agents-cli
agents-cli é uma CLI unificada mais "habilidades" instaláveis que equipa qualquer assistente de codificação para "scaffold", executar, avaliar, implantar, publicar e observar agentes de IA baseados em ADK de ponta a ponta no Google Cloud.
https://github.com/google/agents-cli?ref=producthunt&utm_source=aipure
Informações do Produto
Atualizado:Jul 9, 2026
O que é agents-cli
Agents CLI na Plataforma de Agentes (agents-cli) é a ferramenta de linha de comando de código aberto do Google e o pacote de habilidades complementar projetado para otimizar todo o ciclo de vida de desenvolvimento de agentes construídos com o Kit de Desenvolvimento de Agentes (ADK) do Google. Em vez de ser um agente de codificação em si, ele se integra a agentes de codificação (por exemplo, Antigravity CLI, Claude Code, Codex, Cursor) fornecendo habilidades legíveis por máquina e um conjunto consistente de comandos para "scaffolding" de projetos, desenvolvimento local, avaliação, implantação, publicação em ambientes corporativos e observabilidade de produção. Você também pode usar o agents-cli diretamente no "modo humano" digitando comandos. Para prototipagem local, você pode executar com uma chave de API do AI Studio; o Google Cloud é principalmente necessário para implantação e recursos nativos da nuvem.
Principais Recursos do agents-cli
agents-cli (Agents CLI na Plataforma de Agentes) é uma CLI unificada mais um pacote de "habilidades" que transforma assistentes de codificação (por exemplo, Antigravity CLI, Claude Code, Codex, Cursor) em especialistas completos para a construção de agentes baseados em ADK: scaffolding de projetos, execução e avaliação de testes, implantação em destinos do Google Cloud (Cloud Run, Agent Runtime, GKE) e habilitação de observabilidade de produção (Cloud Trace e registro de prompt/resposta). Ele suporta desenvolvimento local sem o Google Cloud usando uma chave de API do AI Studio para Gemini, enquanto a implantação na nuvem e os recursos gerenciados exigem credenciais e um projeto do Google Cloud.
CLI unificada do ciclo de vida do agente: Superfície de comando única para scaffold/criar, executar, lint, avaliar (gerar/avaliar/comparar/analisar/otimizar), implantar, publicar e provisionamento de infraestrutura—substituindo scripts fragmentados e fluxos de trabalho baseados em Makefile.
Habilidades "empacotadas" para agentes de codificação: Instala habilidades legíveis por máquina (fluxo de trabalho, padrões de código ADK, scaffold, avaliação, implantação, publicação, observabilidade) para que os agentes de codificação possam executar de forma confiável as etapas de melhores práticas com menos suposições e menos prompts iterativos.
Opção de desenvolvimento local-first: Suporta a criação, execução e avaliação de agentes localmente sem o Google Cloud, usando uma chave de API do AI Studio para executar o Gemini com ADK; a nuvem é necessária apenas para implantação e recursos nativos da nuvem.
Suíte de avaliação com avaliação baseada em rastreamento: Gera rastreamentos de execução a partir de conjuntos de dados de avaliação, os avalia com métricas configuráveis (incluindo rubricas no estilo LLM-as-judge), compara JSONs de resultados, analisa modos de falha e pode otimizar prompts usando dados de avaliação.
Implantação + automação de infraestrutura no Google Cloud: Implanta agentes no Cloud Run, Agent Runtime ou GKE e pode provisionar infraestrutura de suporte (IAM/contas de serviço, APIs, recursos de telemetria, pipelines CI/CD e datastore RAG opcional + ingestão).
Observabilidade de produção integrada: Vem com instrumentação OpenTelemetry exportando rastreamentos para o Cloud Trace; o registro opcional de prompt/resposta pode exportar interações do modelo (prompts, respostas, tokens) para GCS/BigQuery/Cloud Logging para análises mais profundas.
