agents-cli
agents-cli, herhangi bir kodlama asistanını Google Cloud'da ADK tabanlı yapay zeka aracılarını uçtan uca iskeleleme, çalıştırma, değerlendirme, dağıtma, yayınlama ve gözlemleme yeteneğiyle donatan birleşik bir CLI ve yüklenebilir "beceriler"dir.
https://github.com/google/agents-cli?ref=producthunt&utm_source=aipure
Ürün Bilgisi
Güncellendi:Jul 9, 2026
agents-cli Nedir
Agent Platform'daki Agents CLI (agents-cli), Google'ın Agent Development Kit (ADK) ile oluşturulan aracılar için tüm aracı geliştirme yaşam döngüsünü kolaylaştırmak üzere tasarlanmış açık kaynaklı komut satırı aracı ve yardımcı beceri paketidir. Kendi başına bir kodlama aracısı olmak yerine, makine tarafından okunabilir beceriler ve proje iskeleleme, yerel geliştirme, değerlendirme, dağıtım, kurumsal ortamlara yayınlama ve üretim gözlemlenebilirliği için tutarlı bir komut kümesi sağlayarak kodlama aracılarıyla (örn. Antigravity CLI, Claude Code, Codex, Cursor) entegre olur. Ayrıca, komutları kendiniz yazarak agents-cli'yi doğrudan "insan modunda" da kullanabilirsiniz. Yerel prototipleme için bir AI Studio API anahtarı ile çalıştırabilirsiniz; Google Cloud öncelikle dağıtım ve buluta özel özellikler için gereklidir.
agents-cli Temel Özellikleri
agents-cli (Agent Platform'daki Agents CLI), ADK tabanlı aracılar oluşturmak için kodlama asistanlarını (örn. Antigravity CLI, Claude Code, Codex, Cursor) uçtan uca uzmanlara dönüştüren birleşik bir CLI ve paketlenmiş bir "beceri" paketidir: projeleri iskeleleme, değerlendirmeleri çalıştırma ve derecelendirme, Google Cloud hedeflerine (Cloud Run, Agent Runtime, GKE) dağıtma ve üretim gözlemlenebilirliğini (Cloud Trace ve istem/yanıt günlüğü) etkinleştirme. Gemini için bir AI Studio API anahtarı kullanarak Google Cloud olmadan yerel geliştirmeyi desteklerken, bulut dağıtımı ve yönetilen özellikler Google Cloud kimlik bilgileri ve bir proje gerektirir.
Birleşik aracı yaşam döngüsü CLI: İskeleleme/oluşturma, çalıştırma, lint, değerlendirme (oluşturma/derecelendirme/karşılaştırma/analiz etme/optimize etme), dağıtma, yayınlama ve altyapı sağlama için tek komut yüzeyi; parçalanmış komut dosyalarını ve Makefile tabanlı iş akışlarını değiştirir.
Kodlama aracıları için paketlenmiş "beceriler": Makine tarafından okunabilir becerileri (iş akışı, ADK kod kalıpları, iskele, değerlendirme, dağıtım, yayınlama, gözlemlenebilirlik) yükler, böylece kodlama aracıları daha az tahmin ve daha az tekrarlayan istemlerle en iyi uygulama adımlarını güvenilir bir şekilde yürütebilir.
Yerel öncelikli geliştirme seçeneği: ADK ile Gemini'yi çalıştırmak için bir AI Studio API anahtarı kullanarak Google Cloud olmadan yerel olarak aracı oluşturmayı, çalıştırmayı ve değerlendirmeyi destekler; bulut yalnızca dağıtım ve bulut yerel özellikler için gereklidir.
İzleme tabanlı derecelendirme ile değerlendirme paketi: Değerlendirme veri kümelerinden yürütme izleri oluşturur, bunları yapılandırılabilir metriklerle (LLM-hakim tarzı rubrikler dahil) derecelendirir, sonuç JSON'larını karşılaştırır, hata modlarını analiz eder ve değerlendirme verilerini kullanarak istemleri optimize edebilir.
