agents-cli— 谷歌云智能体开源的官方命令行工具-人工智能-PHP中文网

agents-cli是什么

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 agent 全生命周期设计。工具将工程化知识打包为 7 个独立技能模块，覆盖从项目脚手架、adk 开发、本地评估到 cloud run / gke 部署及 gemini enterprise 发布的完整流程。开发者可让 ai 编程助手自动完成全流程，可通过人工模式直接接管 cli 命令。本地开发仅需 ai studio api key，无需 google cloud 项目可快速原型验证。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

agents-cli— 谷歌云智能体开源的官方命令行工具

claudecode长程任务自动化编程

复杂任务工程化执行框架 — Sprint Contract 协商、三代理角色切换、对抗性评估、任务分解与上下文管理。3+ 文件修改或多模块设计时自动触发，防止复杂任务中的上下文污染和自我评估偏差。

下载

agents-cli的主要功能

项目脚手架：提供 scaffold 命令，支持一键创建标准化 Agent 项目、为现有项目追加部署/CI/CD/RAG 能力，及将项目升级至新版规范。
本地开发与调试：内置 run 命令支持单条指令快速冒烟测试，playground 可启动本地 Web 可视化界面进行交互调试，同时提供 install 和 lint 命令管理依赖与代码质量。
评估与验证：通过 eval run 运行评估流水线，按预设指标和评估集测试 Agent 表现，并通过 eval compare 对比不同版本结果，支持 LLM-as-Judge 和轨迹评分。
自动化部署：deploy 命令支持一键部署至 Agent Runtime（自动处理记忆与编排）、Cloud Run（无服务器容器化）或 GKE（Kubernetes 集群）三类目标环境。
企业发布：publish gemini-enterprise 可将部署后的 Agent 注册到 Gemini Enterprise 平台，使其在组织内可被搜索和调用。
基础设施即代码：提供 infra 系列命令生成 Terraform 配置、搭建 staging/prod 的 CI/CD 流水线，配置向量存储等 RAG 数据基础设施及数据接入管道。
编程助手技能包：将工程化知识打包为 Workflow、ADK Code、Scaffold、Eval、Deploy、Publish、Observability 七个结构化技能模块，直接注入 Gemini CLI、Claude Code、Codex、Cursor 等编程助手。

agents-cli的技术原理

技能包注入机制：agents-cli 将 Google Cloud 的工程化知识（部署流程、评估方法、API 规范）打包为 7 个结构化技能模块，通过 npx skills add 注入 Gemini CLI、Claude Code、Codex 等编程助手的上下文，使其无需自行推断云服务连接逻辑即可生成准确的 Agent 代码和配置。
基于 ADK + A2A 的编排架构：agents-cli 构建于 Google ADK（Agent Development Kit）和 A2A（Agent-to-Agent）协议之上，利用 ADK 的 Python API 定义 Agent 行为、工具调用、状态管理和多 Agent 编排，并通过 A2A 实现 Agent 间的互操作。
分层云原生架构：整个技术栈采用分层设计，编排层通过 ADK/A2A 处理 Agent 逻辑，模型层接入 Model Garden 的 Gemini 系列大模型，数据层整合 Vector Store 和 BigQuery，可观测性层通过 OpenTelemetry 和 Cloud Trace 实现全链路追踪。
上下文压缩与确定性交互：通过将云服务的连接逻辑、部署规范和最佳实践预先编码为结构化 CLI 命令和技能包，agents-cli 避免了编程助手在每次交互中重复推断基础设施配置，显著降低 Token 消耗并提升输出确定性。
本地评估与轨迹验证：内置的评估流水线支持在本地运行基于数据集的 Agent 测试，通过 LLM-as-Judge 和轨迹评分（Trajectory Scoring）对比不同版本的输出质量，确保部署前的行为一致性。

