agents-cli
agents-cli ist eine vereinheitlichte CLI plus installierbare "Skills", die jeden Codierungsassistenten befähigt, ADK-basierte KI-Agenten End-to-End in Google Cloud zu gerüstbilden, auszuführen, zu evaluieren, bereitzustellen, zu veröffentlichen und zu beobachten.
https://github.com/google/agents-cli?ref=producthunt&utm_source=aipure
Produktinformationen
Aktualisiert:Jul 9, 2026
Was ist agents-cli
Agents CLI in Agent Platform (agents-cli) ist Googles Open-Source-Befehlszeilentool und das dazugehörige Skill-Paket, das entwickelt wurde, um den gesamten Entwicklungslebenszyklus von Agenten, die mit Googles Agent Development Kit (ADK) erstellt wurden, zu optimieren. Anstatt selbst ein Codierungsagent zu sein, integriert es sich in Codierungsagenten (z. B. Antigravity CLI, Claude Code, Codex, Cursor), indem es maschinenlesbare Skills und einen konsistenten Satz von Befehlen für die Projektgerüstbildung, lokale Entwicklung, Evaluierung, Bereitstellung, Veröffentlichung in Unternehmensumgebungen und Produktionsbeobachtbarkeit bereitstellt. Sie können agents-cli auch direkt im "menschlichen Modus" verwenden, indem Sie Befehle selbst eingeben. Für lokales Prototyping können Sie mit einem AI Studio API-Schlüssel arbeiten; Google Cloud ist hauptsächlich für die Bereitstellung und Cloud-native Funktionen erforderlich.
Hauptfunktionen von agents-cli
agents-cli (Agents CLI in Agent Platform) ist eine vereinheitlichte CLI plus ein gebündeltes „Skills“-Paket, das Coding-Assistenten (z. B. Antigravity CLI, Claude Code, Codex, Cursor) in End-to-End-Experten für die Erstellung von ADK-basierten Agenten verwandelt: Projekt-Scaffolding, Ausführen und Bewerten von Evaluierungen, Bereitstellung auf Google Cloud-Zielen (Cloud Run, Agent Runtime, GKE) und Ermöglichung von Produktionsbeobachtbarkeit (Cloud Trace und Prompt-/Antwortprotokollierung). Es unterstützt die lokale Entwicklung ohne Google Cloud durch die Verwendung eines AI Studio API-Schlüssels für Gemini, während Cloud-Bereitstellung und verwaltete Funktionen Google Cloud-Anmeldeinformationen und ein Projekt erfordern.
Vereinheitlichte Agenten-Lebenszyklus-CLI: Einheitliche Befehlsoberfläche für Scaffold/Erstellen, Ausführen, Lint, Eval (Generieren/Bewerten/Vergleichen/Analysieren/Optimieren), Bereitstellen, Veröffentlichen und Infrastruktur-Bereitstellung – ersetzt fragmentierte Skripte und Makefile-basierte Workflows.
Gebündelte „Skills“ für Coding-Agenten: Installiert maschinenlesbare Skills (Workflow, ADK-Code-Muster, Scaffold, Eval, Deploy, Publish, Observability), damit Coding-Agenten Best-Practice-Schritte zuverlässig mit weniger Rätselraten und weniger iterativen Prompts ausführen können.
Lokale Entwicklungsoption zuerst: Unterstützt das Erstellen, Ausführen und Evaluieren von Agenten lokal ohne Google Cloud durch die Verwendung eines AI Studio API-Schlüssels zum Ausführen von Gemini mit ADK; Cloud ist nur für die Bereitstellung und Cloud-native Funktionen erforderlich.
Evaluierungssuite mit Trace-basierter Bewertung: Generiert Ausführungs-Traces aus Eval-Datensätzen, bewertet sie mit konfigurierbaren Metriken (einschließlich LLM-als-Richter-Stil-Rubriken), vergleicht Ergebnis-JSONs, analysiert Fehlermodi und kann Prompts mithilfe von Eval-Daten optimieren.
