命令作用agents-cli setup安装 CLI 与技能到 Coding Agentagents-cli create name创建新的 Agent 项目agents-cli eval run在评估数据集上运行 Agent 并评分轨迹agents-cli deploy部署到 Google Cloudagents-cli publish gemini-enterprise注册到 Gemini Enterprise4.2 全部命令按功能分组认证命令描述agents-cli login使用 Google Cloud 或 AI Studio 认证agents-cli login --status显示认证状态脚手架Scaffold命令描述agents-cli create name创建新的 Agent 项目agents-cli scaffold enhance为已有项目添加部署或 CI/CDagents-cli scaffold upgrade升级项目到更新的 agents-cli 版本开发Develop命令描述agents-cli run prompt用单条 prompt 运行 Agentagents-cli install安装项目依赖agents-cli lint运行代码质量检查Ruff评估Evaluate命令描述agents-cli eval run运行 Agent 推理并对轨迹评分generate grade 链式agents-cli eval generate在评估用例上运行 Agent 推理agents-cli eval grade依据指标为生成的轨迹评分agents-cli eval dataset synthesize为本地 Agent 合成多轮评估场景agents-cli eval compare比较两个评估结果文件agents-cli eval analyze从评分结果聚类失败模式agents-cli eval metric list列出可用指标agents-cli eval optimize使用评估数据自动调优 Agent prompt部署与发布Deploy Publish命令描述agents-cli deploy部署到 Google Cloudagents-cli publish gemini-enterprise注册到 Gemini Enterpriseagents-cli infra single-project供给单项目基础设施agents-cli infra cicd搭建 CI/CD 流水线 staging/prod 基础设施其他命令描述agents-cli info显示项目配置与 CLI 版本agents-cli update强制向所有 IDE 重装技能4.3 命令体系背后的惰性加载机制命令之所以能如此轻快源于 src/google/agents/cli/_click.py 中的LazyGroup子命令模块只有在真正被调用或请求其--help时才导入父组的--help只渲染注册时提供的short_help字符串不触发任何导入。例如 scaffold/cmd_scaffold_group.py 中create、enhance、upgrade三个子命令都以add_lazy_command(create, google.agents.cli.scaffold.commands.create:create, ...)的形式注册。4.4create命令模板化创建 Agent 项目agents-cli create name基于 src/google/agents/cli/scaffold/agents/ 下的模板创建项目支持 ADK 的 Python/Go/Java/TypeScript 多语言模板以及空模板。核心参数源码见 src/google/agents/cli/scaffold/commands/create.py 的shared_template_options装饰器参数说明--deployment-target/-d部署目标可选agent_runtime、cloud_run、gke、none--cicd-runnerCI/CD 运行器google_cloud_build、github_actions、skip--prototype/-p创建不含 CI/CD 与 Terraform 基础设施的最小项目--session-type会话存储类型in_memory、cloud_sql、agent_platform_sessions--regionGCP 部署区域默认us-east1--auto-approve/-y非交互模式跳过提示并使用默认值--interactive/-i启用面向人工的交互式提示--agent-directory/-dir指定 Agent 目录名覆盖模板默认--bq-analytics加入 BigQuery Agent Analytics 插件以支持可观测性--agent-guidance-filenameAgent 指引文件名默认GEMINI.md可选CLAUDE.md、AGENTS.md--skip-checks/-s跳过 GCP 与 Vertex AI 校验--base-template/-bt指定基础模板仅远程模板--debug启用调试日志部署目标与会话类型等常量定义于 src/google/agents/cli/scaffold/utils/template.pyDEPLOYMENT_TARGETS定义了agent_runtimeVertex AI 托管平台、cloud_runServerless 容器平台、gke托管 Kubernetes/Autopilot、none不部署云端四种目标SESSION_TYPES定义了in_memory无状态、数据在内存、cloud_sqlPostgreSQL 持久化、agent_platform_sessions托管会话服务三种会话类型SUPPORTED_LANGUAGES支持 Python、Go、Java、TypeScript 四种语言。