Agents CLI: o Google transforma seu editor em especialista ADK
Anunciado no Google Cloud Next, o Agents CLI é uma ferramenta + pacote de skills sobre o ADK que ensina seu assistente de codificação a tomar decisões de engenheiro experiente em Agent Platform. Agnóstico — funciona com Claude Code, Codex, Antigravity.
Fabiano Brito
CEO & Founder
A parte difícil de construir um agente em 2026 não é escrever código de SDK — é saber qual dos 40+ componentes da Agent Platform usar, em que ordem, com qual configuração. Um assistente de codificação genérico adivinha. O Agents CLI ensina ele a tomar as decisões que um engenheiro experiente de Agent Platform tomaria.
O anúncio é de Addy Osmani (Director, Google Cloud AI) no Google Cloud Next — complementando o lançamento do Agent Platform em 22 de abril.
As 7 skills que o Agents CLI instala
Uma instalação única injeta um pacote coeso de skills no seu editor. Elas cobrem o agente do scaffold ao surfacing — todas alinhadas à arquitetura oficial ADK + Gemini Enterprise.
🏗️ Scaffolding de projeto
Layout inicial correto — estrutura de pastas, pyproject.toml, config ADK, pinos de versão compatíveis.
🧩 Design de workflow ADK
Escolha entre grafo sequencial, colaborativo (multi-agente) ou dinâmico — com justificativa de quando cada um cabe.
🚀 Deploy no Agent Runtime
Configuração válida de Runtime com cold start sub-segundo, escalonamento e observabilidade já no dia 1.
🛡️ Integração com Agent Sandbox
Permissões least-privilege por padrão; tokens escopados, execução isolada de código gerado.
🔌 Wiring de ferramentas
Integração correta de MCP, A2A e conectores nativos — sem colar YAML de tutorial.
📊 Avaliação offline e online
Dataset de avaliação pré-semeado + instrumentação de métricas em produção para evitar regressão silenciosa.
✨ Surfacing no Gemini Enterprise
Publica o agente no app Gemini Enterprise — onde o usuário final chega, sem front-end custom.
Antes vs. depois do Agents CLI
Docs de MCP, docs de ADK, docs de gcloud, docs de Runtime — hoje vivem em quatro lugares. O Agents CLI colapsa isso no momento certo da decisão: quando o desenvolvedor está pedindo ao editor para gerar código.
| Decisão | Antes (editor genérico) | Depois (Agents CLI) |
|---|---|---|
| Qual tipo de grafo ADK usar? | Você escolhe por tentativa; o editor aceita qualquer opção | Skill sugere sequencial / colaborativo / dinâmico com justificativa |
| Como escopar permissões do Sandbox? | Copia tutorial, geralmente amplo demais | Least-privilege por padrão, tokens escopados ao caso de uso |
| Como avaliar o agente antes de produção? | Pula a etapa ou improvisa testes manuais | Dataset pré-semeado + suite de avaliação offline e online |
| Onde publicar para o usuário final? | Front-end custom em Streamlit ou equivalente | Surfacing nativo no app Gemini Enterprise |
| MCP, A2A e conectores | Quatro docs abertas em quatro abas do navegador | Uma skill guia quando usar cada protocolo |
O fluxo concreto: "scaffold a customer-support agent"
Addy descreve o loop de uso em um prompt real. O editor com Claude Code ou Antigravity conectado, você digita:
"Scaffold a customer-support agent que chama nosso servidor MCP de order-status e registra em Observability."
As skills disparam em sequência — você revisa e faz commit:
Estrutura ADK padrão, dependências pinadas, variáveis de ambiente documentadas.
Decisão explícita entre sequencial, colaborativo ou dinâmico — com um parágrafo de justificativa no README.
Agent Runtime configurado com cold start, escalonamento, Observability já plugada.
O agente só vê o MCP de order-status; nenhuma permissão adicional é dada "por garantia".
Casos canônicos de customer support já no repositório — você sai do zero com baseline medível.
O que o design acerta
Três escolhas arquiteturais que fazem a diferença entre "mais um scaffolder" e ferramenta que as equipes vão querer adotar:
- Agnóstico de assistente de codificação. Funciona com Claude Code, Codex, Antigravity — a escolha do editor permanece sua. Nenhum lock-in adicional.
- Discovery-first. As skills explicam por que uma decisão foi tomada, não apenas o que. O assistente ensina enquanto constrói — seu time aprende Agent Platform no fluxo de trabalho.
- Reduz fricção de docs fragmentadas. O conhecimento vem no momento certo, dentro do editor, não em quatro abas paralelas.
O objetivo é que seu assistente de codificação ensine enquanto constrói — para que os humanos do time também melhorem em Agent Platform.
Cuidados honestos antes de adotar
Nada disso invalida a ferramenta — mas define o contrato correto: o Agents CLI é um acelerador de decisões, não um substituto de revisão de arquitetura. Em projetos Autenticare adotamos a regra: a skill sugere, o humano aprova, o Git registra.
Por onde começar
- Instale o Agents CLI no seu editor favorito (Claude Code, Codex ou Antigravity).
- Scaffold um agente pequeno — um caso interno de baixo risco, idealmente leitura-apenas na primeira iteração.
- Leia a justificativa que a skill escreveu no README antes de fazer commit. Essa é a parte que ensina.
- Habilite Observability antes de qualquer escrita em sistema de produção.
- Adicione seu próprio dataset de avaliação ao lado do pré-semeado — para medir seu caso, não o genérico.
Quer um primeiro agente ADK em produção em 30 dias?
Selecionamos o caso de uso, aplicamos o Agents CLI com o editor da sua equipe, definimos governança (Sandbox, avaliação, Observability) e fazemos o go-live em Gemini Enterprise. Zero boilerplate, máxima transferência de conhecimento.