Bereitstellung + Infrastrukturautomatisierung in Google Cloud: Stellt Agenten in Cloud Run, Agent Runtime oder GKE bereit und kann unterstützende Infrastruktur (IAM/Dienstkonten, APIs, Telemetrie-Ressourcen, CI/CD-Pipelines und optionalen RAG-Datenspeicher + Aufnahme) bereitstellen.
Produktionsbeobachtbarkeit integriert: Wird mit OpenTelemetry-Instrumentierung geliefert, die Traces an Cloud Trace exportiert; optionale Prompt-/Antwortprotokollierung kann Modellinteraktionen (Prompts, Antworten, Tokens) zur tieferen Analyse an GCS/BigQuery/Cloud Logging exportieren.
Anwendungsfälle von agents-cli
Automatisierung des Kundensupports (SaaS/Telekommunikation/Einzelhandel): Einen Support-Agenten mit Tool-Integrationen erstellen und bereitstellen, dann die Antwortqualität und -fundierung kontinuierlich über Trace-basierte Bewertung evaluieren, bevor Updates in der Produktion auf Cloud Run veröffentlicht werden.
Assistent für regulierte Dokumente (Finanzen/Recht/Gesundheitswesen): Evaluierungen (benutzerdefinierte Metriken und Rubriken) plus Beobachtbarkeitsprotokolle verwenden, um das Verhalten zu validieren, Modellinteraktionen zu prüfen und Leistungsregressionen über Versionen hinweg in einer gesteuerten Bereitstellungspipeline zu überwachen.
Täglicher Intelligenz- und Berichtsbot (Medien/Unternehmensbetrieb): Geplante Agenten erstellen, die Quellen (z. B. RSS) aufnehmen, wichtige Elemente zusammenfassen und in Chat/E-Mail veröffentlichen; CI/CD-Infrastruktur-Scaffolding und Cloud Trace verwenden, um Latenz und Fehler zu überwachen.
RAG-gestützter interner Wissensagent (IT/HR/Engineering): Ein bestehendes Agentenprojekt mit Datenspeicherbereitstellung und -aufnahme erweitern, dann Eval-Synthese und -Bewertung ausführen, um Multi-Turn-Abrufszenarien zu testen, bevor es in einer verwalteten Laufzeitumgebung bereitgestellt wird.
Multi-Agenten-Interoperabilität (Plattformteams): Von Vorlagen ausgehen, die das Agent-to-Agent (A2A)-Protokoll unterstützen, um ADK-Agenten mit Agenten zu integrieren, die auf anderen Frameworks basieren, und Bereitstellung/Beobachtbarkeit konsistent über Dienste hinweg verwalten.
Agentenfabrik für Entwicklerproduktivität (Softwareorganisationen): Die Agentenerstellung über Scaffolding-Vorlagen standardisieren, Linting- und Evaluierungs-Gates durchsetzen und die Bereitstellung und Telemetrie-Bereitstellung automatisieren, damit Teams neue Agenten schneller und sicherer ausliefern können.
Vorteile
End-to-End-Workflow-Abdeckung (Scaffold → Eval → Deploy → Observe) reduziert Tool-Fragmentierung und manuellen Klebstoffcode.
Funktioniert mit mehreren Coding-Assistenten über installierbare Skills, wodurch die Automatisierung deterministischer und wiederholbarer wird.
Lokale Entwicklung erfordert kein Google Cloud – ein AI Studio API-Schlüssel reicht für das Erstellen/Ausführen/Evaluieren mit Gemini aus.
Starke Evaluierungs- und Beobachtbarkeitsgeschichte (Trace-basierte Bewertung, Cloud Trace, optionale Prompt-/Antwortprotokollierung).
Nachteile
Cloud-Bereitstellung und viele verwaltete Funktionen erfordern Google Cloud-Anmeldeinformationen, ein Projekt und können Ressourcenkosten verursachen.
