Agents CLI：Google 把你的编辑器变成 ADK 专家

TL;DR Agents CLI（由 Addy Osmani 在 Google Cloud Next 发布）会在你的编码助手 —— Claude Code、Codex、Antigravity —— 中安装 7 个 skill，覆盖 ADK 智能体的全生命周期：脚手架、工作流设计、Agent Runtime 部署、Sandbox、MCP/A2A 接线、评估，以及在 Gemini Enterprise 中的上架。这是目前从 "我想在云端试试智能体" 到 "我上线了一个真正的智能体" 最短的路径。

2026 年构建智能体的难点不在于写 SDK 代码，而在于知道 Agent Platform 里 40 多个组件哪一个该用、按什么顺序、用什么配置。通用编码助手靠猜。Agents CLI 教它做出资深 Agent Platform 工程师会做的判断。

该公告来自 Addy Osmani（Google Cloud AI 总监），在 Google Cloud Next 上发布 —— 是 4 月 22 日 Agent Platform 发布的延续。

Agents CLI 安装的 7 个 skill

一次安装，就能在编辑器里注入一套一致的 skill 包。它们覆盖从脚手架到上架的全流程 —— 全部与官方 ADK + Gemini Enterprise 架构对齐。

1 · 启动

🏗️ 项目脚手架

正确的初始布局 —— 目录结构、pyproject.toml、ADK 配置、兼容的版本锁定。

2 · 架构

🧩 ADK 工作流设计

在顺序、协作（多智能体）或动态图之间选择 —— 并给出每种何时合适的理由。

3 · 执行

🚀 Agent Runtime 部署

有效的 Runtime 配置：亚秒级冷启动、扩缩容、从第一天就开启可观测性。

4 · 安全

🛡️ Agent Sandbox 集成

默认最小权限；作用域受限的 token、生成代码的隔离执行。

5 · 连接

🔌 工具接线

正确集成 MCP、A2A 与原生连接器 —— 不再贴教程 YAML。

6 · 质量

📊 离线与在线评估

预先注入的评估数据集 + 生产指标埋点，避免静默退化。

7 · 交付

✨ 在 Gemini Enterprise 上架

把智能体发布到 Gemini Enterprise 应用 —— 终端用户已经在那里，无需自建前端。

Agents CLI 前后对比

MCP 文档、ADK 文档、gcloud 文档、Runtime 文档 —— 今天分散在四个地方。Agents CLI 在关键时刻把它们合并起来：开发者请求编辑器生成代码的那一刻。

决策	之前（通用编辑器）	之后（Agents CLI）
用哪种 ADK 图类型？	靠试错挑选；编辑器什么都接受	Skill 推荐顺序 / 协作 / 动态并给出理由
如何限定 Sandbox 权限？	复制教程，通常过于宽泛	默认最小权限，token 按用例作用域化
生产前如何评估？	跳过这一步或临时人工测试	预置数据集 + 离线与在线评估套件
发布给终端用户的入口？	自建 Streamlit 或类似前端	原生上架到 Gemini Enterprise 应用
MCP、A2A 与连接器	浏览器开四个标签页看四份文档	一个 skill 指导何时使用哪种协议

具体流程："scaffold a customer-support agent"

Addy 给出一个真实提示词来描述使用循环。编辑器里挂载 Claude Code 或 Antigravity，你输入：

"Scaffold a customer-support agent，调用我们的 order-status MCP 服务器并记录到 Observability。"

Skill 顺序触发 —— 你审阅后提交：

正确的项目布局

标准 ADK 结构、锁定版本的依赖、文档化的环境变量。

良构的 ADK 图

在顺序、协作或动态之间显式选择 —— 并在 README 中留下一段理由。

有效的部署配置

Agent Runtime 冷启动、扩缩容、Observability 从一开始就配好。

最小权限 Sandbox

智能体只看到 order-status MCP；不给"以防万一"的额外权限。

预置评估数据集

仓库里已放好典型客服案例 —— 你从零起步就有可测量的基线。

设计的亮点

三个架构选择让它从"又一个脚手架"变成"团队愿意采用的工具"：

不绑定编码助手。Claude Code、Codex、Antigravity 都能用 —— 编辑器的选择权在你手里。不增加额外锁定。
Discovery-first。Skill 会说明为什么做出这个决策，而不仅仅是做了什么。助手边构建边教学 —— 你的团队在工作流里就能提升 Agent Platform 能力。
降低文档分散的摩擦。知识在正确的时刻送达编辑器内，而不是散落在四个并行的标签页里。

目标是让你的编码助手边构建边教学 —— 让团队里的人类成员也在 Agent Platform 上变得更强。

采用前的诚实提醒

⚠️ 公告评论区暴露的问题关于 Agents CLI 的公开讨论提出了四个合理问题，任何脚手架都无法独自解决：token 消耗（丰富的 skill 会在每次调用里放大上下文）、变体之间的漂移（不同团队生成的智能体会有不同约定）、边界用例的 debug（当决策来自 skill，根因更难定位）、以及架构问责（当智能体帮你选了图结构，出了问题由谁负责？）。

这些并不否定这款工具 —— 但给出了正确的契约：Agents CLI 是决策加速器，而不是替代架构评审。在 Autenticare 的项目里我们保持一条规则：skill 建议，人类批准，Git 记录。

从哪里开始

在你喜欢的编辑器（Claude Code、Codex 或 Antigravity）里安装 Agents CLI。
为一个小智能体搭脚手架 —— 低风险的内部用例，首次迭代最好只读。
提交前先读 skill 写在 README 里的理由。那才是它教你的地方。
在向任何生产系统写入之前开启 Observability。
在预置数据集旁加入你自己的评估数据集 —— 衡量你的用例，不是通用的。

Autenticare 诊断

想在 30 天内把第一个 ADK 智能体送上生产？

我们挑选用例，用你团队的编辑器应用 Agents CLI，定义治理（Sandbox、评估、Observability），并在 Gemini Enterprise 上完成上线。零样板代码，最大知识转移。

预约诊断计算 ROI