agents-cli
agents-cli là một CLI thống nhất cộng với các “kỹ năng” có thể cài đặt, trang bị cho bất kỳ trợ lý mã hóa nào để tạo khung, chạy, đánh giá, triển khai, xuất bản và quan sát các tác nhân AI dựa trên ADK từ đầu đến cuối trên Google Cloud.
https://github.com/google/agents-cli?ref=producthunt&utm_source=aipure
Thông tin Sản phẩm
Đã cập nhật:Jul 9, 2026
agents-cli là gì
Agents CLI trong Nền tảng Tác nhân (agents-cli) là công cụ dòng lệnh mã nguồn mở của Google và gói kỹ năng đi kèm được thiết kế để hợp lý hóa toàn bộ vòng đời phát triển tác nhân cho các tác nhân được xây dựng bằng Bộ công cụ Phát triển Tác nhân (ADK) của Google. Thay vì tự nó là một tác nhân mã hóa, nó tích hợp với các tác nhân mã hóa (ví dụ: Antigravity CLI, Claude Code, Codex, Cursor) bằng cách cung cấp các kỹ năng có thể đọc được bằng máy và một bộ lệnh nhất quán để tạo dự án, phát triển cục bộ, đánh giá, triển khai, xuất bản lên môi trường doanh nghiệp và khả năng quan sát sản xuất. Bạn cũng có thể sử dụng agents-cli trực tiếp ở “chế độ người” bằng cách tự gõ lệnh. Để tạo nguyên mẫu cục bộ, bạn có thể chạy bằng khóa API AI Studio; Google Cloud chủ yếu được yêu cầu để triển khai và các tính năng gốc trên đám mây.
Các Tính năng Chính của agents-cli
agents-cli (Agents CLI trong Nền tảng Agent) là một CLI hợp nhất cùng với gói "kỹ năng" đi kèm, biến các trợ lý mã hóa (ví dụ: Antigravity CLI, Claude Code, Codex, Cursor) thành các chuyên gia toàn diện để xây dựng các agent dựa trên ADK: tạo dự án, chạy và chấm điểm đánh giá, triển khai đến các mục tiêu của Google Cloud (Cloud Run, Agent Runtime, GKE) và bật khả năng quan sát sản xuất (Cloud Trace và ghi nhật ký lời nhắc/phản hồi). Nó hỗ trợ phát triển cục bộ mà không cần Google Cloud bằng cách sử dụng khóa API AI Studio cho Gemini, trong khi triển khai đám mây và các tính năng được quản lý yêu cầu thông tin xác thực và dự án của Google Cloud.
CLI vòng đời agent hợp nhất: Giao diện lệnh duy nhất để tạo/tạo, chạy, kiểm tra, đánh giá (tạo/chấm điểm/so sánh/phân tích/tối ưu hóa), triển khai, xuất bản và cung cấp cơ sở hạ tầng—thay thế các tập lệnh phân mảnh và quy trình làm việc dựa trên Makefile.
Các "kỹ năng" đi kèm cho các agent mã hóa: Cài đặt các kỹ năng có thể đọc được bằng máy (quy trình làm việc, mẫu mã ADK, giàn giáo, đánh giá, triển khai, xuất bản, khả năng quan sát) để các agent mã hóa có thể thực hiện đáng tin cậy các bước thực hành tốt nhất với ít phỏng đoán hơn và ít lời nhắc lặp đi lặp lại hơn.
Tùy chọn phát triển ưu tiên cục bộ: Hỗ trợ tạo, chạy và đánh giá các agent cục bộ mà không cần Google Cloud bằng cách sử dụng khóa API AI Studio để chạy Gemini với ADK; đám mây chỉ được yêu cầu để triển khai và các tính năng gốc đám mây.
Bộ đánh giá với chấm điểm dựa trên dấu vết: Tạo dấu vết thực thi từ các tập dữ liệu đánh giá, chấm điểm chúng bằng các số liệu có thể cấu hình (bao gồm các tiêu chí kiểu LLM-as-judge), so sánh các JSON kết quả, phân tích các chế độ lỗi và có thể tối ưu hóa các lời nhắc bằng cách sử dụng dữ liệu đánh giá.