Einige Funktionen unterliegen den Pre-GA-/Vorschau-Bedingungen, was potenzielle Einschränkungen oder Änderungen impliziert.
Optimiert für das Google Cloud/ADK-Ökosystem; Teams, die anderswo standardisiert sind, können mit Adoptions- und Integrationsaufwand konfrontiert sein.
Wie verwendet man agents-cli
1) Voraussetzungen installieren: Stellen Sie sicher, dass Python 3.11+, uv (Astral) und Node.js auf Ihrem Computer installiert sind.
2) Agents CLI + gebündelte Skills installieren (empfohlen): Führen Sie aus: `uvx google-agents-cli setup`, um die CLI zu installieren und die gebündelten Agents CLI-Skills in unterstützte Codierungsagenten auf Ihrem Computer zu integrieren.
3) (Optional) Nur die Skills installieren: Wenn Sie nur die Skills möchten und Ihren Codierungsagenten Befehle für Sie ausführen lassen, führen Sie aus: `npx skills add google/agents-cli` (oder installieren Sie von der Repo-URL).
4) Überprüfen, ob die CLI verfügbar ist: Führen Sie aus: `uvx google-agents-cli --version` und/oder `uvx google-agents-cli --help`, um die Installation zu bestätigen.
5) Authentifizieren (Cloud oder lokal): Führen Sie aus: `agents-cli login`, um sich zu authentifizieren. Für die lokale Entwicklung können Sie einen AI Studio API-Schlüssel verwenden; für die Bereitstellung und Cloud-Funktionen benötigen Sie die Google Cloud-Authentifizierung. Überprüfen Sie den Status mit: `agents-cli login --status`.
6) Ein neues Agent-Projekt erstellen (gerüstbilden): Führen Sie aus: `agents-cli scaffold <name>`, um ein neues ADK-Agent-Projekt zu generieren. Für einen sofort einsatzbereiten Prototyp verwenden Sie das dokumentierte Muster: `agents-cli create my-agent --prototype --yes` (wenn Ihre Version `create` verfügbar macht).
7) Projekt verstehen und konfigurieren: Überprüfen Sie die generierten Projektdateien, einschließlich `agents-cli-manifest.yaml` (Projektmetadaten/Konfiguration). Aktualisieren Sie bei Bedarf Umgebungsvariablen und/oder Manifestfelder für Modell, Region und Google Cloud-Projekt.
8) Agentenlogik und Tools implementieren: Bearbeiten Sie `app/agent.py`, um Ihr Agentenverhalten zu implementieren. Fügen Sie ADK-Tools als einfache Python-Funktionen hinzu; schreiben Sie klare Docstrings, da diese die Tool-Beschreibungen werden, die das LLM sieht.
9) Lokal ausführen (schneller Prompt-Test): Verwenden Sie: `agents-cli run "<prompt>"`, um einen einzelnen Prompt an Ihren Agenten zu senden und die Antwort zu sehen.
10) Web-Spielplatz verwenden (interaktive Entwicklung): Führen Sie aus: `agents-cli playground`, um den ADK-Web-Spielplatz (typischerweise unter `localhost:8080`) mit Hot-Reload für schnelle Iterationen zu starten.
11) Projektabhängigkeiten installieren (falls erforderlich): Führen Sie aus: `agents-cli install`, um die Projektabhängigkeiten zu installieren, die durch das gerüstete Python-Projekt definiert sind.
12) Projekt linten: Führen Sie aus: `agents-cli lint`, um Code-Qualitätsprüfungen (Ruff) durchzuführen und Probleme vor der Evaluierung/Bereitstellung zu beheben.
13) Evaluierungsfälle erstellen: Fügen Sie Evaluierungsfälle hinzu (jeder Fall definiert eine Benutzernachricht) und konfigurieren Sie Metriken in `eval_config.yaml`. Das Evaluierungssystem sendet jede Nachricht an Ihren Agenten und bewertet die Antwort anhand der konfigurierten Metriken.