Google Cloud'da dağıtım + altyapı otomasyonu: Aracıları Cloud Run, Agent Runtime veya GKE'ye dağıtır ve destekleyici altyapıyı (IAM/hizmet hesapları, API'ler, telemetri kaynakları, CI/CD hatları ve isteğe bağlı RAG veri deposu + alım) sağlayabilir.
Üretim gözlemlenebilirliği yerleşik: İzleri Cloud Trace'e dışa aktaran OpenTelemetry enstrümantasyonu ile birlikte gelir; isteğe bağlı istem/yanıt günlüğü, daha derin analizler için model etkileşimlerini (istemler, yanıtlar, belirteçler) GCS/BigQuery/Cloud Logging'e dışa aktarabilir.
agents-cli Kullanım Alanları
Müşteri desteği otomasyonu (SaaS/telekom/perakende): Araç entegrasyonlarıyla bir destek aracısı iskeleleyin ve dağıtın, ardından Cloud Run'da üretime güncellemeler yayınlamadan önce izleme tabanlı derecelendirme yoluyla yanıt kalitesini ve temelini sürekli olarak değerlendirin.
Düzenlenmiş belge asistanı (finans/hukuk/sağlık): Yönetilen bir dağıtım hattında davranışları doğrulamak, model etkileşimlerini denetlemek ve sürümler arasındaki performans gerilemelerini izlemek için değerlendirmeleri (özel metrikler ve rubrikler) ve gözlemlenebilirlik günlüklerini kullanın.
Günlük zeka ve raporlama botu (medya/kurumsal operasyonlar): Kaynakları (örn. RSS) alan, önemli öğeleri özetleyen ve sohbet/e-postaya yayınlayan zamanlanmış aracılar oluşturun; gecikmeyi ve hataları izlemek için CI/CD altyapı iskeleleme ve Cloud Trace kullanın.
RAG destekli dahili bilgi aracısı (BT/İK/mühendislik): Mevcut bir aracı projesini veri deposu sağlama ve alımı ile geliştirin, ardından yönetilen bir çalışma zamanına dağıtmadan önce çok turlu alma senaryolarını test etmek için değerlendirme sentezi ve derecelendirme çalıştırın.
Çoklu aracı birlikte çalışabilirliği (platform ekipleri): ADK aracılarını diğer çerçeveler üzerinde oluşturulmuş aracılarla entegre etmek için Aracıdan Aracıya (A2A) protokolünü destekleyen şablonlardan başlayın ve hizmetler arasında dağıtımı/gözlemlenebilirliği tutarlı bir şekilde yönetin.
Geliştirici üretkenliği aracı fabrikası (yazılım kuruluşları): İskeleleme şablonları aracılığıyla aracı oluşturmayı standartlaştırın, linting ve değerlendirme kapılarını uygulayın ve ekiplerin yeni aracıları daha hızlı ve daha güvenli bir şekilde gönderebilmesi için dağıtım ve telemetri sağlamayı otomatikleştirin.
Artıları
Uçtan uca iş akışı kapsamı (iskele → değerlendirme → dağıtım → gözlem) araç parçalanmasını ve manuel yapıştırıcı kodu azaltır.
Yüklenebilir beceriler aracılığıyla birden çok kodlama asistanıyla çalışır, otomasyonu daha belirleyici ve tekrarlanabilir hale getirir.
Yerel geliştirme Google Cloud gerektirmez; AI Studio API anahtarı, Gemini ile oluşturma/çalıştırma/değerlendirme için yeterlidir.
Güçlü değerlendirme ve gözlemlenebilirlik hikayesi (izleme tabanlı derecelendirme, Cloud Trace, isteğe bağlı istem/yanıt günlüğü).
Eksileri
Bulut dağıtımı ve birçok yönetilen özellik Google Cloud kimlik bilgileri, bir proje gerektirir ve kaynak maliyetlerine neden olabilir.