Triển khai + tự động hóa cơ sở hạ tầng trên Google Cloud: Triển khai các agent đến Cloud Run, Agent Runtime hoặc GKE và có thể cung cấp cơ sở hạ tầng hỗ trợ (tài khoản IAM/dịch vụ, API, tài nguyên đo từ xa, đường ống CI/CD và kho dữ liệu RAG tùy chọn + nhập).
Khả năng quan sát sản xuất tích hợp sẵn: Đi kèm với công cụ OpenTelemetry xuất dấu vết sang Cloud Trace; ghi nhật ký lời nhắc/phản hồi tùy chọn có thể xuất các tương tác mô hình (lời nhắc, phản hồi, mã thông báo) sang GCS/BigQuery/Cloud Logging để phân tích sâu hơn.
Các Trường hợp Sử dụng của agents-cli
Tự động hóa hỗ trợ khách hàng (SaaS/viễn thông/bán lẻ): Tạo và triển khai một agent hỗ trợ với tích hợp công cụ, sau đó liên tục đánh giá chất lượng phản hồi và căn cứ thông qua chấm điểm dựa trên dấu vết trước khi phát hành các bản cập nhật lên sản xuất trên Cloud Run.
Trợ lý tài liệu được quản lý (tài chính/pháp lý/chăm sóc sức khỏe): Sử dụng các đánh giá (số liệu và tiêu chí tùy chỉnh) cùng với nhật ký quan sát để xác thực hành vi, kiểm tra tương tác mô hình và giám sát các lỗi hiệu suất trên các phiên bản trong một quy trình triển khai được quản lý.
Bot thông minh & báo cáo hàng ngày (truyền thông/vận hành doanh nghiệp): Xây dựng các agent theo lịch trình thu thập các nguồn (ví dụ: RSS), tóm tắt các mục chính và xuất bản lên trò chuyện/email; sử dụng giàn giáo cơ sở hạ tầng CI/CD và Cloud Trace để giám sát độ trễ và lỗi.
Agent kiến thức nội bộ được hỗ trợ bởi RAG (IT/HR/kỹ thuật): Nâng cao một dự án agent hiện có với việc cung cấp và nhập kho dữ liệu, sau đó chạy tổng hợp và chấm điểm đánh giá để kiểm tra các kịch bản truy xuất đa lượt trước khi triển khai đến một thời gian chạy được quản lý.
Khả năng tương tác đa agent (nhóm nền tảng): Bắt đầu từ các mẫu hỗ trợ giao thức Agent-to-Agent (A2A) để tích hợp các agent ADK với các agent được xây dựng trên các framework khác và quản lý việc triển khai/quan sát một cách nhất quán trên các dịch vụ.
Nhà máy agent năng suất của nhà phát triển (tổ chức phần mềm): Tiêu chuẩn hóa việc tạo agent thông qua các mẫu giàn giáo, thực thi các cổng kiểm tra và đánh giá, đồng thời tự động hóa việc triển khai và cung cấp đo từ xa để các nhóm có thể xuất bản các agent mới nhanh hơn và an toàn hơn.
Ưu điểm
Phạm vi quy trình làm việc từ đầu đến cuối (tạo → đánh giá → triển khai → quan sát) giảm sự phân mảnh công cụ và mã kết nối thủ công.
Hoạt động với nhiều trợ lý mã hóa thông qua các kỹ năng có thể cài đặt, làm cho tự động hóa trở nên xác định và có thể lặp lại hơn.
Phát triển cục bộ không yêu cầu Google Cloud—khóa API AI Studio là đủ để tạo/chạy/đánh giá với Gemini.
Câu chuyện đánh giá và khả năng quan sát mạnh mẽ (chấm điểm dựa trên dấu vết, Cloud Trace, ghi nhật ký lời nhắc/phản hồi tùy chọn).