该文件还维护了AGENT_ALIASES兼容映射adk_base、adk_a2a_base、adk_a2a→adk保证旧参数名可用。4.5eval命令组评估全流程src/google/agents/cli/eval/cmd_eval_group.py 注册了完整的评估命令组。核心命令eval run的参数src/google/agents/cli/eval/cmd_run.py--dataset指向 JSON 评估数据集默认使用agents-cli create脚手架生成的文件--output结果与产物保存目录默认artifacts/grade_results/--metrics逗号分隔的指标列表如final_response_quality,grounding--config包含指标与自定义指标配置的 JSON/YAML 文件--project评分用 GCP 项目 ID覆盖GOOGLE_CLOUD_PROJECT与 ADC--region评分区域。4.6deploy与publishagents-cli deploysrc/google/agents/cli/deploy/cmd_deploy.py将 Agent 部署到所选目标内部封装了 Docker 构建、Terraform 基础设施供给与部署状态轮询agents-cli publish gemini-enterprisesrc/google/agents/cli/publish/cmd_publish_group.py将已部署的 Agent Runtime 注册到 Gemini Enterprise。4.7info与updateagents-cli infosrc/google/agents/cli/info/cmd_info.py一次性输出 CLI 版本、安装路径、项目根目录、已安装技能按作用域分组、已加载扩展与版本冲突警告支持--json输出agents-cli update强制重装技能到所有 IDE。五、架构agents-cli 所构建的 Google Cloud Agent 技术栈这张架构图展示了agents-cli所构建的 Google Cloud Agent 技术栈的完整分层用户与客户端层用户通过 Client 发起交互Agent 编排层使用 Google 的 ADK 与 A2A 构建可选使用现成示例模型层LLM依托 Model Garden模型花园提供能力评估层Agent Platform Evaluation验证 Agent 性能部署层Agent Runtime提供 Cloud Run容器化部署与 GKE 两种运行选项辅助支撑层IaC CI/CDTerraform 与 CI/CD 流水线、可观测性OpenTelemetry 与日志、数据层向量存储、监控、数据存储与分析。从原型到生产的自动化流水线如图图中展示了完整的 CI/CD 流程CI 阶段在 Pull Request 时触发执行单元测试与集成测试配置见deployment/ci/pr_checks.yamlCD 阶段在合并到 main 分支时触发流水线 #1 完成容器构建 → 部署到 staging → 负载测试deployment/cd/staging.yaml流水线 #2 经人工审批后部署生产deployment/cd/deploy-to-prod.yaml。六、常见问题FAQ解析6.1 这是 Antigravity CLI、Claude Code 或 Codex 的替代品吗不是。agents-cli是为 Coding Agent 服务的工具它本身不是 Coding Agent。它提供让 Coding Agent 更擅长在 Google Cloud 上构建、评估和部署 ADK Agent 的 CLI 命令与技能。6.2 与直接使用adk有何不同ADK 是 Agent 框架agents-cli则为 Coding Agent 提供端到端构建、评估、部署 ADK Agent 的技能与工具。6.3 需要 Google Cloud 吗本地开发create、run、eval不需要——可以使用 AI Studio API Key 在本地通过 ADK 运行 Gemini。部署与云端功能则需要 Google Cloud。6.4 可以用于已有 Agent 项目吗可以。agents-cli scaffold enhance能为已有项目添加部署与 CI/CD 能力。6.5 不使用 Coding Agent 也能用吗可以。CLI 可独立运行——你可以直接在终端执行agents-cli scaffold、eval、deploy及其他所有命令技能只是让 Coding Agent 更容易替你完成这些操作。6.6 如何扩展更多技能agents-cli的技能覆盖 Agent 构建生命周期scaffold、ADK 代码模式、评估、部署、发布、可观测性。对于相邻需求可以并行安装其他技能套件例如通用软件工程工作流构思、规格门禁、规划、代码评审与 Google Cloud 基础技能BigQuery、Cloud Run、Firebase、GKE。