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