agents-cli
agents-cli è una CLI unificata più "skill" installabili che equipaggia qualsiasi assistente di codifica per scaffoldare, eseguire, valutare, distribuire, pubblicare e osservare agenti AI basati su ADK end-to-end su Google Cloud.
https://github.com/google/agents-cli?ref=producthunt&utm_source=aipure
Informazioni sul Prodotto
Aggiornato:Jul 9, 2026
Cos'è agents-cli
Agents CLI in Agent Platform (agents-cli) è lo strumento a riga di comando open-source di Google e il pacchetto di skill complementare progettato per semplificare l'intero ciclo di vita dello sviluppo di agenti per gli agenti creati con l'Agent Development Kit (ADK) di Google. Anziché essere un agente di codifica in sé, si integra con gli agenti di codifica (ad esempio, Antigravity CLI, Claude Code, Codex, Cursor) fornendo skill leggibili dalla macchina e un set coerente di comandi per lo scaffolding del progetto, lo sviluppo locale, la valutazione, il deployment, la pubblicazione in ambienti aziendali e l'osservabilità della produzione. È possibile utilizzare agents-cli direttamente in "modalità umana" digitando i comandi autonomamente. Per la prototipazione locale è possibile eseguire con una chiave API di AI Studio; Google Cloud è principalmente richiesto per il deployment e le funzionalità cloud-native.
Caratteristiche principali di agents-cli
agents-cli (Agents CLI in Agent Platform) è una CLI unificata più un pacchetto di "competenze" in bundle che trasforma gli assistenti di codifica (ad esempio, Antigravity CLI, Claude Code, Codex, Cursor) in esperti end-to-end per la creazione di agenti basati su ADK: scaffolding di progetti, esecuzione e valutazione di valutazioni, distribuzione su destinazioni Google Cloud (Cloud Run, Agent Runtime, GKE) e abilitazione dell'osservabilità della produzione (Cloud Trace e registrazione di prompt/risposte). Supporta lo sviluppo locale senza Google Cloud utilizzando una chiave API di AI Studio per Gemini, mentre la distribuzione cloud e le funzionalità gestite richiedono credenziali e un progetto Google Cloud.
CLI unificata per il ciclo di vita dell'agente: Superficie di comando singola per scaffold/creazione, esecuzione, lint, valutazione (generazione/valutazione/confronto/analisi/ottimizzazione), distribuzione, pubblicazione e provisioning dell'infrastruttura, sostituendo script frammentati e flussi di lavoro basati su Makefile.
Pacchetto di "competenze" per agenti di codifica: Installa competenze leggibili dalla macchina (flusso di lavoro, modelli di codice ADK, scaffold, valutazione, distribuzione, pubblicazione, osservabilità) in modo che gli agenti di codifica possano eseguire in modo affidabile i passaggi delle migliori pratiche con meno congetture e meno prompt iterativi.
Opzione di sviluppo local-first: Supporta la creazione, l'esecuzione e la valutazione di agenti localmente senza Google Cloud utilizzando una chiave API di AI Studio per eseguire Gemini con ADK; il cloud è richiesto solo per la distribuzione e le funzionalità cloud-native.
Suite di valutazione con valutazione basata su tracce: Genera tracce di esecuzione da set di dati di valutazione, le valuta con metriche configurabili (incluse rubriche in stile LLM-as-judge), confronta i JSON dei risultati, analizza le modalità di errore e può ottimizzare i prompt utilizzando i dati di valutazione.
Automazione della distribuzione + infrastruttura su Google Cloud: Distribuisce agenti su Cloud Run, Agent Runtime o GKE e può eseguire il provisioning dell'infrastruttura di supporto (IAM/account di servizio, API, risorse di telemetria, pipeline CI/CD e datastore RAG opzionale + ingestione).
Osservabilità della produzione integrata: Viene fornito con strumentazione OpenTelemetry che esporta le tracce in Cloud Trace; la registrazione opzionale di prompt/risposte può esportare le interazioni del modello (prompt, risposte, token) in GCS/BigQuery/Cloud Logging per analisi più approfondite.
