agents-cli
agents-cli는 통합 CLI와 설치 가능한 '스킬'로, 모든 코딩 어시스턴트가 Google Cloud에서 ADK 기반 AI 에이전트를 처음부터 끝까지 스캐폴딩, 실행, 평가, 배포, 게시 및 관찰할 수 있도록 지원합니다.
https://github.com/google/agents-cli?ref=producthunt&utm_source=aipure
제품 정보
업데이트됨:Jul 9, 2026
agents-cli이란?
Agent Platform(agents-cli)의 Agents CLI는 Google의 ADK(Agent Development Kit)로 구축된 에이전트의 전체 에이전트 개발 수명 주기를 간소화하도록 설계된 Google의 오픈 소스 명령줄 도구이자 동반 스킬 패키지입니다. 자체 코딩 에이전트라기보다는 기계가 읽을 수 있는 스킬과 프로젝트 스캐폴딩, 로컬 개발, 평가, 배포, 엔터프라이즈 환경 게시 및 프로덕션 관찰 가능성을 위한 일관된 명령 집합을 제공하여 코딩 에이전트(예: Antigravity CLI, Claude Code, Codex, Cursor)와 통합됩니다. '인간 모드'에서 직접 명령을 입력하여 agents-cli를 직접 사용할 수도 있습니다. 로컬 프로토타이핑의 경우 AI Studio API 키로 실행할 수 있으며, Google Cloud는 주로 배포 및 클라우드 네이티브 기능에 필요합니다.
agents-cli의 주요 기능
agents-cli(Agent Platform의 Agents CLI)는 통합 CLI와 번들로 제공되는 "기술" 패키지로, 코딩 어시스턴트(예: Antigravity CLI, Claude Code, Codex, Cursor)를 ADK 기반 에이전트 구축을 위한 종단 간 전문가로 전환합니다. 프로젝트 스캐폴딩, 평가 실행 및 채점, Google Cloud 대상(Cloud Run, Agent Runtime, GKE)에 배포, 프로덕션 관측 가능성(Cloud Trace 및 프롬프트/응답 로깅) 활성화 등을 수행합니다. Gemini용 AI Studio API 키를 사용하여 Google Cloud 없이 로컬 개발을 지원하며, 클라우드 배포 및 관리형 기능에는 Google Cloud 자격 증명과 프로젝트가 필요합니다.
통합 에이전트 수명 주기 CLI: 스캐폴드/생성, 실행, 린트, 평가(생성/채점/비교/분석/최적화), 배포, 게시 및 인프라 프로비저닝을 위한 단일 명령 표면으로, 분산된 스크립트 및 Makefile 기반 워크플로를 대체합니다.
코딩 에이전트를 위한 번들 "기술": 기계 판독 가능한 기술(워크플로, ADK 코드 패턴, 스캐폴드, 평가, 배포, 게시, 관측 가능성)을 설치하여 코딩 에이전트가 추측과 반복적인 프롬프트를 줄여 모범 사례 단계를 안정적으로 실행할 수 있도록 합니다.
로컬 우선 개발 옵션: AI Studio API 키를 사용하여 ADK와 함께 Gemini를 실행함으로써 Google Cloud 없이 로컬에서 에이전트를 생성, 실행 및 평가하는 것을 지원합니다. 클라우드는 배포 및 클라우드 네이티브 기능에만 필요합니다.
추적 기반 채점 기능이 있는 평가 스위트: 평가 데이터 세트에서 실행 추적을 생성하고, 구성 가능한 측정항목(LLM-as-judge 스타일 루브릭 포함)으로 채점하고, 결과 JSON을 비교하고, 실패 모드를 분석하고, 평가 데이터를 사용하여 프롬프트를 최적화할 수 있습니다.
Google Cloud의 배포 + 인프라 자동화: Cloud Run, Agent Runtime 또는 GKE에 에이전트를 배포하고 지원 인프라(IAM/서비스 계정, API, 원격 측정 리소스, CI/CD 파이프라인 및 선택적 RAG 데이터 스토어 + 수집)를 프로비저닝할 수 있습니다.
