Agents CLI: Google convierte tu editor en especialista ADK
Anunciado en Google Cloud Next, Agents CLI es una herramienta + paquete de skills sobre ADK que enseña a tu asistente de codificación las decisiones de un ingeniero experimentado en Agent Platform. Agnóstico — funciona con Claude Code, Codex, Antigravity.
Fabiano Brito
CEO & Founder
La parte difícil de construir un agente en 2026 no es escribir código de SDK — es saber cuál de los 40+ componentes de Agent Platform usar, en qué orden, con qué configuración. Un asistente de codificación genérico adivina. Agents CLI le enseña a tomar las decisiones que tomaría un ingeniero experimentado de Agent Platform.
El anuncio es de Addy Osmani (Director, Google Cloud AI) en Google Cloud Next — complementando el lanzamiento de Agent Platform el 22 de abril.
Las 7 skills que instala Agents CLI
Una única instalación inyecta un paquete coherente de skills en tu editor. Cubren al agente desde el scaffold hasta el surfacing — todas alineadas con la arquitectura oficial ADK + Gemini Enterprise.
🏗️ Scaffolding de proyecto
Layout inicial correcto — estructura de carpetas, pyproject.toml, config ADK, pines de versión compatibles.
🧩 Diseño de workflow ADK
Elige entre grafo secuencial, colaborativo (multi-agente) o dinámico — con justificación de cuándo usar cada uno.
🚀 Deploy en Agent Runtime
Configuración válida de Runtime con cold start sub-segundo, escalado y observabilidad desde el día 1.
🛡️ Integración con Agent Sandbox
Permisos least-privilege por defecto; tokens acotados, ejecución aislada de código generado.
🔌 Wiring de herramientas
Integración correcta de MCP, A2A y conectores nativos — sin pegar YAML de tutorial.
📊 Evaluación offline y online
Dataset de evaluación pre-sembrado + instrumentación de métricas en producción para evitar regresión silenciosa.
✨ Surfacing en Gemini Enterprise
Publica el agente en la app Gemini Enterprise — donde ya está el usuario final, sin front-end custom.
Antes vs. después de Agents CLI
Docs de MCP, docs de ADK, docs de gcloud, docs de Runtime — hoy viven en cuatro lugares. Agents CLI colapsa eso en el momento que importa: cuando el desarrollador le pide al editor que genere código.
| Decisión | Antes (editor genérico) | Después (Agents CLI) |
|---|---|---|
| ¿Qué tipo de grafo ADK usar? | Eliges por prueba; el editor acepta cualquier opción | La skill sugiere secuencial / colaborativo / dinámico con justificación |
| ¿Cómo acotar los permisos del Sandbox? | Copias el tutorial, normalmente demasiado amplio | Least-privilege por defecto, tokens acotados al caso de uso |
| ¿Cómo evaluar antes de producción? | Saltas el paso o improvisas tests manuales | Dataset pre-sembrado + suite de evaluación offline y online |
| ¿Dónde publicar para el usuario final? | Front-end custom en Streamlit o equivalente | Surfacing nativo en la app Gemini Enterprise |
| MCP, A2A y conectores | Cuatro docs abiertas en cuatro pestañas del navegador | Una skill guía cuándo usar cada protocolo |
El flujo concreto: "scaffold a customer-support agent"
Addy describe el loop de uso con un prompt real. El editor con Claude Code o Antigravity conectado, escribes:
"Scaffold a customer-support agent que llame a nuestro servidor MCP de order-status y registre en Observability."
Las skills se disparan en secuencia — tú revisas y haces commit:
Estructura ADK estándar, dependencias pineadas, variables de entorno documentadas.
Elección explícita entre secuencial, colaborativo o dinámico — con un párrafo de justificación en el README.
Agent Runtime configurado con cold start, escalado, Observability enchufada desde el inicio.
El agente sólo ve el MCP de order-status; ningún permiso extra "por si acaso".
Casos canónicos de customer support ya en el repo — sales de cero con baseline medible.
Lo que el diseño acierta
Tres decisiones arquitecturales que separan "otro scaffolder más" de una herramienta que los equipos van a querer adoptar:
- Agnóstico de asistente de codificación. Funciona con Claude Code, Codex, Antigravity — la elección del editor sigue siendo tuya. Sin lock-in adicional.
- Discovery-first. Las skills explican por qué se tomó una decisión, no sólo qué. El asistente enseña mientras construye — tu equipo mejora en Agent Platform sobre la marcha.
- Reduce la fricción de docs fragmentadas. El conocimiento llega en el momento correcto, dentro del editor, no en cuatro pestañas paralelas.
El objetivo es que tu asistente de codificación enseñe mientras construye — para que los humanos del equipo también mejoren en Agent Platform.
Cuidados honestos antes de adoptar
Nada de esto invalida la herramienta — pero define el contrato correcto: Agents CLI es un acelerador de decisiones, no un reemplazo de la revisión arquitectural. En proyectos Autenticare mantenemos la regla: la skill sugiere, el humano aprueba, Git registra.
Por dónde empezar
- Instala Agents CLI en tu editor favorito (Claude Code, Codex o Antigravity).
- Haz scaffold de un agente pequeño — un caso interno de bajo riesgo, idealmente sólo lectura en la primera iteración.
- Lee la justificación que la skill escribió en el README antes de hacer commit. Esa es la parte que enseña.
- Habilita Observability antes de cualquier escritura a un sistema productivo.
- Añade tu propio dataset de evaluación junto al pre-sembrado — para medir tu caso, no el genérico.
¿Quieres tu primer agente ADK en producción en 30 días?
Seleccionamos el caso de uso, aplicamos Agents CLI con el editor de tu equipo, definimos governance (Sandbox, evaluación, Observability) y hacemos el go-live en Gemini Enterprise. Cero boilerplate, máxima transferencia de conocimiento.