Casi d'uso di agents-cli
Automazione del supporto clienti (SaaS/telecomunicazioni/vendita al dettaglio): Scaffold e distribuisci un agente di supporto con integrazioni di strumenti, quindi valuta continuamente la qualità della risposta e la fondatezza tramite la valutazione basata su tracce prima di rilasciare aggiornamenti in produzione su Cloud Run.
Assistente per documenti regolamentati (finanza/legale/sanità): Utilizza le valutazioni (metriche e rubriche personalizzate) più i log di osservabilità per convalidare il comportamento, controllare le interazioni del modello e monitorare le regressioni delle prestazioni tra le versioni in una pipeline di distribuzione governata.
Bot di intelligence e reporting giornaliero (media/operazioni aziendali): Crea agenti pianificati che acquisiscono fonti (ad esempio, RSS), riassumono gli elementi chiave e pubblicano su chat/e-mail; utilizza lo scaffolding dell'infrastruttura CI/CD e Cloud Trace per monitorare la latenza e i fallimenti.
Agente di conoscenza interno basato su RAG (IT/HR/ingegneria): Migliora un progetto agente esistente con il provisioning e l'ingestione del datastore, quindi esegui la sintesi e la valutazione per testare scenari di recupero multi-turno prima di distribuire a un runtime gestito.
Interoperabilità multi-agente (team di piattaforma): Inizia da modelli che supportano il protocollo Agent-to-Agent (A2A) per integrare gli agenti ADK con agenti costruiti su altri framework e gestisci la distribuzione/osservabilità in modo coerente tra i servizi.
Fabbrica di agenti per la produttività degli sviluppatori (organizzazioni software): Standardizza la creazione di agenti tramite modelli di scaffolding, applica il linting e i gate di valutazione e automatizza il provisioning della distribuzione e della telemetria in modo che i team possano spedire nuovi agenti più velocemente e in modo più sicuro.
Vantaggi
Copertura del flusso di lavoro end-to-end (scaffold → eval → deploy → observe) riduce la frammentazione degli strumenti e il codice "colla" manuale.
Funziona con più assistenti di codifica tramite competenze installabili, rendendo l'automazione più deterministica e ripetibile.
Lo sviluppo locale non richiede Google Cloud: la chiave API di AI Studio è sufficiente per creare/eseguire/valutare con Gemini.
Ottima gestione della valutazione e dell'osservabilità (valutazione basata su tracce, Cloud Trace, registrazione opzionale di prompt/risposte).
Svantaggi
La distribuzione cloud e molte funzionalità gestite richiedono credenziali Google Cloud, un progetto e possono comportare costi di risorse.
Alcune funzionalità sono soggette a termini Pre-GA/preview, il che implica potenziali limitazioni o modifiche.
Ottimizzato per l'ecosistema Google Cloud/ADK; i team standardizzati altrove potrebbero affrontare costi aggiuntivi di adozione e integrazione.
Come usare agents-cli
1) Installare i prerequisiti: Assicurarsi di avere Python 3.11+, uv (Astral) e Node.js installati sulla propria macchina.
2) Installare Agents CLI + skill in bundle (consigliato): Eseguire: `uvx google-agents-cli setup` per installare la CLI e iniettare le skill in bundle di Agents CLI negli agenti di codifica supportati sulla propria macchina.
3) (Opzionale) Installare solo le skill: Se si desiderano solo le skill e si lascerà che l'agente di codifica esegua i comandi per proprio conto, eseguire: `npx skills add google/agents-cli` (o installare dall'URL del repository).
4) Verificare che la CLI sia disponibile: Eseguire: `uvx google-agents-cli --version` e/o `uvx google-agents-cli --help` per confermare l'installazione.
5) Autenticarsi (Cloud o locale): Eseguire: `agents-cli login` per autenticarsi. Per lo sviluppo locale è possibile utilizzare una chiave API di AI Studio; per il deployment e le funzionalità cloud è necessaria l'autenticazione di Google Cloud. Controllare lo stato con: `agents-cli login --status`.
6) Creare (scaffold) un nuovo progetto agente: Eseguire: `agents-cli scaffold <name>` per generare un nuovo progetto agente ADK. Per un prototipo pronto all'uso, utilizzare il modello documentato: `agents-cli create my-agent --prototype --yes` (se la propria versione espone `create`).