七、扩展机制为其他框架提供生命周期支持除了内置技能agents-cli还提供了扩展机制见 schemas/agents-cli-extension-v1alpha1.schema.json 定义的扩展清单 Schema允许第三方为其他 Agent 框架接入同一套生命周期命令。仓库内置的 LangChain 扩展extensions/langchain/template/agents-cli-extension.yaml就是一个完整示例它通过commands.override把playground、run、publish.gemini-enterprise、eval.generate等命令重写为 LangChain/LangGraph 的实现并将依赖 ADK 内省能力的eval.dataset、eval.optimize标记为不支持。扩展加载逻辑在 src/google/agents/cli/main.py 的_apply_extensions中实现CLI 启动时会从项目根目录与用户配置目录发现扩展检查其声明的requires.agents-cli版本区间将扩展命令安装或按阻塞策略替换为内置命令并以 WARNING 日志显式提示每个命令覆盖的来源扩展名 作用域避免静默接管。结语agents-cli将构建、评估、部署 Google Cloud Agent这一复杂的端到端工程压缩为 Coding Agent 可以直接调用的命令与技能。无论你偏好 Antigravity CLI、Claude Code、Codex 还是其他编程助手只需一条uvx google-agents-cli setup即可让它在几分钟内掌握 ADK 项目脚手架、质量飞轮评估方法论、多目标部署、Gemini Enterprise 发布与全栈可观测能力把精力重新聚焦到 Agent 本身的业务逻辑上。安装与使用过程中如有问题仓库中的 CONTRIBUTING.md、RELEASE_NOTES.md 以及各技能的references/目录都是深入了解的起点。【免费下载链接】agents-cliThe CLI and skills that turn any coding assistant into an expert at creating, evaluating, and deploying AI agents on Google Cloud.项目地址: https://gitcode.com/GitHub_Trending/ag/agents-cli创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 agents-cli 完全指南：让任意 Coding Agent 掌握 Google Cloud AI Agent 的构建、评估与部署
agents-cli 完全指南让任意 Coding Agent 掌握 Google Cloud AI Agent 的构建、评估与部署【免费下载链接】agents-cliThe CLI and skills that turn any coding assistant into an expert at creating, evaluating, and deploying AI agents on Google Cloud.项目地址: https://gitcode.com/GitHub_Trending/ag/agents-cli本指南以本仓库根目录的 README 为主体系统讲解agents-cli的定位、安装方式、7 大 Agent Skills、完整 CLI 命令体系、底层架构与常见问题并结合仓库源码入口、setup、scaffold、eval、deploy、publish、extension 等模块进行源码级补充。读完本文你将掌握用一行命令为你的 Coding AgentAntigravity CLI、Claude Code、Codex 或任意其他 Agent装上 Google Cloud AI Agent 全生命周期能力并独立完成从脚手架创建、本地运行、评估、部署到发布的全流程。一、agents-cli 是什么为 Coding Agent 打造的专业工具包agents-cliAgents CLI in Agent Platform不是一个新的 Coding Agent而是服务于 Coding Agent 的 CLI 与 Skills 工具集。它的目标非常明确把你的常用编程助手变成构建、扩展、治理和优化企业级 Agent 的专家让你不必亲自掌握每一个 CLI 和服务。定位差异Antigravity CLI、Claude Code、Codex 是编程 Agent 本体agents-cli是给编程 Agent 用的工具提供让它更擅长在 Google Cloud 上构建、评估、部署 ADK Agent 的 CLI 命令和技能。在仓库源码中这一设计有直接体现src/google/agents/cli/main.py 是整个 CLI 的 Click 根组它通过自定义的_MainGroup继承自LazyGroup惰性注册所有命令——命令模块只有在用户真正调用或请求其--help时才被导入保证冷启动性能。而在 src/google/agents/cli/setup/cmd_setup.py 的 docstring 中setup 命令会检测已安装的 Coding AgentClaude Code、Antigravity CLI、Cursor、Windsurf 等并为之安装 ADK 开发技能这正是为 Agent 赋能理念的实现。