Bazı yetenekler Ön-GA/önizleme koşullarına tabidir, bu da potansiyel sınırlamalar veya değişiklikler anlamına gelir.
Google Cloud/ADK ekosistemi için optimize edilmiştir; başka yerlerde standartlaştırılmış ekipler benimseme ve entegrasyon yüküyle karşılaşabilir.
agents-cli Nasıl Kullanılır
1) Önkoşulları yükleyin: Makinenizde Python 3.11+, uv (Astral) ve Node.js'nin kurulu olduğundan emin olun.
2) Agents CLI + paketlenmiş becerileri yükleyin (önerilir): CLI'yi kurmak ve paketlenmiş Agents CLI becerilerini makinenizdeki desteklenen kodlama aracılarına enjekte etmek için şunu çalıştırın: `uvx google-agents-cli setup`.
3) (İsteğe bağlı) Yalnızca becerileri yükleyin: Yalnızca becerileri istiyorsanız ve kodlama aracınızın sizin için komutları çalıştırmasına izin verecekseniz, şunu çalıştırın: `npx skills add google/agents-cli` (veya depo URL'sinden yükleyin).
4) CLI'nin kullanılabilir olduğunu doğrulayın: Kurulumu onaylamak için şunu çalıştırın: `uvx google-agents-cli --version` ve/veya `uvx google-agents-cli --help`.
5) Kimlik doğrulama (Bulut veya yerel): Kimlik doğrulamak için şunu çalıştırın: `agents-cli login`. Yerel geliştirme için bir AI Studio API anahtarı kullanabilirsiniz; dağıtım ve bulut özellikleri için Google Cloud kimlik doğrulamasına ihtiyacınız vardır. Durumu kontrol etmek için: `agents-cli login --status`.
6) Yeni bir aracı projesi oluşturun (iskele): Yeni bir ADK aracı projesi oluşturmak için şunu çalıştırın: `agents-cli scaffold <name>`. Çalışmaya hazır bir prototip için belgelenmiş deseni kullanın: `agents-cli create my-agent --prototype --yes` (sürümünüz `create` öğesini gösteriyorsa).
7) Projeyi anlayın ve yapılandırın: `agents-cli-manifest.yaml` (proje meta verileri/yapılandırması) dahil olmak üzere oluşturulan proje dosyalarını inceleyin. Gerektiğinde model, bölge ve Google Cloud projesi için ortam değişkenlerini ve/veya manifest alanlarını güncelleyin.
8) Aracı mantığını ve araçlarını uygulayın: Aracı davranışınızı uygulamak için `app/agent.py` dosyasını düzenleyin. ADK araçlarını düz Python işlevleri olarak ekleyin; açık docstring'ler yazın çünkü bunlar LLM'nin gördüğü araç açıklamaları haline gelir.
9) Yerel olarak çalıştırın (hızlı istem testi): Aracınıza tek bir istem göndermek ve yanıtı görmek için şunu kullanın: `agents-cli run "<prompt>"`.
10) Web oyun alanını kullanın (etkileşimli geliştirme): Hızlı yineleme için sıcak yeniden yükleme ile ADK web oyun alanını (genellikle `localhost:8080` adresinde) başlatmak için şunu çalıştırın: `agents-cli playground`.
11) Proje bağımlılıklarını yükleyin (gerekirse): İskelelenmiş Python projesi tarafından tanımlanan proje bağımlılıklarını yüklemek için şunu çalıştırın: `agents-cli install`.
12) Projeyi lint edin: Değerlendirme/dağıtımdan önce kod kalitesi kontrollerini (Ruff) yürütmek ve sorunları düzeltmek için şunu çalıştırın: `agents-cli lint`.
