agents-cli
agents-cli es una CLI unificada más "habilidades" instalables que equipa a cualquier asistente de codificación para andamiar, ejecutar, evaluar, desplegar, publicar y observar agentes de IA basados en ADK de principio a fin en Google Cloud.
https://github.com/google/agents-cli?ref=producthunt&utm_source=aipure
Información del Producto
Actualizado:09/07/2026
¿Qué es agents-cli?
Agents CLI en Agent Platform (agents-cli) es la herramienta de línea de comandos de código abierto de Google y el paquete de habilidades complementario diseñado para optimizar el ciclo de vida completo del desarrollo de agentes para agentes creados con el Kit de Desarrollo de Agentes (ADK) de Google. En lugar de ser un agente de codificación en sí mismo, se integra con agentes de codificación (por ejemplo, Antigravity CLI, Claude Code, Codex, Cursor) al proporcionar habilidades legibles por máquina y un conjunto consistente de comandos para el andamiaje de proyectos, el desarrollo local, la evaluación, la implementación, la publicación en entornos empresariales y la observabilidad de la producción. También puede usar agents-cli directamente en "modo humano" escribiendo los comandos usted mismo. Para la creación de prototipos locales, puede ejecutarlo con una clave API de AI Studio; Google Cloud se requiere principalmente para la implementación y las funciones nativas de la nube.
Características Principales de agents-cli
agents-cli (CLI de Agentes en la Plataforma de Agentes) es una CLI unificada más un paquete de "habilidades" incluido que convierte a los asistentes de codificación (por ejemplo, Antigravity CLI, Claude Code, Codex, Cursor) en expertos de extremo a extremo para construir agentes basados en ADK: andamiaje de proyectos, ejecución y calificación de evaluaciones, implementación en objetivos de Google Cloud (Cloud Run, Agent Runtime, GKE) y habilitación de la observabilidad de producción (Cloud Trace y registro de solicitudes/respuestas). Admite el desarrollo local sin Google Cloud mediante el uso de una clave de API de AI Studio para Gemini, mientras que la implementación en la nube y las funciones administradas requieren credenciales y un proyecto de Google Cloud.
CLI unificada del ciclo de vida del agente: Superficie de comando única para andamiaje/creación, ejecución, lint, evaluación (generar/calificar/comparar/analizar/optimizar), implementación, publicación y aprovisionamiento de infraestructura, reemplazando scripts fragmentados y flujos de trabajo basados en Makefile.
Habilidades" incluidas para agentes de codificación: Instala habilidades legibles por máquina (flujo de trabajo, patrones de código ADK, andamiaje, evaluación, implementación, publicación, observabilidad) para que los agentes de codificación puedan ejecutar de manera confiable los pasos de mejores prácticas con menos conjeturas y menos indicaciones iterativas.
Opción de desarrollo local primero: Admite la creación, ejecución y evaluación de agentes localmente sin Google Cloud mediante el uso de una clave de API de AI Studio para ejecutar Gemini con ADK; la nube solo se requiere para la implementación y las funciones nativas de la nube.
Suite de evaluación con calificación basada en trazas: Genera trazas de ejecución a partir de conjuntos de datos de evaluación, las califica con métricas configurables (incluidas rúbricas de estilo LLM-como-juez), compara JSON de resultados, analiza modos de fallo y puede optimizar las indicaciones utilizando datos de evaluación.
Implementación + automatización de infraestructura en Google Cloud: Implementa agentes en Cloud Run, Agent Runtime o GKE y puede aprovisionar infraestructura de soporte (cuentas de IAM/servicio, API, recursos de telemetría, canalizaciones de CI/CD y almacén de datos RAG opcional + ingesta).
Observabilidad de producción integrada: Se envía con instrumentación OpenTelemetry que exporta trazas a Cloud Trace; el registro opcional de solicitudes/respuestas puede exportar interacciones del modelo (solicitudes, respuestas, tokens) a GCS/BigQuery/Cloud Logging para análisis más profundos.