Nhược điểm
Triển khai đám mây và nhiều tính năng được quản lý yêu cầu thông tin xác thực Google Cloud, một dự án và có thể phát sinh chi phí tài nguyên.
Một số khả năng tuân theo các điều khoản Pre-GA/xem trước, ngụ ý các giới hạn hoặc thay đổi tiềm năng.
Được tối ưu hóa cho hệ sinh thái Google Cloud/ADK; các nhóm được tiêu chuẩn hóa ở nơi khác có thể phải đối mặt với chi phí áp dụng và tích hợp.
Cách Sử dụng agents-cli
1) Cài đặt các điều kiện tiên quyết: Đảm bảo bạn đã cài đặt Python 3.11+, uv (Astral) và Node.js trên máy của mình.
2) Cài đặt Agents CLI + các kỹ năng đi kèm (khuyên dùng): Chạy: `uvx google-agents-cli setup` để cài đặt CLI và đưa các kỹ năng Agents CLI đi kèm vào các tác nhân mã hóa được hỗ trợ trên máy của bạn.
3) (Tùy chọn) Chỉ cài đặt các kỹ năng: Nếu bạn chỉ muốn các kỹ năng và sẽ để tác nhân mã hóa của bạn chạy lệnh cho bạn, hãy chạy: `npx skills add google/agents-cli` (hoặc cài đặt từ URL kho lưu trữ).
4) Xác minh CLI có sẵn: Chạy: `uvx google-agents-cli --version` và/hoặc `uvx google-agents-cli --help` để xác nhận cài đặt.
5) Xác thực (Đám mây hoặc cục bộ): Chạy: `agents-cli login` để xác thực. Để phát triển cục bộ, bạn có thể sử dụng khóa API AI Studio; để triển khai và các tính năng đám mây, bạn cần xác thực Google Cloud. Kiểm tra trạng thái với: `agents-cli login --status`.
6) Tạo (khung) một dự án tác nhân mới: Chạy: `agents-cli scaffold <name>` để tạo một dự án tác nhân ADK mới. Đối với một nguyên mẫu sẵn sàng chạy, hãy sử dụng mẫu được ghi lại: `agents-cli create my-agent --prototype --yes` (nếu phiên bản của bạn hiển thị `create`).
7) Hiểu và cấu hình dự án: Xem lại các tệp dự án được tạo, bao gồm `agents-cli-manifest.yaml` (siêu dữ liệu/cấu hình dự án). Cập nhật các biến môi trường và/hoặc các trường kê khai cho mô hình, khu vực và dự án Google Cloud khi cần.
8) Triển khai logic và công cụ tác nhân: Chỉnh sửa `app/agent.py` để triển khai hành vi tác nhân của bạn. Thêm các công cụ ADK dưới dạng các hàm Python thuần túy; viết các docstring rõ ràng vì chúng trở thành mô tả công cụ mà LLM nhìn thấy.
9) Chạy cục bộ (kiểm tra lời nhắc nhanh): Sử dụng: `agents-cli run "<prompt>"` để gửi một lời nhắc duy nhất đến tác nhân của bạn và xem phản hồi.
10) Sử dụng sân chơi web (phát triển tương tác): Chạy: `agents-cli playground` để khởi chạy sân chơi web ADK (thường tại `localhost:8080`) với tải lại nóng để lặp lại nhanh chóng.
11) Cài đặt các phụ thuộc dự án (nếu cần): Chạy: `agents-cli install` để cài đặt các phụ thuộc dự án được định nghĩa bởi dự án Python được tạo khung.
12) Kiểm tra mã dự án: Chạy: `agents-cli lint` để thực hiện kiểm tra chất lượng mã (Ruff) và sửa lỗi trước khi đánh giá/triển khai.
13) Tạo các trường hợp đánh giá: Thêm các trường hợp đánh giá (mỗi trường hợp định nghĩa một tin nhắn người dùng) và cấu hình các chỉ số trong `eval_config.yaml`. Hệ thống đánh giá sẽ gửi mỗi tin nhắn đến tác nhân của bạn và chấm điểm phản hồi bằng cách sử dụng các chỉ số đã cấu hình.