13) Değerlendirme durumları oluşturun: `eval_config.yaml` dosyasına değerlendirme durumları (her durum bir kullanıcı mesajı tanımlar) ekleyin ve metrikleri yapılandırın. Değerlendirme sistemi her mesajı aracınıza gönderecek ve yapılandırılmış metrikleri kullanarak yanıtı derecelendirecektir.
14) Değerlendirme durumlarından izlemeler oluşturun: Değerlendirme veri kümesi üzerinde aracınızı çalıştırmak ve doldurulmuş izlemeler JSON'u üretmek için şunu çalıştırın: `agents-cli eval generate`.
15) İzlemeleri metriklere göre derecelendirin: Oluşturulan izlemeleri bir veya daha fazla metriğe göre puanlamak ve değerlendirme sonuçlarını çıkarmak için şunu çalıştırın: `agents-cli eval grade --traces <PATH>`.
16) Değerlendirme analiz araçlarını kullanarak yineleyin (isteğe bağlı ancak önerilir): Çalıştırmalar arasındaki sonuçları karşılaştırmak için `agents-cli eval compare`, hata modlarını kümelemek için `agents-cli eval analyze` ve mevcut metrikleri keşfetmek için `agents-cli eval metric list` kullanın. Eşikler karşılanana kadar aracı kodu/istem üzerinde yineleyin.
17) Ek değerlendirme senaryoları sentezleyin (isteğe bağlı): Yerel aracınız için çok turlu senaryolar oluşturmak için şunu çalıştırın: `agents-cli eval dataset synthesize`. Örnek: `agents-cli eval dataset synthesize -n 10 --max-turns 8 --instruction "Kullanıcıların hedef değiştirdiği senaryolar"`.
18) Mevcut bir projeyi geliştirin (dağıtım/CI/CD/RAG): Bir prototiple başladıysanız veya mevcut bir projeniz varsa, dağıtım hedefleri (Cloud Run, Agent Runtime, GKE), CI/CD veya RAG bileşenleri eklemek için şunu çalıştırın: `agents-cli scaffold enhance`.
19) Google Cloud'a dağıtın: Aracınızı dağıtmak için şunu çalıştırın: `agents-cli deploy`. Gelişmiş özelleştirme için temel `gcloud` komutunu görmeniz gerekiyorsa, CLI'nin kuru çalıştırma seçeneğini kullanın (mevcut olduğunda `--dry-run` / `-n` olarak belgelenmiştir).
20) Gözlemlenebilirlik altyapısını sağlayın (üretim için önerilir): Dağıtımdan sonra, telemetri kaynaklarını (hizmet hesabı, GCS paketi, BigQuery veri kümesi) sağlamak ve dağıtılan hizmeti bunları kullanacak şekilde güncellemek için şunu çalıştırın: `agents-cli infra single-project --project <YOUR_PROJECT_ID>`. Ardından Google Cloud Trace Explorer'da izlemeleri inceleyin.
21) CI/CD'yi kurun (isteğe bağlı): Tekrarlanabilir dağıtımlar için bir CI/CD hattı ve hazırlık/üretim altyapısı kurmak için şunu çalıştırın: `agents-cli infra cicd`.
22) Gemini Enterprise'a yayınlayın (isteğe bağlı): Aracınızı Gemini Enterprise için kaydetmek/yayınlamak için (uygun olduğunda) şunu çalıştırın: `agents-cli publish gemini-enterprise`.
23) Zamanla becerileri yükseltin veya güncelleyin: Bir projeyi daha yeni bir agents-cli sürümüne yükseltmek için `agents-cli scaffold upgrade` kullanın ve tüm algılanan IDE'lere/kodlama aracılarına becerileri yeniden yüklemeyi/güncellemeyi zorlamak için `agents-cli update` kullanın.
