5 分钟上手 agents-cli从零到部署第一个 AI Agent 完整教程【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-cliagents-cli 是 Google 开源的 AI Agent 命令行工具与技能包它能把你常用的编程助手Claude Code、Codex、Antigravity CLI 等变成 AI Agent 开发专家覆盖创建、评估、部署到 Google Cloud 的全流程。本教程面向新手不要求你会背任何 CLI 命令——5 分钟跟着操作你就能部署出第一个属于自己的 AI Agent agents-cli 是什么为什么新手值得尝试agents-cli 不是一个编程助手而是为编程助手而生的工具它由两部分组成——CLI 命令scaffold建项目、run本地调试、eval评估、deploy部署全部一条命令搞定7 个 Agent Skills安装后你的编程助手就学会了 ADK 代码模式、评估方法、部署流程等专业知识你只需要用自然语言下指令。下图展示了 agents-cli 所依托的 Google Cloud Agent 平台整体架构评估Evaluation、模型Model Garden、编排Orchestration、部署Agent Runtime / Cloud Run / GKE与可观测性一应俱全它支持 Python、Go、Java、TypeScript 四种语言的 Agent 模板本地开发只需一个 AI Studio API Key不强制依赖 Google Cloud 账号。一键安装 agents-cli最快环境配置步骤前置条件Python 3.11、uv、Node.js用于安装 skills。只需一条命令即可完成 CLI Skills 的全部安装uvx google-agents-cli setup安装脚本会自动检测你机器上的编程助手Claude Code、Codex、Antigravity CLI 等并把 7 个 skills 装好。本地想浏览源码的话也可以克隆仓库查看git clone https://gitcode.com/GitHub_Trending/ag/agents-cli 本地开发建项目、跑 Agent、做评估完全免费用 AI Studio 的 Gemini API Key 即可只有最后一步部署到云端才需要 Google Cloud 项目。下图展示了部署时 agents-cli 在 Google Cloud 上搭起的服务关系3 步创建你的第一个 AI Agent 项目安装完成后打开任意编程助手用一句自然语言下指令即可。官方教程以穴居人压缩器为例——一个把啰嗦长文压缩成简短咕噜语的 Agent非常适合新手上手。第 1 步下指令。对编程助手说Use agents-cli to build a caveman-style agent that compresses verbose text into terse, technical grunts助手会激活google-agents-cli-workflow和google-agents-cli-scaffold两个技能自动帮你确认部署目标等细节然后执行agents-cli create 项目名 --prototype生成项目骨架。第 2 步构建与调试。助手会基于adk模板写入 Agent 代码并用agents-cli run 测试提示词做冒烟测试。你也可以打开内置网页版调试台热重载即时看效果agents-cli install agents-cli playground # 在 http://localhost:8080 打开调试台第 3 步验证输出。看到符合预期的回复你的第一个 Agent 项目就完成本地闭环了 项目骨架中的 Agent 定义位于app/agent.py脚手架模板源码见src/google/agents/cli/scaffold/agents/adk/app/agent.py本地调试命令实现在src/google/agents/cli/run/cmd_run.py。评估你的 AI Agent用 eval 命令验证回复质量能跑不等于靠谱。agents-cli 内置了结构化评估体系用 LLM-as-judge 给你的 Agent 打分agents-cli eval run这一条命令会按项目自带的评估数据集tests/eval/datasets/basic-dataset.json批量提问 → 记录完整推理轨迹 → 用eval_config.yaml中配置的指标逐项打分。常用指标包括general_quality整体质量、instruction_following指令遵循、hallucination幻觉检测等运行agents-cli eval metric list可查看全部。发现某个用例不合格直接告诉编程助手回复太客套了改得更粗暴一点它会调整指令、重跑评估自动迭代到达标。进阶能力还包括eval compare回归对比、eval analyze失败模式聚类、eval optimize用评估数据自动调优提示词。 评估命令源码位于src/google/agents/cli/eval/cmd_run.py指标与数据集的完整说明见skills/google-agents-cli-eval/references/metrics-guide.md。5 分钟部署把 AI Agent 上线到 Google Cloud本地效果满意后对编程助手说一句Deploy this to Cloud Run助手会激活google-agents-cli-deploy技能自动完成agents-cli scaffold enhance --deployment-target cloud_run— 为项目补充部署基础设施Terraform、Dockerfile 等agents-cli deploy— 构建镜像、推送镜像仓库、拉起服务输出一个公网可访问的 Cloud Run URL你的 Agent 正式上线 三种部署目标任选其一部署目标特点适合场景Agent Runtime全托管无需运维集群追求零运维的生产环境Cloud Run容器化 Serverless快速上线、按量计费GKEKubernetes 集群大规模、强定制需求部署完成后可用agents-cli deploy --list和--status随时检查状态。 部署命令实现见src/google/agents/cli/deploy/cmd_deploy.py各目标Cloud Run / GKE / Agent Runtime的 Terraform 模板位于src/google/agents/cli/scaffold/deployment_targets/部署方法论详见skills/google-agents-cli-deploy/references/cloud-run.md。部署后的可观测性追踪每一次 AI 调用Agent 上线后黑盒运行是大忌。agents-cli 默认开启 Cloud Trace——打开 Cloud Console 的 Trace 面板就能看到每次 LLM 调用、每个工具执行的耗时与调用链无需任何额外配置。若还想分析生产环境中的真实提示词与回复只需对助手说Set up observability infrastructure for my agent助手会运行agents-cli infra single-project自动开通服务账号、GCS 存储桶和 BigQuery 数据集把提示词响应日志沉淀下来做报表分析 可观测性技能说明见skills/google-agents-cli-observability/references/cloud-trace-and-logging.md。常见问题FAQQ没有编程助手能用 agents-cli 吗可以。所有命令都能直接在终端独立运行scaffold、run、eval、deployskills 只是让编程助手替你干活更高效。Q和直接用 ADK 有什么区别ADK 是 Agent 开发框架agents-cli 则覆盖框架之外的全部环节——脚手架、评估、部署、可观测性让你不用逐个学习云服务的 CLI。Q已有 Agent 项目能接入吗能。agents-cli scaffold enhance可以为存量项目补充部署、CI/CD 或 RAG 能力。下一步完整图文教程快速上手教程、纯手动命令工作流给 Agent 加工具、做多 Agent 协作A2A、接入 RAG 知识库都可以继续用一句自然语言让编程助手帮你实现想深入每个命令的细节查看 CLI 命令参考 与 部署指南现在打开你的编程助手输入那句话——5 分钟后你会有一个部署在云上的 AI Agent ⚡【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