14) Tạo dấu vết từ các trường hợp đánh giá: Chạy: `agents-cli eval generate` để chạy tác nhân của bạn trên tập dữ liệu đánh giá và tạo JSON dấu vết đã điền.
15) Chấm điểm các dấu vết theo các chỉ số: Chạy: `agents-cli eval grade --traces <PATH>` để chấm điểm các dấu vết được tạo theo một hoặc nhiều chỉ số và xuất kết quả đánh giá.
16) Lặp lại bằng cách sử dụng các công cụ phân tích đánh giá (tùy chọn nhưng được khuyến nghị): Sử dụng `agents-cli eval compare` để so sánh kết quả giữa các lần chạy, `agents-cli eval analyze` để nhóm các chế độ lỗi và `agents-cli eval metric list` để khám phá các chỉ số có sẵn. Lặp lại mã tác nhân/lời nhắc cho đến khi đạt được ngưỡng.
17) Tổng hợp các kịch bản đánh giá bổ sung (tùy chọn): Chạy: `agents-cli eval dataset synthesize` để tạo các kịch bản đa lượt cho tác nhân cục bộ của bạn. Ví dụ: `agents-cli eval dataset synthesize -n 10 --max-turns 8 --instruction "Scenarios where users change destination"`.
18) Nâng cao một dự án hiện có (triển khai/CI/CD/RAG): Nếu bạn bắt đầu với một nguyên mẫu hoặc có một dự án hiện có, hãy chạy: `agents-cli scaffold enhance` để thêm các mục tiêu triển khai (Cloud Run, Agent Runtime, GKE), CI/CD hoặc các thành phần RAG.
19) Triển khai lên Google Cloud: Chạy: `agents-cli deploy` để triển khai tác nhân của bạn. Nếu bạn cần xem lệnh `gcloud` cơ bản để tùy chỉnh nâng cao, hãy sử dụng tùy chọn chạy thử của CLI (được ghi lại là `--dry-run` / `-n` nếu có).
20) Cung cấp cơ sở hạ tầng quan sát (khuyên dùng cho sản xuất): Sau khi triển khai, hãy chạy: `agents-cli infra single-project --project <YOUR_PROJECT_ID>` để cung cấp tài nguyên đo từ xa (tài khoản dịch vụ, nhóm GCS, tập dữ liệu BigQuery) và cập nhật dịch vụ đã triển khai để sử dụng chúng. Sau đó kiểm tra dấu vết trong Google Cloud Trace Explorer.
21) Thiết lập CI/CD (tùy chọn): Chạy: `agents-cli infra cicd` để thiết lập một quy trình CI/CD cộng với cơ sở hạ tầng dàn dựng/sản xuất cho các triển khai lặp lại.
22) Xuất bản lên Gemini Enterprise (tùy chọn): Chạy: `agents-cli publish gemini-enterprise` để đăng ký/xuất bản tác nhân của bạn cho Gemini Enterprise (khi áp dụng).
23) Nâng cấp hoặc cập nhật kỹ năng theo thời gian: Sử dụng `agents-cli scaffold upgrade` để nâng cấp một dự án lên phiên bản agents-cli mới hơn và `agents-cli update` để buộc cài đặt lại/cập nhật kỹ năng cho tất cả các IDE/tác nhân mã hóa được phát hiện.
24) Sử dụng với một tác nhân mã hóa (quy trình làm việc ngôn ngữ tự nhiên): Mở tác nhân mã hóa của bạn (Antigravity CLI, Claude Code, Codex, v.v.) và nhắc nó với: "Sử dụng agents-cli để xây dựng …". Với các kỹ năng đã cài đặt, tác nhân mã hóa có thể tạo khung, triển khai, đánh giá và triển khai bằng cách gọi các lệnh `agents-cli` thay mặt bạn.