agents-cli构建在 Google ADKAgent Development Kit之上可无缝配合以下工具使用Antigravity CLIClaude CodeCodex以及其他任意 Coding Agent二、快速开始3 步构建你的第一个 Agent2.1 前置条件开始之前请确保环境满足以下要求Python 3.11uvPython 包与项目管理工具Node.js用于npx skills安装技能2.2 第 1 步安装推荐方式——一键完成 CLI 安装与 Skills 安装uvx google-agents-cli setupsetup命令内部按固定流程执行源码见 src/google/agents/cli/setup/cmd_setup.py打印 Logo输出 ASCII 艺术字与随机箴言认证检查检测 Google Cloud / AI Studio 认证状态CLI 安装通过uv tool install google-agents-cli安装工具本体若已安装会检查版本更新Skills 安装通过npx skills add将技能安装到检测到的 Coding AgentAntigravity 技能链接将全局技能镜像到 Antigravity 的技能目录~/.gemini/config/skills、~/.gemini/antigravity-cli/skills等汇总输出。setup支持多个实用参数参数作用--workspace以项目/工作区作用域安装技能安装到当前目录相对位置默认全局--skip-auth跳过认证步骤--dry-run/--dryrun只展示将要执行的操作不实际变更--dev以可编辑模式从本地仓库安装面向贡献者--interactive/-i若未认证启用交互式认证提示--skills-source指定技能来源本地路径、GitHub owner/repo 或 URL覆盖内置技能包--agent指定安装技能的目标 Agent可多次使用如--agent claude-code --agent cursor用all安装到所有支持的 Agent只安装 Skills 的方式——如果你的 Coding Agent 已具备只需技能npx skills add google/agents-cli值得强调的是setup的技能安装具备三级回退机制见_install_skills函数优先从远程源通过npx skills add安装失败后回退到使用随 CLI 捆绑的本地技能包若连npx都不可用则直接将捆绑技能复制到~/.agents/skills技能存储目录。这意味着即使离线环境也能完成技能安装。2.3 第 2 步打开你的 Coding Agent启动 Antigravity CLI、Claude Code、Codex或任意你偏好的 Coding Agent。2.4 第 3 步构建第一个 Agent直接对你的 Coding Agent 下达自然语言指令即可例如Use agents-cli to build a caveman-style agent that compresses verbose text into terse, technical grunts用 agents-cli 构建一个穴居人风格的 Agent把冗长文本压缩成简洁、技术化的咕哝。Coding Agent 会自动加载已安装的 skills按照 workflow skill 中定义的开发阶段理解需求 → 学习配方 → 脚手架 → 构建 → 评估 → 部署 → 发布 → 观测逐步执行。三、Agent Skills你的 Coding Agent 将学会的 7 项技能agents-cli通过 Skills 将领域知识注入 Coding Agent。这些技能的元数据SKILL.md全部打包在仓库中安装后即成为 Agent 的行为指南Skill你的 Coding Agent 将学到什么google-agents-cli-workflow开发生命周期、代码保留规则、模型选择google-agents-cli-adk-codeADK Python API——Agent、工具、编排、回调、状态google-agents-cli-scaffold项目脚手架——create、enhance、upgradegoogle-agents-cli-eval评估方法论——指标、数据集、LLM-as-judge、自适应评分规则google-agents-cli-deploy部署——Agent Runtime、Cloud Run、GKE、CI/CD、密钥管理google-agents-cli-publishGemini Enterprise 注册google-agents-cli-observability可观测性——Cloud Trace、日志、第三方集成3.1 workflow skill贯穿全程的指挥中心skills/google-agents-cli-workflow/SKILL.md 是所有技能的入口定义了 8 个开发阶段阶段关联 Skill加载时机0 — 理解Understand无需 skill读取.agents-cli-spec.md若存在否则与用户澄清目标1 — 学习配方Study recipesgoogle-agents-cli-adk-code设计阶段即加载用references/samples.md的主题索引匹配需求与配方2 — 脚手架Scaffoldgoogle-agents-cli-scaffold创建或增强项目前3 — 构建Buildgoogle-agents-cli-adk-code编写 Agent 代码前4 — 评估Evaluategoogle-agents-cli-eval运行任何评估前5 — 部署Deploygoogle-agents-cli-deploy部署前6 — 发布Publishgoogle-agents-cli-publish部署后如注册 Gemini Enterprise可选7 — 观测Observegoogle-agents-cli-observability部署后该 skill 还特别强调在编写任何 Agent 代码之前必须先确保存在脚手架项目否则会丢失评估样板代码、CI/CD 配置和项目约定。