用 agents-cli 搭建企业级 Agent
AI Agent 领域应用层出不穷，但真正落地的企业级应用仍是少数。主要原因是从 demo 到生产环境，中间隔着大量工程化工作：想在云端开发和部署一个 AI Agent，得先啃一堆云服务文档，配置繁琐的运行环境，还要考虑模型评估、CI/CD 流水线、监控告警。
谷歌云推出的 agents-cli 工具，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，核心目标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：把编程助手变成 Google Cloud 上构建和部署 Agent 的专家。以前需要学会 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，AI 助手直接就能用。
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，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
2、七个专业技能包
agents-cli 内置七个专门的「技能」，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：
- 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，覆盖从 0 到 1 的全过程。
3、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，往往造成迭代效率低下、词元消耗增加。agents-cli 通过将结构化知识直接嵌入 CLI，让交互更具确定性，同时大幅提升整体运行效率——AI 助手不需要再瞎猜，直接就知道该怎么做。
4、本地模拟与评估
agents-cli 内置支持本地模拟与评估：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——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
agents-cli 可自动化完成基础设施配置与发布工作流：
- 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 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——既可以让 AI 助手干活，也可以随时接管自己动手。
快速上手
开始前需要准备：
- 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 一行命令搞定：
uvx google-agents-cli setup这条命令会安装 CLI 并将所有七个技能部署到编程助手中。
如果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安装完成后进行身份验证，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
本地开发可以使用 AI Studio API Key 而不是完整的 Google Cloud 身份验证，这样在本地就能用 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 Agent 生命周期的每个阶段。
🔧 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 | 将项目升级到更新的 agents-cli 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（Agent Runtime、Cloud Run 或 GKE） |
agents-cli publish gemini-enterprise | 将部署的 Agent 注册到 Gemini Enterprise |
构建第一个 Agent
通过一个完整的例子感受 agents-cli 的用法。
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。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运行后会得到一个本地 URL（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，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
agents-cli eval run第五步：部署
部署通常有两个选择：
- Cloud Run：把 Agent 像标准 Web 应用一样处理。想完全控制服务器时，这是很好的选择。
- Agent Runtime：专门为 AI 构建的环境，自动处理 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：
- 确保已经设置了 Google Cloud Project
- 在 Cloud Console 中启用计费
- 运行命令：
agents-cli deploy如果想将 Agent 注册到 Gemini Enterprise：
agents-cli publish gemini-enterprise这样就可以直接从 https://gemini.google.com/ 使用你的 Agent 了。
总结
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 编程助手能够完成从项目搭建到部署的全过程。
无论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 都能胜任。加上「人工模式」，既能享受 AI 带来的便利，又能保持对流程的掌控。