24) Bir kodlama aracısıyla kullanın (doğal dil iş akışı): Kodlama aracınızı (Antigravity CLI, Claude Code, Codex vb.) açın ve ona şunu sorun: "agents-cli'yi kullanarak şunu oluştur...". Beceriler yüklüyken, kodlama aracısı sizin adınıza `agents-cli` komutlarını çağırarak iskeleleme, uygulama, değerlendirme ve dağıtım yapabilir.
agents-cli SSS
Agent Platform'daki Agents CLI (agents-cli), Google'ın Ajan Geliştirme Kiti (ADK) kullanarak Google Cloud üzerinde kurumsal düzeyde yapay zeka ajanları oluşturmaya, değerlendirmeye, dağıtmaya, yayınlamaya ve gözlemlemeye yardımcı olan bir CLI ve beceri paketidir. Doğrudan terminalden kullanılabilir ve becerileri de yüklenebilir, böylece kodlama ajanları bunları kullanabilir.
agents-cli Videosu
Popüler Makaleler
Atoms: Fikirleri Lansmana Hazır Ürünlere Dönüştüren Çoklu Ajan Yapay Zeka Platformu
May 22, 2026
Nano Banana SBTI: Nedir, Nasıl Çalışır ve 2026'da Nasıl Kullanılır
Apr 15, 2026
Atoms İncelemesi — 2026'da Dijital Oluşumu Yeniden Tanımlayan Yapay Zeka Ürün Geliştiricisi
Apr 10, 2026
Kilo Claw: Gerçek Bir "Senin Yerine Yapan" Yapay Zeka Aracısı Nasıl Kurulur ve Kullanılır (2026 Güncellemesi)
Apr 3, 2026
agents-cli Benzer En Yeni Yapay Zeka Araçları
Gait
Gait, AI destekli kod üretimini sürüm kontrolü ile entegre eden bir işbirliği aracıdır, ekiplerin AI tarafından üretilen kod bağlamını verimli bir şekilde takip etmelerini, anlamalarını ve paylaşmalarını sağlar.
invoices.dev
invoices.dev, geliştiricilerin Git commit'lerinden doğrudan fatura oluşturan otomatik bir faturalama platformudur; GitHub, Slack, Linear ve Google hizmetleri için entegrasyon yetenekleri vardır.
EasyRFP
EasyRFP, RFP (Teklif Talebi) yanıtlarını kolaylaştıran ve derin öğrenme teknolojisi ile gerçek zamanlı alan fenotipleme sağlayan AI destekli bir kenar bilişim araç takımıdır.
Cart.ai
Cart.ai, kodlama, müşteri ilişkileri yönetimi, video düzenleme, e-ticaret kurulumu ve 24/7 destek ile özel AI geliştirme dahil kapsamlı iş otomasyon çözümleri sunan AI destekli bir hizmet platformudur.
agents-cli Gibi Popüler Yapay Zeka Araçları
GitHub Copilot Chat
GitHub Copilot Chat, desteklenen IDE'ler ve GitHub.com içinde doğal dil etkileşimleri, gerçek zamanlı kod önerileri ve bağlamsal destek sağlayan AI destekli bir kodlama asistanıdır.
CopilotForXcode
CopilotForXcode, Xcode içinde AI destekli kod önerileri, sohbet yardımı ve prompt-to-code işlevselliği sağlamak için GitHub Copilot, Codeium ve ChatGPT'yi entegre eden bir Xcode Kaynak Editörü Uzantısıdır.
BrowserAI
BrowserAI, sunucu altyapısı gerektirmeden gizlilik odaklı yapay zeka yetenekleri sunarak, WebGPU hızlandırmasıyla doğrudan web tarayıcılarında yerel Büyük Dil Modellerini (LLM'ler) çalıştırmayı sağlayan açık kaynaklı bir kitaplıktır.
OpenAI Codex CLI
OpenAI Codex CLI, terminalinizde çalışan, geliştiricilerin doğal dili kod yürütmeye çevirmesini sağlayan, kod çalıştırma, dosyaları manipüle etme ve sürüm kontrolü altında yineleme yeteneği ile ChatGPT düzeyinde akıl yürütme sağlayan hafif, açık kaynaklı bir kodlama aracıdır.