Casos de Uso de agents-cli
Automatización de soporte al cliente (SaaS/telecomunicaciones/comercio minorista): Andamiaje e implementación de un agente de soporte con integraciones de herramientas, luego evaluación continua de la calidad de la respuesta y la fundamentación a través de la calificación basada en trazas antes de lanzar actualizaciones a producción en Cloud Run.
Asistente de documentos regulados (finanzas/legal/sanidad): Utilice evaluaciones (métricas y rúbricas personalizadas) más registros de observabilidad para validar el comportamiento, auditar las interacciones del modelo y monitorear las regresiones de rendimiento en todas las versiones en una canalización de implementación gobernada.
Bot de inteligencia e informes diarios (medios/operaciones empresariales): Cree agentes programados que ingieran fuentes (por ejemplo, RSS), resuman elementos clave y publiquen en chat/correo electrónico; use el andamiaje de infraestructura de CI/CD y Cloud Trace para monitorear la latencia y los fallos.
Agente de conocimiento interno con tecnología RAG (TI/RRHH/ingeniería): Mejore un proyecto de agente existente con el aprovisionamiento e ingesta de almacenes de datos, luego ejecute la síntesis y calificación de la evaluación para probar escenarios de recuperación de múltiples turnos antes de implementarlo en un tiempo de ejecución administrado.
Interoperabilidad multiagente (equipos de plataforma): Comience con plantillas que admitan el protocolo Agente a Agente (A2A) para integrar agentes ADK con agentes creados en otros marcos, y administre la implementación/observabilidad de manera consistente en todos los servicios.
Fábrica de agentes de productividad para desarrolladores (organizaciones de software): Estandarice la creación de agentes a través de plantillas de andamiaje, aplique la verificación de código y las puertas de evaluación, y automatice el aprovisionamiento de implementación y telemetría para que los equipos puedan enviar nuevos agentes de manera más rápida y segura.
Ventajas
La cobertura del flujo de trabajo de extremo a extremo (andamiaje → evaluación → implementación → observación) reduce la fragmentación de herramientas y el código de pegamento manual.
Funciona con múltiples asistentes de codificación a través de habilidades instalables, lo que hace que la automatización sea más determinista y repetible.
El desarrollo local no requiere Google Cloud; una clave de API de AI Studio es suficiente para crear/ejecutar/evaluar con Gemini.
Fuerte historia de evaluación y observabilidad (calificación basada en trazas, Cloud Trace, registro opcional de solicitudes/respuestas).
Desventajas
La implementación en la nube y muchas funciones administradas requieren credenciales de Google Cloud, un proyecto y pueden incurrir en costos de recursos.
Algunas capacidades están sujetas a términos de Pre-GA/vista previa, lo que implica posibles limitaciones o cambios.
Optimizado para el ecosistema de Google Cloud/ADK; los equipos estandarizados en otros lugares pueden enfrentar una sobrecarga de adopción e integración.
Cómo Usar agents-cli
1) Instalar requisitos previos: Asegúrese de tener Python 3.11+, uv (Astral) y Node.js instalados en su máquina.
2) Instalar Agents CLI + habilidades incluidas (recomendado): Ejecute: `uvx google-agents-cli setup` para instalar la CLI e inyectar las habilidades de Agents CLI incluidas en los agentes de codificación compatibles de su máquina.
3) (Opcional) Instalar solo las habilidades: Si solo desea las habilidades y dejará que su agente de codificación ejecute comandos por usted, ejecute: `npx skills add google/agents-cli` (o instálelo desde la URL del repositorio).
4) Verificar que la CLI esté disponible: Ejecute: `uvx google-agents-cli --version` y/o `uvx google-agents-cli --help` para confirmar la instalación.
5) Autenticar (Cloud o local): Ejecute: `agents-cli login` para autenticarse. Para el desarrollo local, puede usar una clave API de AI Studio; para la implementación y las funciones de la nube, necesita autenticación de Google Cloud. Verifique el estado con: `agents-cli login --status`.