14) Traces aus Evaluierungsfällen generieren: Führen Sie aus: `agents-cli eval generate`, um Ihren Agenten über den Evaluierungsdatensatz laufen zu lassen und ausgefüllte Traces im JSON-Format zu erzeugen.
15) Traces anhand von Metriken bewerten: Führen Sie aus: `agents-cli eval grade --traces <PATH>`, um die generierten Traces anhand einer oder mehrerer Metriken zu bewerten und Evaluierungsergebnisse auszugeben.
16) Mit Evaluierungsanalysetools iterieren (optional, aber empfohlen): Verwenden Sie `agents-cli eval compare`, um Ergebnisse über Läufe hinweg zu vergleichen, `agents-cli eval analyze`, um Fehlermodi zu clustern, und `agents-cli eval metric list`, um verfügbare Metriken zu entdecken. Iterieren Sie den Agenten-Code/Prompt, bis die Schwellenwerte erreicht sind.
17) Zusätzliche Evaluierungsszenarien synthetisieren (optional): Führen Sie aus: `agents-cli eval dataset synthesize`, um Multi-Turn-Szenarien für Ihren lokalen Agenten zu generieren. Beispiel: `agents-cli eval dataset synthesize -n 10 --max-turns 8 --instruction "Szenarien, in denen Benutzer das Ziel ändern"`.
18) Ein bestehendes Projekt erweitern (Bereitstellung/CI/CD/RAG): Wenn Sie mit einem Prototyp begonnen haben oder ein bestehendes Projekt haben, führen Sie aus: `agents-cli scaffold enhance`, um Bereitstellungsziele (Cloud Run, Agent Runtime, GKE), CI/CD oder RAG-Komponenten hinzuzufügen.
19) In Google Cloud bereitstellen: Führen Sie aus: `agents-cli deploy`, um Ihren Agenten bereitzustellen. Wenn Sie den zugrunde liegenden `gcloud`-Befehl für erweiterte Anpassungen sehen müssen, verwenden Sie die Dry-Run-Option der CLI (dokumentiert als `--dry-run` / `-n`, wo verfügbar).
20) Observability-Infrastruktur bereitstellen (für die Produktion empfohlen): Nach der Bereitstellung führen Sie aus: `agents-cli infra single-project --project <YOUR_PROJECT_ID>`, um Telemetrieressourcen (Dienstkonto, GCS-Bucket, BigQuery-Dataset) bereitzustellen und den bereitgestellten Dienst zu aktualisieren, um diese zu verwenden. Überprüfen Sie dann die Traces im Google Cloud Trace Explorer.
21) CI/CD einrichten (optional): Führen Sie aus: `agents-cli infra cicd`, um eine CI/CD-Pipeline sowie Staging-/Produktionsinfrastruktur für wiederholbare Bereitstellungen einzurichten.
22) In Gemini Enterprise veröffentlichen (optional): Führen Sie aus: `agents-cli publish gemini-enterprise`, um Ihren Agenten für Gemini Enterprise zu registrieren/veröffentlichen (falls zutreffend).
23) Skills im Laufe der Zeit aktualisieren oder upgraden: Verwenden Sie `agents-cli scaffold upgrade`, um ein Projekt auf eine neuere agents-cli-Version zu aktualisieren, und `agents-cli update`, um die Neuinstallation/Aktualisierung von Skills für alle erkannten IDEs/Codierungsagenten zu erzwingen.