Câu hỏi Thường gặp về agents-cli
Agents CLI trong Nền tảng Agent (agents-cli) là một gói CLI và kỹ năng giúp xây dựng, đánh giá, triển khai, xuất bản và quan sát các tác nhân AI cấp doanh nghiệp trên Google Cloud bằng Bộ công cụ phát triển tác nhân (ADK) của Google. Nó có thể được sử dụng trực tiếp từ thiết bị đầu cuối và các kỹ năng của nó cũng có thể được cài đặt để các tác nhân mã hóa có thể sử dụng chúng.
Video agents-cli
Bài viết phổ biến
Atoms: Nền tảng AI đa tác nhân biến ý tưởng thành sản phẩm sẵn sàng ra mắt
May 22, 2026
Nano Banana SBTI: Nó là gì, Cách thức hoạt động và Cách sử dụng nó vào năm 2026
Apr 15, 2026
Đánh giá Atoms — Trình tạo sản phẩm AI định nghĩa lại việc tạo nội dung số vào năm 2026
Apr 10, 2026
Kilo Claw: Cách Triển Khai và Sử Dụng AI Agent "Làm-Thay-Bạn" Thực Sự (Cập Nhật 2026)
Apr 3, 2026
Công cụ AI Mới nhất Tương tự agents-cli
Gait
Gait là một công cụ hợp tác tích hợp việc tạo mã hỗ trợ AI với kiểm soát phiên bản, cho phép các nhóm theo dõi, hiểu và chia sẻ bối cảnh mã do AI tạo ra một cách hiệu quả.
invoices.dev
invoices.dev là một nền tảng lập hóa đơn tự động tạo hóa đơn trực tiếp từ các cam kết Git của các nhà phát triển, với khả năng tích hợp cho các dịch vụ GitHub, Slack, Linear và Google.
EasyRFP
EasyRFP là một bộ công cụ tính toán biên được hỗ trợ bởi AI giúp đơn giản hóa các phản hồi RFP (Yêu cầu đề xuất) và cho phép phân loại hình thái thực địa theo thời gian thực thông qua công nghệ học sâu.
Cart.ai
Cart.ai là một nền tảng dịch vụ dựa trên AI cung cấp các giải pháp tự động hóa doanh nghiệp toàn diện bao gồm lập trình, quản lý quan hệ khách hàng, chỉnh sửa video, thiết lập thương mại điện tử và phát triển AI tùy chỉnh với hỗ trợ 24/7.
Công cụ AI Phổ biến Giống agents-cli
GitHub Copilot Chat
GitHub Copilot Chat là một trợ lý lập trình được hỗ trợ bởi AI cung cấp các tương tác bằng ngôn ngữ tự nhiên, các gợi ý mã theo thời gian thực, và hỗ trợ theo ngữ cảnh trực tiếp trong các IDE được hỗ trợ và GitHub.com.
CopilotForXcode
CopilotForXcode là một Tiện ích mở rộng Trình chỉnh sửa mã nguồn Xcode tích hợp GitHub Copilot, Codeium và ChatGPT để cung cấp các gợi ý mã được hỗ trợ bởi AI, hỗ trợ trò chuyện và chức năng từ prompt đến mã trong Xcode.
BrowserAI
BrowserAI là một thư viện mã nguồn mở cho phép chạy các Mô hình Ngôn ngữ Lớn (LLM) cục bộ trực tiếp trong trình duyệt web với khả năng tăng tốc WebGPU, cung cấp các khả năng AI tập trung vào quyền riêng tư mà không cần cơ sở hạ tầng máy chủ.
OpenAI Codex CLI
OpenAI Codex CLI là một coding agent mã nguồn mở, nhẹ, chạy trong terminal của bạn, cho phép các nhà phát triển dịch ngôn ngữ tự nhiên thành thực thi mã trong khi cung cấp khả năng suy luận ở cấp độ ChatGPT với khả năng chạy mã, thao tác tệp và lặp lại dưới sự kiểm soát phiên bản.