6) Crear (andamio) un nuevo proyecto de agente: Ejecute: `agents-cli scaffold <name>` para generar un nuevo proyecto de agente ADK. Para un prototipo listo para ejecutar, use el patrón documentado: `agents-cli create my-agent --prototype --yes` (si su versión expone `create`).
7) Comprender y configurar el proyecto: Revise los archivos del proyecto generados, incluido `agents-cli-manifest.yaml` (metadatos/configuración del proyecto). Actualice las variables de entorno y/o los campos del manifiesto para el modelo, la región y el proyecto de Google Cloud según sea necesario.
8) Implementar lógica y herramientas del agente: Edite `app/agent.py` para implementar el comportamiento de su agente. Agregue herramientas ADK como funciones simples de Python; escriba docstrings claros porque se convierten en las descripciones de las herramientas que ve el LLM.
9) Ejecutar localmente (prueba rápida de prompt): Use: `agents-cli run "<prompt>"` para enviar un solo prompt a su agente y ver la respuesta.
10) Usar el playground web (desarrollo interactivo): Ejecute: `agents-cli playground` para iniciar el playground web de ADK (normalmente en `localhost:8080`) con recarga en caliente para una iteración rápida.
11) Instalar dependencias del proyecto (si es necesario): Ejecute: `agents-cli install` para instalar las dependencias del proyecto definidas por el proyecto Python andamiado.
12) Lint el proyecto: Ejecute: `agents-cli lint` para ejecutar comprobaciones de calidad de código (Ruff) y corregir problemas antes de la evaluación/implementación.
13) Crear casos de evaluación: Agregue casos de evaluación (cada caso define un mensaje de usuario) y configure métricas en `eval_config.yaml`. El sistema de evaluación enviará cada mensaje a su agente y calificará la respuesta utilizando las métricas configuradas.
14) Generar rastreos a partir de casos de evaluación: Ejecute: `agents-cli eval generate` para ejecutar su agente sobre el conjunto de datos de evaluación y producir JSON de rastreos poblados.
15) Calificar los rastreos según las métricas: Ejecute: `agents-cli eval grade --traces <PATH>` para puntuar los rastreos generados según una o más métricas y generar resultados de evaluación.
16) Iterar usando herramientas de análisis de evaluación (opcional pero recomendado): Use `agents-cli eval compare` para comparar resultados entre ejecuciones, `agents-cli eval analyze` para agrupar modos de falla y `agents-cli eval metric list` para descubrir métricas disponibles. Itere en el código/prompt del agente hasta que se cumplan los umbrales.
17) Sintetizar escenarios de evaluación adicionales (opcional): Ejecute: `agents-cli eval dataset synthesize` para generar escenarios de múltiples turnos para su agente local. Ejemplo: `agents-cli eval dataset synthesize -n 10 --max-turns 8 --instruction "Scenarios where users change destination"`.
18) Mejorar un proyecto existente (implementación/CI/CD/RAG): Si comenzó con un prototipo o tiene un proyecto existente, ejecute: `agents-cli scaffold enhance` para agregar objetivos de implementación (Cloud Run, Agent Runtime, GKE), CI/CD o componentes RAG.
19) Implementar en Google Cloud: Ejecute: `agents-cli deploy` para implementar su agente. Si necesita ver el comando `gcloud` subyacente para una personalización avanzada, use la opción de ejecución en seco de la CLI (documentada como `--dry-run` / `-n` donde esté disponible).
20) Aprovisionar infraestructura de observabilidad (recomendado para producción): Después de la implementación, ejecute: `agents-cli infra single-project --project <YOUR_PROJECT_ID>` para aprovisionar recursos de telemetría (cuenta de servicio, bucket de GCS, conjunto de datos de BigQuery) y actualizar el servicio implementado para usarlos. Luego, inspeccione los rastreos en Google Cloud Trace Explorer.
21) Configurar CI/CD (opcional): Ejecute: `agents-cli infra cicd` para configurar una canalización de CI/CD más infraestructura de staging/producción para implementaciones repetibles.