24) Mit einem Codierungsagenten verwenden (Workflow in natürlicher Sprache): Öffnen Sie Ihren Codierungsagenten (Antigravity CLI, Claude Code, Codex usw.) und fordern Sie ihn auf mit: "Verwenden Sie agents-cli, um ... zu erstellen". Mit installierten Skills kann der Codierungsagent Gerüste erstellen, implementieren, evaluieren und bereitstellen, indem er `agents-cli`-Befehle in Ihrem Namen aufruft.
agents-cli FAQs
Agents CLI in Agent Platform (agents-cli) ist ein CLI- und Skill-Paket, das beim Erstellen, Bewerten, Bereitstellen, Veröffentlichen und Beobachten von KI-Agenten auf Unternehmensebene in Google Cloud mithilfe des Google Agent Development Kit (ADK) hilft. Es kann direkt über das Terminal verwendet werden, und seine Skills können auch installiert werden, sodass Codierungsagenten sie nutzen können.
agents-cli Video
Beliebte Artikel
Atoms: Eine Multi-Agenten-KI-Plattform, die Ideen in startbereite Produkte verwandelt
May 22, 2026
Nano Banana SBTI: Was es ist, wie es funktioniert und wie man es im Jahr 2026 einsetzt
Apr 15, 2026
Atoms Review – Der KI-Produkt-Builder, der die digitale Erstellung im Jahr 2026 neu definiert
Apr 10, 2026
Kilo Claw: Wie man einen echten "Do-It-For-You" KI-Agenten bereitstellt und verwendet (2026 Update)
Apr 3, 2026
Neueste KI-Tools ähnlich wie agents-cli
Gait
Gait ist ein Collaboration-Tool, das KI-unterstützte Codegenerierung mit Versionskontrolle integriert und es Teams ermöglicht, KI-generierten Codekontext effizient zu verfolgen, zu verstehen und zu teilen.
invoices.dev
invoices.dev ist eine automatisierte Rechnungsplattform, die Rechnungen direkt aus den Git-Commits der Entwickler generiert und Integrationsmöglichkeiten für GitHub, Slack, Linear und Google-Dienste bietet.
EasyRFP
EasyRFP ist ein KI-gestütztes Edge-Computing-Toolkit, das RFP (Request for Proposal)-Antworten optimiert und eine Echtzeit-Feldphänotypisierung durch Deep-Learning-Technologie ermöglicht.
Cart.ai
Cart.ai ist eine KI-gestützte Dienstleistungsplattform, die umfassende Lösungen zur Automatisierung von Geschäftsprozessen bietet, einschließlich Programmierung, Kundenbeziehungsmanagement, Videobearbeitung, E-Commerce-Setup und benutzerdefinierter KI-Entwicklung mit 24/7 Unterstützung.
Beliebte KI-Tools wie agents-cli
GitHub Copilot Chat
GitHub Copilot Chat ist ein KI-gestützter Codierungsassistent, der Interaktionen in natürlicher Sprache, Echtzeit-Codevorschläge und kontextuelle Unterstützung direkt innerhalb unterstützter IDEs und GitHub.com bietet.
CopilotForXcode
CopilotForXcode ist eine Xcode-Quell-Editor-Erweiterung, die GitHub Copilot, Codeium und ChatGPT integriert, um KI-gestützte Codevorschläge, Chat-Unterstützung und Prompt-to-Code-Funktionalität innerhalb von Xcode bereitzustellen.
BrowserAI
BrowserAI ist eine Open-Source-Bibliothek, die die Ausführung lokaler Large Language Models (LLMs) direkt in Webbrowsern mit WebGPU-Beschleunigung ermöglicht und datenschutzorientierte KI-Funktionen bietet, ohne dass eine Serverinfrastruktur erforderlich ist.
OpenAI Codex CLI
OpenAI Codex CLI ist ein schlanker Open-Source-Coding-Agent, der in Ihrem Terminal ausgeführt wird und es Entwicklern ermöglicht, natürliche Sprache in Codeausführung zu übersetzen und gleichzeitig ChatGPT-ähnliche Argumentation mit der Möglichkeit, Code auszuführen, Dateien zu bearbeiten und unter Versionskontrolle zu iterieren, bereitzustellen.