3.2 eval skill质量飞轮方法论skills/google-agents-cli-eval/SKILL.md 定义了质量飞轮Quality Flywheel四阶段循环准备数据 → 运行评估 → 分析失败 → 优化与代码修复每阶段既有默认路径Coding Agent 直接执行也有可选的云端评估服务命令eval dataset synthesize、eval analyze、eval optimize、eval submit。3.3 deploy skill部署目标决策矩阵skills/google-agents-cli-deploy/SKILL.md 给出了三大部署目标的对比矩阵标准Agent RuntimeCloud RunGKE扩缩容托管自动扩缩可配置 min/max、并发完全可配置min/max 实例、并发、CPU 分配完整 Kubernetes 扩缩容HPA、VPA、节点自动供给网络支持 VPC-SC 与 PSC-I完整 VPC 支持、IAP、入口规则完整 Kubernetes 网络会话状态托管 Agent Engine 会话内存开发/ Cloud SQL / Agent Platform Sessions内存开发/ Cloud SQL / Agent Platform Sessions成本模型vCPU 时 内存时空闲不计费按实例秒计费 最小实例成本节点池成本最适合托管基础设施、最小运维自定义基础设施、完整网络控制完整 Kubernetes 控制三个目标均为容器化部署任何语言Python、Go、Java、TypeScript都适用。3.4 Skills 在仓库中的组织所有技能的内容均可在仓库中直接查阅skills/ 目录包含 7 个技能包每个技能包含SKILL.md主文件与references/参考资料目录如 eval 技能含 dataset schema、metrics、LLM-as-judge 等 6 份参考文档。这些技能同时被打包进 CLIsrc/google/agents/cli/skills/data/使setup可以离线回退安装。四、CLI 命令全景从脚手架到发布的一站式命令4.1 核心命令速览命令作用agents-cli setup安装 CLI 与技能到 Coding Agentagents-cli create name创建新的 Agent 项目agents-cli eval run在评估数据集上运行 Agent 并评分轨迹agents-cli deploy部署到 Google Cloudagents-cli publish gemini-enterprise注册到 Gemini Enterprise4.2 全部命令按功能分组认证命令描述agents-cli login使用 Google Cloud 或 AI Studio 认证agents-cli login --status显示认证状态脚手架Scaffold命令描述agents-cli create name创建新的 Agent 项目agents-cli scaffold enhance为已有项目添加部署或 CI/CDagents-cli scaffold upgrade升级项目到更新的 agents-cli 版本开发Develop命令描述agents-cli run prompt用单条 prompt 运行 Agentagents-cli install安装项目依赖agents-cli lint运行代码质量检查Ruff评估Evaluate命令描述agents-cli eval run运行 Agent 推理并对轨迹评分generate grade 链式agents-cli eval generate在评估用例上运行 Agent 推理agents-cli eval grade依据指标为生成的轨迹评分agents-cli eval dataset synthesize为本地 Agent 合成多轮评估场景agents-cli eval compare比较两个评估结果文件agents-cli eval analyze从评分结果聚类失败模式agents-cli eval metric list列出可用指标agents-cli eval optimize使用评估数据自动调优 Agent prompt部署与发布Deploy Publish命令描述agents-cli deploy部署到 Google Cloudagents-cli publish gemini-enterprise注册到 Gemini Enterpriseagents-cli infra single-project供给单项目基础设施agents-cli infra cicd搭建 CI/CD 流水线 staging/prod 基础设施其他命令描述agents-cli info显示项目配置与 CLI 版本agents-cli update强制向所有 IDE 重装技能4.3 命令体系背后的惰性加载机制命令之所以能如此轻快源于 src/google/agents/cli/_click.py 中的LazyGroup子命令模块只有在真正被调用或请求其--help时才导入父组的--help只渲染注册时提供的short_help字符串不触发任何导入。