Casos de Uso do agents-cli
Automação de suporte ao cliente (SaaS/telecom/varejo): Crie e implante um agente de suporte com integrações de ferramentas, depois avalie continuamente a qualidade da resposta e a fundamentação por meio de avaliação baseada em rastreamento antes de lançar atualizações para produção no Cloud Run.
Assistente de documentos regulamentados (finanças/jurídico/saúde): Use avaliações (métricas e rubricas personalizadas) mais logs de observabilidade para validar o comportamento, auditar interações do modelo e monitorar regressões de desempenho entre versões em um pipeline de implantação governado.
Bot de inteligência e relatórios diários (mídia/operações empresariais): Crie agentes agendados que ingerem fontes (por exemplo, RSS), resumem itens-chave e publicam em chat/e-mail; use scaffolding de infraestrutura CI/CD e Cloud Trace para monitorar latência e falhas.
Agente de conhecimento interno alimentado por RAG (TI/RH/engenharia): Aprimore um projeto de agente existente com provisionamento e ingestão de datastore, depois execute síntese e avaliação para testar cenários de recuperação multi-turn antes de implantar em um tempo de execução gerenciado.
Interoperabilidade multiagente (equipes de plataforma): Comece a partir de modelos que suportam o protocolo Agente-para-Agente (A2A) para integrar agentes ADK com agentes construídos em outras estruturas, e gerencie a implantação/observabilidade consistentemente entre os serviços.
Fábrica de agentes de produtividade do desenvolvedor (organizações de software): Padronize a criação de agentes por meio de modelos de scaffolding, imponha linting e portões de avaliação, e automatize o provisionamento de implantação e telemetria para que as equipes possam lançar novos agentes mais rapidamente e com mais segurança.
Vantagens
Cobertura de fluxo de trabalho de ponta a ponta (scaffold → avaliação → implantação → observação) reduz a fragmentação de ferramentas e o código de cola manual.
Funciona com vários assistentes de codificação por meio de habilidades instaláveis, tornando a automação mais determinística e repetível.
O desenvolvimento local não requer o Google Cloud—a chave de API do AI Studio é suficiente para criar/executar/avaliar com Gemini.
Forte história de avaliação e observabilidade (avaliação baseada em rastreamento, Cloud Trace, registro opcional de prompt/resposta).
Desvantagens
A implantação na nuvem e muitos recursos gerenciados exigem credenciais do Google Cloud, um projeto e podem incorrer em custos de recursos.
Alguns recursos estão sujeitos a termos de Pré-GA/visualização, implicando em possíveis limitações ou alterações.
Otimizado para o ecossistema Google Cloud/ADK; equipes padronizadas em outros lugares podem enfrentar sobrecarga de adoção e integração.
Como Usar o agents-cli
1) Instalar pré-requisitos: Certifique-se de ter Python 3.11+, uv (Astral) e Node.js instalados em sua máquina.
2) Instalar Agents CLI + habilidades empacotadas (recomendado): Execute: `uvx google-agents-cli setup` para instalar a CLI e injetar as habilidades empacotadas do Agents CLI em agentes de codificação suportados em sua máquina.
3) (Opcional) Instalar apenas as habilidades: Se você quiser apenas as habilidades e deixar seu agente de codificação executar comandos para você, execute: `npx skills add google/agents-cli` (ou instale a partir da URL do repositório).
4) Verificar se a CLI está disponível: Execute: `uvx google-agents-cli --version` e/ou `uvx google-agents-cli --help` para confirmar a instalação.
5) Autenticar (Nuvem ou local): Execute: `agents-cli login` para autenticar. Para desenvolvimento local, você pode usar uma chave de API do AI Studio; para implantação e recursos da nuvem, você precisa de autenticação do Google Cloud. Verifique o status com: `agents-cli login --status`.
6) Criar (scaffold) um novo projeto de agente: Execute: `agents-cli scaffold <name>` para gerar um novo projeto de agente ADK. Para um protótipo pronto para execução, use o padrão documentado: `agents-cli create my-agent --prototype --yes` (se sua versão expuser `create`).