如何使用agents-cli

环境准备：确保本地已安装 Python 3.11+、uv（Python 包管理器）和 Node.js（用于技能包安装），这是运行 agents-cli 的基础依赖条件。
安装 CLI 与技能包：执行 uvx google-agents-cli setup 一键安装命令行工具，将 Workflow、ADK Code、Scaffold、Eval、Deploy、Publish、Observability 七个结构化技能包同步部署到你的编程助手。
仅安装技能包（可选）：若已有其他工具管理 CLI，可运行 npx skills add google/agents-cli 单独向 Gemini CLI、Claude Code、Codex 或 Cursor 注入技能知识，由编程助手代为调用底层命令。
身份认证：运行 agents-cli login --interactive 通过浏览器完成 Google Cloud 交互式登录，或执行 export GEMINI_API_KEY="your-key" 使用 AI Studio API Key 进行无需 GCP 项目的本地开发认证。
创建项目：执行 agents-cli scaffold my-first-agent 自动生成包含标准目录结构、ADK 基础代码、依赖文件和默认配置的全新 Agent 项目，并进入项目目录。
安装依赖：在项目根目录运行 agents-cli install 自动解析并安装 requirements.txt 或 pyproject.toml 中声明的 Python 依赖包。
本地调试：执行 agents-cli playground 启动本地 Web 可视化界面（默认地址 http://127.0.0.1:8000），在浏览器中选择 Agent 并直接输入指令进行交互式调试，无需编写测试脚本。

agents-cli的核心优势

降低工程化门槛：将 Google Cloud 十几个 CLI 工具和服务知识打包成技能包，开发者无需啃文档即可让编程助手完成云端部署。
多 Agent 兼容：无缝支持 Gemini CLI、Claude Code、Codex、Cursor、Antigravity 等主流编程助手，不绑定单一工具链。
本地零成本起步：本地开发仅需 AI Studio API Key，无需 GCP 项目即可快速原型验证，降低试用门槛。
全生命周期覆盖：从脚手架创建、代码开发、评估测试到部署发布、监控观测，提供端到端闭环。
人工模式兜底：支持开发者直接执行 CLI 命令，在必要时接管流程，解决全自主系统透明度不足的问题。
企业级可靠性：内置评估流水线、IaC、CI/CD 和多环境部署能力，满足生产环境要求。

agents-cli的项目地址

项目官网：http://google.github.io/agents-cli/
GitHub仓库：http://github.com/google/agents-cli

agents-cli的同类竞品对比

维度	Google Agents CLI	MMX-CLI	Cursor CLI
定位	谷歌云官方开源 CLI，通过 7 个结构化技能包将任意编程助手转化为构建、评估和部署企业级 AI Agent 的专家工具。	MiniMax 推出的多模态命令行工具，封装全模态模型调用能力，面向 AI Agent 实现端到端多媒体内容自动化生产。	AI 原生 IDE（VS Code fork）内置的 CLI Agent，面向日常编码与大规模代码库重构，提供实时补全与多文件编辑能力。
覆盖阶段	覆盖脚手架创建、ADK 开发、本地评估、Cloud Run/GKE 部署、Gemini Enterprise 发布及生产观测的完整生命周期。	覆盖信息搜集、内容生成、语音合成、图像/音乐选择到视频制作的端到端多媒体自动化流程。	覆盖代码编辑、多文件重构、测试生成、终端命令执行及通过 Cursor Actions 对接 CI/CD 的编码全流程。
部署目标	支持一键部署至 Agent Runtime（自动处理记忆与编排）、Cloud Run（无服务器容器化）或 GKE（Kubernetes 集群）三类 Google Cloud 环境。	仅在本地或 CI 环境中执行 shell 命令，直接调用 MiniMax API 完成内容生成，无特定云基础设施部署目标。	以本地开发为主，通过 Cursor Actions 对接外部 CI/CD 流水线，无原生云服务器或容器化部署能力。
评估能力	内置 eval 流水线，支持在本地运行基于数据集的评估，通过 LLM-as-Judge 和轨迹评分量化验证 Agent 行为一致性。	未提供内置 Agent 评估框架，仅依赖 MiniMax API 返回的生成结果，缺乏系统化的指标评测与版本对比机制。	未提供内置 Agent 评估框架，仅支持生成测试代码供开发者自行运行，缺乏 LLM-as-Judge 或轨迹评分能力。
技能包机制	将工程化知识打包为 Workflow、ADK Code、Scaffold、Eval、Deploy、Publish、Observability 七个结构化技能模块注入编程助手。	未采用技能包机制，通过 npm 安装后以标准 shell 命令暴露能力，编程助手需自行推断 MiniMax API 的调用逻辑。	未采用技能包机制，通过 .cursorrules 文件实现项目级配置预设，由 IDE 内置 Agent 根据上下文推断操作。
人工模式	支持开发者在任意步骤直接执行原生 CLI 命令（如 agents-cli info 或 agents-cli deploy），绕过编程助手的自动化推理。	支持开发者直接执行标准 shell 命令（如 mmx video generate），通过 stdout 纯 JSON 输出和语义状态码实现人工可控。	支持开发者直接执行 Cursor CLI 命令或手动接管 IDE 中的 Agent 会话，保持对代码变更的完全控制权。