例如 scaffold/cmd_scaffold_group.py 中create、enhance、upgrade三个子命令都以add_lazy_command(create, google.agents.cli.scaffold.commands.create:create, ...)的形式注册。4.4create命令模板化创建 Agent 项目agents-cli create name基于 src/google/agents/cli/scaffold/agents/ 下的模板创建项目支持 ADK 的 Python/Go/Java/TypeScript 多语言模板以及空模板。核心参数源码见 src/google/agents/cli/scaffold/commands/create.py 的shared_template_options装饰器参数说明--deployment-target/-d部署目标可选agent_runtime、cloud_run、gke、none--cicd-runnerCI/CD 运行器google_cloud_build、github_actions、skip--prototype/-p创建不含 CI/CD 与 Terraform 基础设施的最小项目--session-type会话存储类型in_memory、cloud_sql、agent_platform_sessions--regionGCP 部署区域默认us-east1--auto-approve/-y非交互模式跳过提示并使用默认值--interactive/-i启用面向人工的交互式提示--agent-directory/-dir指定 Agent 目录名覆盖模板默认--bq-analytics加入 BigQuery Agent Analytics 插件以支持可观测性--agent-guidance-filenameAgent 指引文件名默认GEMINI.md可选CLAUDE.md、AGENTS.md--skip-checks/-s跳过 GCP 与 Vertex AI 校验--base-template/-bt指定基础模板仅远程模板--debug启用调试日志部署目标与会话类型等常量定义于 src/google/agents/cli/scaffold/utils/template.pyDEPLOYMENT_TARGETS定义了agent_runtimeVertex AI 托管平台、cloud_runServerless 容器平台、gke托管 Kubernetes/Autopilot、none不部署云端四种目标SESSION_TYPES定义了in_memory无状态、数据在内存、cloud_sqlPostgreSQL 持久化、agent_platform_sessions托管会话服务三种会话类型SUPPORTED_LANGUAGES支持 Python、Go、Java、TypeScript 四种语言。该文件还维护了AGENT_ALIASES兼容映射adk_base、adk_a2a_base、adk_a2a→adk保证旧参数名可用。4.5eval命令组评估全流程src/google/agents/cli/eval/cmd_eval_group.py 注册了完整的评估命令组。核心命令eval run的参数src/google/agents/cli/eval/cmd_run.py--dataset指向 JSON 评估数据集默认使用agents-cli create脚手架生成的文件--output结果与产物保存目录默认artifacts/grade_results/--metrics逗号分隔的指标列表如final_response_quality,grounding--config包含指标与自定义指标配置的 JSON/YAML 文件--project评分用 GCP 项目 ID覆盖GOOGLE_CLOUD_PROJECT与 ADC--region评分区域。4.6deploy与publishagents-cli deploysrc/google/agents/cli/deploy/cmd_deploy.py将 Agent 部署到所选目标内部封装了 Docker 构建、Terraform 基础设施供给与部署状态轮询agents-cli publish gemini-enterprisesrc/google/agents/cli/publish/cmd_publish_group.py将已部署的 Agent Runtime 注册到 Gemini Enterprise。4.7info与updateagents-cli infosrc/google/agents/cli/info/cmd_info.py一次性输出 CLI 版本、安装路径、项目根目录、已安装技能按作用域分组、已加载扩展与版本冲突警告支持--json输出agents-cli update强制重装技能到所有 IDE。