22) Publicar en Gemini Enterprise (opcional): Ejecute: `agents-cli publish gemini-enterprise` para registrar/publicar su agente para Gemini Enterprise (cuando corresponda).
23) Actualizar o mejorar las habilidades con el tiempo: Use `agents-cli scaffold upgrade` para actualizar un proyecto a una versión más reciente de agents-cli, y `agents-cli update` para forzar la reinstalación/actualización de habilidades en todos los IDE/agentes de codificación detectados.
24) Usar con un agente de codificación (flujo de trabajo de lenguaje natural): Abra su agente de codificación (Antigravity CLI, Claude Code, Codex, etc.) y solicítele: "Use agents-cli para construir...". Con las habilidades instaladas, el agente de codificación puede andamiar, implementar, evaluar y desplegar invocando comandos `agents-cli` en su nombre.
Preguntas Frecuentes de agents-cli
Agents CLI en Agent Platform (agents-cli) es un paquete de CLI y habilidades que ayuda a construir, evaluar, implementar, publicar y observar agentes de IA de nivel empresarial en Google Cloud utilizando el Kit de Desarrollo de Agentes (ADK) de Google. Se puede usar directamente desde la terminal, y sus habilidades también se pueden instalar para que los agentes de codificación puedan usarlas.
Video de agents-cli
Artículos Populares
Atoms: Una Plataforma de IA Multiagente Que Transforma Ideas en Productos Listos para Lanzar
May 22, 2026
Nano Banana SBTI: Qué es, cómo funciona y cómo usarlo en 2026
Apr 15, 2026
Reseña de Atoms: El Constructor de Productos de IA que Redefine la Creación Digital en 2026
Apr 10, 2026
Kilo Claw: Cómo implementar y usar un verdadero agente de IA "Hágalo por usted" (Actualización 2026)
Apr 3, 2026
Últimas herramientas de IA similares a agents-cli
Gait
Gait es una herramienta de colaboración que integra la generación de código asistido por IA con el control de versiones, permitiendo a los equipos rastrear, entender y compartir el contexto del código generado por IA de manera eficiente.
invoices.dev
invoices.dev es una plataforma de facturación automatizada que genera facturas directamente de los commits de Git de los desarrolladores, con capacidades de integración para GitHub, Slack, Linear y servicios de Google.
EasyRFP
EasyRFP es un kit de herramientas de computación en el borde impulsado por IA que agiliza las respuestas a RFP (Solicitud de Propuesta) y permite el fenotipado de campo en tiempo real a través de tecnología de aprendizaje profundo.
Cart.ai
Cart.ai es una plataforma de servicios impulsada por IA que proporciona soluciones integrales de automatización empresarial, incluyendo codificación, gestión de relaciones con clientes, edición de video, configuración de comercio electrónico y desarrollo de IA personalizada con soporte 24/7.
Herramientas de IA populares como agents-cli
GitHub Copilot Chat
GitHub Copilot Chat es un asistente de codificación impulsado por IA que proporciona interacciones en lenguaje natural, sugerencias de código en tiempo real y soporte contextual directamente dentro de los IDEs compatibles y GitHub.com.
CopilotForXcode
CopilotForXcode es una Extensión del Editor de Código de Xcode que integra GitHub Copilot, Codeium y ChatGPT para proporcionar sugerencias de código impulsadas por IA, asistencia de chat y funcionalidad de prompt-a-código dentro de Xcode.
BrowserAI
BrowserAI es una biblioteca de código abierto que permite ejecutar modelos de lenguaje grandes (LLM) locales directamente en navegadores web con aceleración WebGPU, ofreciendo capacidades de IA centradas en la privacidad sin necesidad de infraestructura de servidor.
OpenAI Codex CLI
OpenAI Codex CLI es un agente de codificación ligero de código abierto que se ejecuta en su terminal, lo que permite a los desarrolladores traducir el lenguaje natural en la ejecución de código al tiempo que proporciona un razonamiento a nivel de ChatGPT con la capacidad de ejecutar código, manipular archivos e iterar bajo control de versiones.