내장된 프로덕션 관측 가능성: OpenTelemetry 계측을 통해 Cloud Trace로 추적을 내보냅니다. 선택적 프롬프트/응답 로깅은 모델 상호 작용(프롬프트, 응답, 토큰)을 GCS/BigQuery/Cloud Logging으로 내보내 심층 분석을 수행할 수 있습니다.
agents-cli의 사용 사례
고객 지원 자동화(SaaS/통신/소매): 도구 통합을 통해 지원 에이전트를 스캐폴딩하고 배포한 다음, Cloud Run의 프로덕션에 업데이트를 릴리스하기 전에 추적 기반 채점을 통해 응답 품질 및 근거를 지속적으로 평가합니다.
규제 문서 도우미(금융/법률/의료): 평가(사용자 지정 측정항목 및 루브릭)와 관측 가능성 로그를 사용하여 행동을 검증하고, 모델 상호 작용을 감사하고, 관리되는 배포 파이프라인에서 버전 간 성능 저하를 모니터링합니다.
일일 인텔리전스 및 보고 봇(미디어/기업 운영): 소스(예: RSS)를 수집하고, 주요 항목을 요약하고, 채팅/이메일로 게시하는 예약된 에이전트를 구축합니다. CI/CD 인프라 스캐폴딩 및 Cloud Trace를 사용하여 지연 시간 및 오류를 모니터링합니다.
RAG 기반 내부 지식 에이전트(IT/HR/엔지니어링): 데이터 스토어 프로비저닝 및 수집을 통해 기존 에이전트 프로젝트를 개선한 다음, 관리형 런타임에 배포하기 전에 평가 합성 및 채점을 실행하여 다중 턴 검색 시나리오를 테스트합니다.
다중 에이전트 상호 운용성(플랫폼 팀): Agent-to-Agent(A2A) 프로토콜을 지원하는 템플릿에서 시작하여 ADK 에이전트를 다른 프레임워크에 구축된 에이전트와 통합하고, 서비스 전반에서 배포/관측 가능성을 일관되게 관리합니다.
개발자 생산성 에이전트 팩토리(소프트웨어 조직): 스캐폴딩 템플릿을 통해 에이전트 생성을 표준화하고, 린팅 및 평가 게이트를 적용하며, 배포 및 원격 측정 프로비저닝을 자동화하여 팀이 새 에이전트를 더 빠르고 안전하게 출시할 수 있도록 합니다.
장점
종단 간 워크플로 범위(스캐폴드 → 평가 → 배포 → 관찰)는 도구 파편화 및 수동 글루 코드를 줄입니다.
설치 가능한 기술을 통해 여러 코딩 어시스턴트와 함께 작동하여 자동화를 보다 결정론적이고 반복 가능하게 만듭니다.
로컬 개발에는 Google Cloud가 필요하지 않습니다. AI Studio API 키만 있으면 Gemini를 사용하여 생성/실행/평가할 수 있습니다.
강력한 평가 및 관측 가능성 스토리(추적 기반 채점, Cloud Trace, 선택적 프롬프트/응답 로깅).
단점
클라우드 배포 및 많은 관리형 기능에는 Google Cloud 자격 증명, 프로젝트가 필요하며 리소스 비용이 발생할 수 있습니다.
일부 기능은 Pre-GA/미리 보기 약관의 적용을 받으므로 잠재적인 제한 또는 변경 사항이 있을 수 있습니다.
Google Cloud/ADK 생태계에 최적화되어 있습니다. 다른 곳에 표준화된 팀은 채택 및 통합 오버헤드에 직면할 수 있습니다.
agents-cli 사용 방법
1) 필수 구성 요소 설치: Python 3.11 이상, uv(Astral) 및 Node.js가 머신에 설치되어 있는지 확인합니다.
2) Agents CLI + 번들 스킬 설치 (권장): CLI를 설치하고 번들된 Agents CLI 스킬을 머신의 지원되는 코딩 에이전트에 삽입하려면 `uvx google-agents-cli setup`을 실행합니다.
3) (선택 사항) 스킬만 설치: 스킬만 필요하고 코딩 에이전트가 명령을 실행하도록 하려면 `npx skills add google/agents-cli`를 실행합니다(또는 리포지토리 URL에서 설치).
4) CLI 사용 가능 여부 확인: 설치를 확인하려면 `uvx google-agents-cli --version` 및/또는 `uvx google-agents-cli --help`를 실행합니다.
5) 인증 (클라우드 또는 로컬): 인증하려면 `agents-cli login`을 실행합니다. 로컬 개발의 경우 AI Studio API 키를 사용할 수 있으며, 배포 및 클라우드 기능의 경우 Google Cloud 인증이 필요합니다. `agents-cli login --status`로 상태를 확인합니다.