7) Entender e configurar o projeto: Revise os arquivos de projeto gerados, incluindo `agents-cli-manifest.yaml` (metadados/configuração do projeto). Atualize as variáveis de ambiente e/ou campos de manifesto para modelo, região e projeto do Google Cloud conforme necessário.
8) Implementar lógica e ferramentas do agente: Edite `app/agent.py` para implementar o comportamento do seu agente. Adicione ferramentas ADK como funções Python simples; escreva docstrings claras porque elas se tornam as descrições das ferramentas que o LLM vê.
9) Executar localmente (teste rápido de prompt): Use: `agents-cli run "<prompt>"` para enviar um único prompt ao seu agente e ver a resposta.
10) Usar o playground da web (desenvolvimento interativo): Execute: `agents-cli playground` para iniciar o playground da web do ADK (geralmente em `localhost:8080`) com recarregamento a quente para iteração rápida.
11) Instalar dependências do projeto (se necessário): Execute: `agents-cli install` para instalar as dependências do projeto definidas pelo projeto Python "scaffolded".
12) Lintar o projeto: Execute: `agents-cli lint` para executar verificações de qualidade de código (Ruff) e corrigir problemas antes da avaliação/implantação.
13) Criar casos de avaliação: Adicione casos de avaliação (cada caso define uma mensagem de usuário) e configure métricas em `eval_config.yaml`. O sistema de avaliação enviará cada mensagem ao seu agente e classificará a resposta usando as métricas configuradas.
14) Gerar rastreamentos a partir de casos de avaliação: Execute: `agents-cli eval generate` para executar seu agente sobre o conjunto de dados de avaliação e produzir JSON de rastreamentos preenchidos.
15) Classificar os rastreamentos em relação às métricas: Execute: `agents-cli eval grade --traces <PATH>` para pontuar os rastreamentos gerados em relação a uma ou mais métricas e gerar resultados de avaliação.
16) Iterar usando ferramentas de análise de avaliação (opcional, mas recomendado): Use `agents-cli eval compare` para comparar resultados entre execuções, `agents-cli eval analyze` para agrupar modos de falha e `agents-cli eval metric list` para descobrir métricas disponíveis. Itere no código/prompt do agente até que os limites sejam atingidos.
17) Sintetizar cenários de avaliação adicionais (opcional): Execute: `agents-cli eval dataset synthesize` para gerar cenários de várias voltas para seu agente local. Exemplo: `agents-cli eval dataset synthesize -n 10 --max-turns 8 --instruction "Scenarios where users change destination"`.
18) Aprimorar um projeto existente (implantação/CI/CD/RAG): Se você começou com um protótipo ou tem um projeto existente, execute: `agents-cli scaffold enhance` para adicionar destinos de implantação (Cloud Run, Agent Runtime, GKE), CI/CD ou componentes RAG.
19) Implantar no Google Cloud: Execute: `agents-cli deploy` para implantar seu agente. Se você precisar ver o comando `gcloud` subjacente para personalização avançada, use a opção de "dry-run" da CLI (documentada como `--dry-run` / `-n` onde disponível).
20) Provisionar infraestrutura de observabilidade (recomendado para produção): Após a implantação, execute: `agents-cli infra single-project --project <YOUR_PROJECT_ID>` para provisionar recursos de telemetria (conta de serviço, bucket GCS, conjunto de dados BigQuery) e atualizar o serviço implantado para usá-los. Em seguida, inspecione os rastreamentos no Google Cloud Trace Explorer.
21) Configurar CI/CD (opcional): Execute: `agents-cli infra cicd` para configurar um pipeline de CI/CD mais infraestrutura de "staging"/produção para implantações repetíveis.
22) Publicar no Gemini Enterprise (opcional): Execute: `agents-cli publish gemini-enterprise` para registrar/publicar seu agente para o Gemini Enterprise (quando aplicável).