五、架构agents-cli 所构建的 Google Cloud Agent 技术栈这张架构图展示了agents-cli所构建的 Google Cloud Agent 技术栈的完整分层用户与客户端层用户通过 Client 发起交互Agent 编排层使用 Google 的 ADK 与 A2A 构建可选使用现成示例模型层LLM依托 Model Garden模型花园提供能力评估层Agent Platform Evaluation验证 Agent 性能部署层Agent Runtime提供 Cloud Run容器化部署与 GKE 两种运行选项辅助支撑层IaC CI/CDTerraform 与 CI/CD 流水线、可观测性OpenTelemetry 与日志、数据层向量存储、监控、数据存储与分析。从原型到生产的自动化流水线如图图中展示了完整的 CI/CD 流程CI 阶段在 Pull Request 时触发执行单元测试与集成测试配置见deployment/ci/pr_checks.yamlCD 阶段在合并到 main 分支时触发流水线 #1 完成容器构建 → 部署到 staging → 负载测试deployment/cd/staging.yaml流水线 #2 经人工审批后部署生产deployment/cd/deploy-to-prod.yaml。六、常见问题FAQ解析6.1 这是 Antigravity CLI、Claude Code 或 Codex 的替代品吗不是。agents-cli是为 Coding Agent 服务的工具它本身不是 Coding Agent。它提供让 Coding Agent 更擅长在 Google Cloud 上构建、评估和部署 ADK Agent 的 CLI 命令与技能。6.2 与直接使用adk有何不同ADK 是 Agent 框架agents-cli则为 Coding Agent 提供端到端构建、评估、部署 ADK Agent 的技能与工具。6.3 需要 Google Cloud 吗本地开发create、run、eval不需要——可以使用 AI Studio API Key 在本地通过 ADK 运行 Gemini。部署与云端功能则需要 Google Cloud。6.4 可以用于已有 Agent 项目吗可以。agents-cli scaffold enhance能为已有项目添加部署与 CI/CD 能力。6.5 不使用 Coding Agent 也能用吗可以。CLI 可独立运行——你可以直接在终端执行agents-cli scaffold、eval、deploy及其他所有命令技能只是让 Coding Agent 更容易替你完成这些操作。6.6 如何扩展更多技能agents-cli的技能覆盖 Agent 构建生命周期scaffold、ADK 代码模式、评估、部署、发布、可观测性。对于相邻需求可以并行安装其他技能套件例如通用软件工程工作流构思、规格门禁、规划、代码评审与 Google Cloud 基础技能BigQuery、Cloud Run、Firebase、GKE。七、扩展机制为其他框架提供生命周期支持除了内置技能agents-cli还提供了扩展机制见 schemas/agents-cli-extension-v1alpha1.schema.json 定义的扩展清单 Schema允许第三方为其他 Agent 框架接入同一套生命周期命令。仓库内置的 LangChain 扩展extensions/langchain/template/agents-cli-extension.yaml就是一个完整示例它通过commands.override把playground、run、publish.gemini-enterprise、eval.generate等命令重写为 LangChain/LangGraph 的实现并将依赖 ADK 内省能力的eval.dataset、eval.optimize标记为不支持。扩展加载逻辑在 src/google/agents/cli/main.py 的_apply_extensions中实现CLI 启动时会从项目根目录与用户配置目录发现扩展检查其声明的requires.agents-cli版本区间将扩展命令安装或按阻塞策略替换为内置命令并以 WARNING 日志显式提示每个命令覆盖的来源扩展名 作用域避免静默接管。结语agents-cli将构建、评估、部署 Google Cloud Agent这一复杂的端到端工程压缩为 Coding Agent 可以直接调用的命令与技能。无论你偏好 Antigravity CLI、Claude Code、Codex 还是其他编程助手只需一条uvx google-agents-cli setup即可让它在几分钟内掌握 ADK 项目脚手架、质量飞轮评估方法论、多目标部署、Gemini Enterprise 发布与全栈可观测能力把精力重新聚焦到 Agent 本身的业务逻辑上。安装与使用过程中如有问题仓库中的 CONTRIBUTING.md、RELEASE_NOTES.md 以及各技能的references/目录都是深入了解的起点。【免费下载链接】agents-cliThe CLI and skills that turn any coding assistant into an expert at creating, evaluating, and deploying AI agents on Google Cloud.项目地址: https://gitcode.com/GitHub_Trending/ag/agents-cli创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考