6) 새 에이전트 프로젝트 생성 (스캐폴드): 새 ADK 에이전트 프로젝트를 생성하려면 `agents-cli scaffold <name>`을 실행합니다. 바로 실행할 수 있는 프로토타입의 경우 문서화된 패턴인 `agents-cli create my-agent --prototype --yes`를 사용합니다(버전이 `create`를 노출하는 경우).
7) 프로젝트 이해 및 구성: `agents-cli-manifest.yaml`(프로젝트 메타데이터/구성)을 포함하여 생성된 프로젝트 파일을 검토합니다. 필요에 따라 모델, 리전 및 Google Cloud 프로젝트에 대한 환경 변수 및/또는 매니페스트 필드를 업데이트합니다.
8) 에이전트 로직 및 도구 구현: `app/agent.py`를 편집하여 에이전트 동작을 구현합니다. 일반 Python 함수로 ADK 도구를 추가하고, LLM이 보는 도구 설명이 되므로 명확한 독스트링을 작성합니다.
9) 로컬에서 실행 (빠른 프롬프트 테스트): `agents-cli run "<prompt>"`를 사용하여 에이전트에 단일 프롬프트를 보내고 응답을 확인합니다.
10) 웹 플레이그라운드 사용 (대화형 개발): `agents-cli playground`를 실행하여 빠른 반복을 위해 핫 리로드를 사용하여 ADK 웹 플레이그라운드(일반적으로 `localhost:8080`)를 시작합니다.
11) 프로젝트 종속성 설치 (필요한 경우): 스캐폴드된 Python 프로젝트에 의해 정의된 프로젝트 종속성을 설치하려면 `agents-cli install`을 실행합니다.
12) 프로젝트 린트: 평가/배포 전에 코드 품질 검사(Ruff)를 실행하고 문제를 해결하려면 `agents-cli lint`를 실행합니다.
13) 평가 사례 생성: 평가 사례(각 사례는 사용자 메시지를 정의함)를 추가하고 `eval_config.yaml`에서 측정항목을 구성합니다. 평가 시스템은 각 메시지를 에이전트에 보내고 구성된 측정항목을 사용하여 응답 등급을 지정합니다.
14) 평가 사례에서 트레이스 생성: 평가 데이터셋에서 에이전트를 실행하고 채워진 트레이스 JSON을 생성하려면 `agents-cli eval generate`를 실행합니다.
15) 측정항목에 대해 트레이스 등급 지정: 생성된 트레이스를 하나 이상의 측정항목에 대해 점수를 매기고 평가 결과를 출력하려면 `agents-cli eval grade --traces <PATH>`를 실행합니다.
16) 평가 분석 도구를 사용하여 반복 (선택 사항이지만 권장): `agents-cli eval compare`를 사용하여 여러 실행 간의 결과를 비교하고, `agents-cli eval analyze`를 사용하여 실패 모드를 클러스터링하고, `agents-cli eval metric list`를 사용하여 사용 가능한 측정항목을 검색합니다. 임계값이 충족될 때까지 에이전트 코드/프롬프트를 반복합니다.
17) 추가 평가 시나리오 합성 (선택 사항): `agents-cli eval dataset synthesize`를 실행하여 로컬 에이전트에 대한 다중 턴 시나리오를 생성합니다. 예: `agents-cli eval dataset synthesize -n 10 --max-turns 8 --instruction "Scenarios where users change destination"`.
18) 기존 프로젝트 개선 (배포/CI/CD/RAG): 프로토타입으로 시작했거나 기존 프로젝트가 있는 경우 `agents-cli scaffold enhance`를 실행하여 배포 대상(Cloud Run, Agent Runtime, GKE), CI/CD 또는 RAG 구성 요소를 추가합니다.
19) Google Cloud에 배포: 에이전트를 배포하려면 `agents-cli deploy`를 실행합니다. 고급 맞춤 설정을 위해 기본 `gcloud` 명령을 확인해야 하는 경우 CLI의 드라이런 옵션(사용 가능한 경우 `--dry-run` / `-n`으로 문서화됨)을 사용합니다.