7) Comprendere e configurare il progetto: Esaminare i file di progetto generati, incluso `agents-cli-manifest.yaml` (metadati/configurazione del progetto). Aggiornare le variabili d'ambiente e/o i campi del manifesto per il modello, la regione e il progetto Google Cloud secondo necessità.
8) Implementare la logica e gli strumenti dell'agente: Modificare `app/agent.py` per implementare il comportamento dell'agente. Aggiungere gli strumenti ADK come semplici funzioni Python; scrivere docstring chiare perché diventano le descrizioni degli strumenti che l'LLM vede.
9) Eseguire localmente (test rapido del prompt): Usare: `agents-cli run "<prompt>"` per inviare un singolo prompt all'agente e vedere la risposta.
10) Usare il playground web (sviluppo interattivo): Eseguire: `agents-cli playground` per avviare il playground web ADK (tipicamente su `localhost:8080`) con ricarica a caldo per un'iterazione rapida.
11) Installare le dipendenze del progetto (se necessario): Eseguire: `agents-cli install` per installare le dipendenze del progetto definite dal progetto Python scaffolded.
12) Lint il progetto: Eseguire: `agents-cli lint` per eseguire controlli di qualità del codice (Ruff) e risolvere i problemi prima della valutazione/deployment.
13) Creare casi di valutazione: Aggiungere casi di valutazione (ogni caso definisce un messaggio utente) e configurare le metriche in `eval_config.yaml`. Il sistema di valutazione invierà ogni messaggio all'agente e valuterà la risposta utilizzando le metriche configurate.
14) Generare tracce dai casi di valutazione: Eseguire: `agents-cli eval generate` per eseguire l'agente sul set di dati di valutazione e produrre JSON di tracce popolate.
15) Valutare le tracce rispetto alle metriche: Eseguire: `agents-cli eval grade --traces <PATH>` per assegnare un punteggio alle tracce generate rispetto a una o più metriche e produrre i risultati della valutazione.
16) Iterare utilizzando gli strumenti di analisi della valutazione (opzionale ma consigliato): Usare `agents-cli eval compare` per confrontare i risultati tra le esecuzioni, `agents-cli eval analyze` per raggruppare le modalità di errore e `agents-cli eval metric list` per scoprire le metriche disponibili. Iterare sul codice/prompt dell'agente fino a quando le soglie non vengono raggiunte.
17) Sintetizzare scenari di valutazione aggiuntivi (opzionale): Eseguire: `agents-cli eval dataset synthesize` per generare scenari multi-turno per l'agente locale. Esempio: `agents-cli eval dataset synthesize -n 10 --max-turns 8 --instruction "Scenari in cui gli utenti cambiano destinazione"`.
18) Migliorare un progetto esistente (deployment/CI/CD/RAG): Se si è iniziato con un prototipo o si ha un progetto esistente, eseguire: `agents-cli scaffold enhance` per aggiungere destinazioni di deployment (Cloud Run, Agent Runtime, GKE), CI/CD o componenti RAG.
19) Eseguire il deployment su Google Cloud: Eseguire: `agents-cli deploy` per eseguire il deployment dell'agente. Se è necessario visualizzare il comando `gcloud` sottostante per una personalizzazione avanzata, utilizzare l'opzione dry-run della CLI (documentata come `--dry-run` / `-n` dove disponibile).
20) Provisionare l'infrastruttura di osservabilità (consigliato per la produzione): Dopo il deployment, eseguire: `agents-cli infra single-project --project <YOUR_PROJECT_ID>` per il provisioning delle risorse di telemetria (account di servizio, bucket GCS, set di dati BigQuery) e aggiornare il servizio distribuito per utilizzarle. Quindi ispezionare le tracce in Google Cloud Trace Explorer.
21) Configurare CI/CD (opzionale): Eseguire: `agents-cli infra cicd` per configurare una pipeline CI/CD più l'infrastruttura di staging/produzione per deployment ripetibili.