23) Atualizar ou aprimorar habilidades ao longo do tempo: Use `agents-cli scaffold upgrade` para atualizar um projeto para uma versão mais recente do agents-cli e `agents-cli update` para forçar a reinstalação/atualização de habilidades em todos os IDEs/agentes de codificação detectados.
24) Usar com um agente de codificação (fluxo de trabalho de linguagem natural): Abra seu agente de codificação (Antigravity CLI, Claude Code, Codex, etc.) e solicite-o com: "Use agents-cli para construir…". Com as habilidades instaladas, o agente de codificação pode "scaffold", implementar, avaliar e implantar invocando comandos `agents-cli` em seu nome.
Perguntas Frequentes do agents-cli
Agents CLI na Plataforma de Agentes (agents-cli) é um pacote de CLI e habilidades que ajuda a construir, avaliar, implantar, publicar e observar agentes de IA de nível empresarial no Google Cloud usando o Kit de Desenvolvimento de Agentes (ADK) do Google. Ele pode ser usado diretamente do terminal, e suas habilidades também podem ser instaladas para que os agentes de codificação possam usá-las.
Vídeo do agents-cli
Artigos Populares
Atoms: Uma Plataforma de IA Multiagente Que Transforma Ideias em Produtos Prontos para Lançamento
May 22, 2026
Nano Banana SBTI: O Que É, Como Funciona e Como Usá-lo em 2026
Apr 15, 2026
Análise do Atoms — O Construtor de Produtos de IA Redefinindo a Criação Digital em 2026
Apr 10, 2026
Kilo Claw: Como Implementar e Usar um Verdadeiro Agente de IA "Faça Você Mesmo" (Atualização de 2026)
Apr 3, 2026
Ferramentas de IA Mais Recentes Semelhantes a agents-cli
Gait
O Gait é uma ferramenta de colaboração que integra a geração de código assistida por IA com controle de versão, permitindo que as equipes rastreiem, entendam e compartilhem o contexto do código gerado por IA de forma eficiente.
invoices.dev
invoices.dev é uma plataforma de faturamento automatizada que gera faturas diretamente dos commits do Git dos desenvolvedores, com capacidades de integração para GitHub, Slack, Linear e serviços do Google.
EasyRFP
EasyRFP é um kit de ferramentas de computação de borda alimentado por IA que agiliza as respostas a RFP (Pedido de Proposta) e possibilita fenotipagem de campo em tempo real por meio de tecnologia de aprendizado profundo.
Cart.ai
O Cart.ai é uma plataforma de serviços impulsionada por IA que fornece soluções abrangentes de automação de negócios, incluindo codificação, gerenciamento de relações com clientes, edição de vídeo, configuração de e-commerce e desenvolvimento de IA personalizado com suporte 24/7.
Ferramentas de IA Populares Como agents-cli
GitHub Copilot Chat
O GitHub Copilot Chat é um assistente de codificação alimentado por IA que fornece interações em linguagem natural, sugestões de código em tempo real e suporte contextual diretamente dentro de IDEs suportadas e GitHub.com.
CopilotForXcode
O CopilotForXcode é uma Extensão do Editor de Código do Xcode que integra GitHub Copilot, Codeium e ChatGPT para fornecer sugestões de código impulsionadas por IA, assistência por chat e funcionalidade de prompt-para-código dentro do Xcode.
BrowserAI
BrowserAI é uma biblioteca de código aberto que permite executar Modelos de Linguagem Grandes (LLMs) locais diretamente em navegadores da web com aceleração WebGPU, oferecendo recursos de IA focados na privacidade sem exigir infraestrutura de servidor.
OpenAI Codex CLI
OpenAI Codex CLI é um agente de codificação leve e de código aberto que é executado no seu terminal, permitindo que os desenvolvedores traduzam linguagem natural em execução de código, ao mesmo tempo em que fornece raciocínio em nível de ChatGPT com a capacidade de executar código, manipular arquivos e iterar sob controle de versão.