20) 관찰 가능성 인프라 프로비저닝 (프로덕션에 권장): 배포 후 `agents-cli infra single-project --project <YOUR_PROJECT_ID>`를 실행하여 원격 분석 리소스(서비스 계정, GCS 버킷, BigQuery 데이터셋)를 프로비저닝하고 배포된 서비스가 이를 사용하도록 업데이트합니다. 그런 다음 Google Cloud Trace Explorer에서 트레이스를 검사합니다.
21) CI/CD 설정 (선택 사항): 반복 가능한 배포를 위한 CI/CD 파이프라인과 스테이징/프로덕션 인프라를 설정하려면 `agents-cli infra cicd`를 실행합니다.
22) Gemini Enterprise에 게시 (선택 사항): Gemini Enterprise에 에이전트를 등록/게시하려면(해당하는 경우) `agents-cli publish gemini-enterprise`를 실행합니다.
23) 시간이 지남에 따라 스킬 업그레이드 또는 업데이트: `agents-cli scaffold upgrade`를 사용하여 프로젝트를 최신 agents-cli 버전으로 업그레이드하고, `agents-cli update`를 사용하여 모든 감지된 IDE/코딩 에이전트에 스킬을 강제로 다시 설치/업데이트합니다.
24) 코딩 에이전트와 함께 사용 (자연어 워크플로): 코딩 에이전트(Antigravity CLI, Claude Code, Codex 등)를 열고 "agents-cli를 사용하여 ... 구축"이라고 프롬프트합니다. 스킬이 설치되면 코딩 에이전트는 사용자를 대신하여 `agents-cli` 명령을 호출하여 스캐폴딩, 구현, 평가 및 배포를 수행할 수 있습니다.
agents-cli 자주 묻는 질문
Agent Platform의 Agents CLI(agents-cli)는 Google의 ADK(Agent Development Kit)를 사용하여 Google Cloud에서 엔터프라이즈급 AI 에이전트를 구축, 평가, 배포, 게시 및 관찰하는 데 도움이 되는 CLI 및 스킬 패키지입니다. 터미널에서 직접 사용할 수 있으며, 코딩 에이전트가 사용할 수 있도록 스킬을 설치할 수도 있습니다.
agents-cli와(과) 유사한 최신 AI 도구
Gait
Gait는 AI 지원 코드 생성을 버전 관리와 통합하여 팀이 AI 생성 코드 맥락을 효율적으로 추적, 이해 및 공유할 수 있도록 하는 협업 도구입니다.
invoices.dev
invoices.dev는 개발자의 Git 커밋에서 직접 청구서를 생성하는 자동화된 청구 플랫폼으로, GitHub, Slack, Linear 및 Google 서비스와의 통합 기능을 제공합니다.
EasyRFP
EasyRFP는 RFP(제안 요청) 응답을 간소화하고 딥 러닝 기술을 통해 실시간 현장 표현형을 가능하게 하는 AI 기반 엣지 컴퓨팅 툴킷입니다.
Cart.ai
Cart.ai는 코딩, 고객 관계 관리, 비디오 편집, 전자상거래 설정 및 맞춤형 AI 개발을 포함한 종합적인 비즈니스 자동화 솔루션을 제공하는 AI 기반 서비스 플랫폼으로, 24/7 지원을 제공합니다.
agents-cli와(과) 유사한 인기 AI 도구
GitHub Copilot Chat
GitHub Copilot Chat은 자연어 상호작용, 실시간 코드 제안 및 지원되는 IDE와 GitHub.com 내에서 직접 제공되는 맥락 지원을 제공하는 AI 기반 코딩 도우미입니다.
CopilotForXcode
CopilotForXcode는 Xcode 내에서 AI 기반 코드 제안, 채팅 지원 및 프롬프트-투-코드 기능을 제공하기 위해 GitHub Copilot, Codeium 및 ChatGPT를 통합한 Xcode 소스 편집기 확장입니다.
BrowserAI
BrowserAI는 서버 인프라 없이 개인 정보 보호에 중점을 둔 AI 기능을 제공하여 WebGPU 가속을 통해 웹 브라우저에서 직접 로컬 대규모 언어 모델(LLM)을 실행할 수 있도록 하는 오픈 소스 라이브러리입니다.
OpenAI Codex CLI
OpenAI Codex CLI는 터미널에서 실행되는 경량 오픈 소스 코딩 에이전트로, 개발자가 자연어를 코드 실행으로 변환하고 코드 실행, 파일 조작, 버전 제어 하에서 반복 작업을 수행할 수 있는 ChatGPT 수준의 추론 기능을 제공합니다.