22) Pubblicare su Gemini Enterprise (opzionale): Eseguire: `agents-cli publish gemini-enterprise` per registrare/pubblicare l'agente per Gemini Enterprise (quando applicabile).
23) Aggiornare o aggiornare le skill nel tempo: Usare `agents-cli scaffold upgrade` per aggiornare un progetto a una versione più recente di agents-cli e `agents-cli update` per forzare la reinstallazione/aggiornamento delle skill a tutti gli IDE/agenti di codifica rilevati.
24) Utilizzare con un agente di codifica (flusso di lavoro in linguaggio naturale): Aprire l'agente di codifica (Antigravity CLI, Claude Code, Codex, ecc.) e richiamarlo con: "Usa agents-cli per costruire...". Con le skill installate, l'agente di codifica può scaffoldare, implementare, valutare e distribuire invocando i comandi `agents-cli` per proprio conto.
FAQ di agents-cli
Agents CLI in Agent Platform (agents-cli) è una CLI e un pacchetto di skill che aiuta a costruire, valutare, distribuire, pubblicare e osservare agenti AI di livello enterprise su Google Cloud utilizzando l'Agent Development Kit (ADK) di Google. Può essere utilizzato direttamente dal terminale e le sue skill possono anche essere installate in modo che gli agenti di codifica possano usarle.
Video di agents-cli
Articoli Popolari
Atoms: Una Piattaforma AI Multi-Agente Che Trasforma le Idee in Prodotti Pronti al Lancio
May 22, 2026
Nano Banana SBTI: Cos'è, come funziona e come usarlo nel 2026
Apr 15, 2026
Recensione di Atoms — Il builder di prodotti AI che ridefinisce la creazione digitale nel 2026
Apr 10, 2026
Kilo Claw: Come Distribuire e Utilizzare un Vero Agente AI "Fai-da-Te" (Aggiornamento 2026)
Apr 3, 2026
Ultimi Strumenti AI Simili a agents-cli
Gait
Gait è uno strumento di collaborazione che integra la generazione di codice assistita dall'IA con il controllo delle versioni, consentendo ai team di tracciare, comprendere e condividere il contesto del codice generato dall'IA in modo efficiente.
invoices.dev
invoices.dev è una piattaforma di fatturazione automatizzata che genera fatture direttamente dai commit Git dei programmatori, con capacità di integrazione per i servizi GitHub, Slack, Linear e Google.
EasyRFP
EasyRFP è un toolkit di edge computing alimentato da AI che semplifica le risposte alle RFP (Richiesta di Proposta) e consente la fenotipizzazione sul campo in tempo reale attraverso la tecnologia di deep learning.
Cart.ai
Cart.ai è una piattaforma di servizi alimentata dall'IA che fornisce soluzioni complete di automazione aziendale, tra cui codifica, gestione delle relazioni con i clienti, editing video, configurazione e-commerce e sviluppo di AI personalizzata con supporto 24/7.
Strumenti AI Popolari Come agents-cli
GitHub Copilot Chat
GitHub Copilot Chat è un assistente di codifica alimentato dall'IA che fornisce interazioni in linguaggio naturale, suggerimenti di codice in tempo reale e supporto contestuale direttamente all'interno degli IDE supportati e di GitHub.com.
CopilotForXcode
CopilotForXcode è un'estensione dell'Editor di Codice Xcode che integra GitHub Copilot, Codeium e ChatGPT per fornire suggerimenti di codice alimentati dall'IA, assistenza in chat e funzionalità di prompt-to-code all'interno di Xcode.
BrowserAI
BrowserAI è una libreria open source che consente l'esecuzione di modelli linguistici di grandi dimensioni (LLM) locali direttamente nei browser web con accelerazione WebGPU, offrendo funzionalità di intelligenza artificiale incentrate sulla privacy senza richiedere infrastrutture server.
OpenAI Codex CLI
OpenAI Codex CLI è un agente di codifica open-source leggero che viene eseguito nel tuo terminale, consentendo agli sviluppatori di tradurre il linguaggio naturale in esecuzione di codice fornendo al contempo un ragionamento a livello di ChatGPT con la capacità di eseguire codice, manipolare file e iterare sotto controllo di versione.