# 每天一个开源项目#24 Google agents-cli：4.4K星的AI代理工厂，覆盖构建、评测、部署

dong_junshuai
5 阅读7分钟

每天一个开源项目#24 Google agents-cli：4.4K星的AI代理工厂，覆盖构建、评测、部署

数据来源：GitHub Trending 2026-07-01 · 排名 #1 · Stars 4,412 · Forks 469 · Open Issues 24 · 语言 Python · License Apache-2.0

📋 项目概览

项目说明
仓库google/agents-cli
一句话把任意 coding assistant 变成“会造、会测、会部署” AI Agent 的 Google Cloud 工具链
Stars4,412
Forks469
Open Issues24
主要语言Python（77.17%）
其他语言HCL 14.33%、Go 2.28%、Java 2.16%、Makefile 2.13%、TypeScript 1.11%
LicenseApache-2.0
创建时间2026-04-08
最近更新2026-06-28
最新版本v0.6.1
热榜位置GitHub Trending 第 1 名

🔥 为什么值得关注

agents-cli 不是一个普通的“AI 助手脚手架”，而是一套把 Agent 工程化落地的命令行操作系统：它把 项目脚手架、评测、部署、发布、可观测性 这些原本分散在云平台、CI/CD 和框架文档里的步骤，收束到一组可复用的 skills 与命令里。

这意味着它瞄准的不是“做一个 demo”，而是“把 agent 变成可上线、可迭代、可审计的产品”。对团队来说，真正的价值在于减少上下文切换：coding assistant 读懂技能后，就能直接按既定流程去创建项目、生成评测集、跑 trace、打分、部署到 Cloud Run/GKE，并接入 Trace/Logging 做观测。

从趋势上看，它的增长也很扎实：仓库创建于 2026-04-08，至今不到 3 个月就积累 4.4K 星，平均每天约 53 星，且 6 月中下旬仍保持高频发布。这说明它既有话题热度，也有持续迭代能力，不像很多“AI wrapper”那样只靠概念冲榜。

🏗️ 核心特性

  1. 把“会写代码的 Agent”升级为“会交付的 Agent”

    • setup 会把 skills 注入到 coding assistant，让模型直接掌握开发生命周期、模型选择、代码保留规则、部署与观测策略。
    • 这是一种“外置流程知识”的设计：不是每个项目都重新提示一遍，而是把最佳实践固化为可复用技能包。

  2. 覆盖从脚手架到上线的完整闭环

uvx google-agents-cli setup
agents-cli scaffold my-agent
agents-cli eval generate
agents-cli eval grade
agents-cli deploy
agents-cli publish gemini-enterprise
  • 这套命令链条的意义是：先搭项目，再跑评测，最后部署和发布，形成可持续工程闭环。

  1. 评测不是附属品，而是核心能力

    • eval generate / grade / compare / analyze / optimize 说明它把 agent 评测当成一等公民。
    • 这对企业级 agent 很关键：没有 trace 和 metric，agent 很容易“看起来聪明，实际上不可控”。

  2. 基础设施抽象得很完整

能力具体覆盖
脚手架create / enhance / upgrade
评测数据集合成、评分、对比、失败模式聚类、指标列表、自动优化
部署Agent Runtime、Cloud Run、GKE、CI/CD、Secrets
发布Gemini Enterprise 注册
可观测性Cloud Trace、日志、第三方集成
  1. 跨 coding assistant 兼容
    • README 明确支持 Antigravity CLI、Claude Code、Codex，以及其他 coding agent。
    • 这意味着它并不绑死某一个模型或 IDE，而是通过 skills 层把“云端 Agent 工程”标准化。

🔬 技术架构深度解析

agents-cli 的核心不是单一程序，而是“CLI + Skills + 云资源编排 + 评测流水线”的组合。

开发者 / Coding Assistant
        │
        ├─ npx skills add google/agents-cli
        │   └─ 注入领域技能：workflow / adk-code / scaffold / eval / deploy / observability
        │
        ├─ uvx google-agents-cli setup
        │   └─ 安装 CLI、初始化依赖、写入项目配置
        │
        ├─ agents-cli scaffold / run / eval / optimize
        │   ├─ 生成 agent 项目骨架
        │   ├─ 产出 traces
        │   ├─ 自动打分与失败模式分析
        │   └─ 生成可部署产物
        │
        └─ agents-cli deploy / publish
            ├─ Cloud Run / GKE / Agent Runtime
            ├─ Gemini Enterprise 注册
            └─ Cloud Trace / Logging / Secrets

1）Skill 化的工程知识

它把工程经验拆成 7 个 skills：workflow、ADK 代码、scaffold、eval、deploy、publish、observability。这个设计比“单纯给模型一个长 prompt”稳定得多，因为技能可以按场景注入，且便于版本化维护。

2）评测驱动开发（EED：Eval-Enabled Development）

eval generate → eval grade → eval compare/analyze → eval optimize，这条链路非常重要。它意味着 agent 的迭代不只看“能不能跑”，而是看：

  • 在什么样的案例上失败
  • 是工具调用错误，还是规划错误
  • 是否需要优化 prompt、数据集或代码结构

3）云资源与本地开发的桥接

infra single-project、infra cicd、infra datastore 说明它并不只管本地开发体验，而是直接参与云资源落地。对企业用户来说，这比“一个 demo CLI”更接近真实生产。

📖 README 核心内容摘要

README 传达的主线很清晰：

  • 目标：把你的 coding assistant 变成 Google Cloud 上的 AI Agent 构建器。
  • 安装方式：uvx google-agents-cli setup
  • 替代安装：npx skills add google/agents-cli
  • 适用助手：Antigravity CLI、Claude Code、Codex
  • 核心能力：
    • 创建 agent 项目
    • 生成评测数据和 trace
    • 对结果评分与分析
    • 部署到 Google Cloud
    • 发布到 Gemini Enterprise

README 的设计哲学也很明显：把复杂流程包装成可执行命令，把知识包装成可注入 skills，把交付链路包装成标准化工作流。

🚀 快速上手

1. 安装前置

# 需要 Python 3.11+、uv、Node.js

2. 安装 CLI

uvx google-agents-cli setup

3. 或只安装 skills

npx skills add google/agents-cli

4. 创建并迭代你的第一个 Agent

agents-cli scaffold my-agent
agents-cli eval generate
agents-cli eval grade
agents-cli deploy

5. 适合的起步方式

  • 先用 scaffold 搭骨架
  • 再用 eval 找出失败点
  • 最后进入 deploy/publish

📊 增长速度与社区热度

增长速度评估

指标数值
创建至今约 83.3 天
总 Stars4,412
平均日增 Stars约 53.0
Forks / Stars10.6%
Open Issues / Stars0.54%
最近发布v0.6.1（2026-06-28）

解读：

  • 53 星/天的均速，对一个 3 个月内的新仓库来说非常可观，说明它不是短期营销冲高，而是持续吸引开发者。
  • 近两周内连续发版，从 v0.4.0 到 v0.6.1，表明项目仍在快速打磨；这类节奏通常意味着社区反馈已经被纳入产品迭代。
  • Fork 比例超过 10%，说明有不少人不仅围观，还在尝试本地改造或集成。

社区热度数据

维度观察
热榜GitHub Trending 第 1 名
活跃度最新 push 距离截图仅数天，保持高频维护
贡献者至少可见 3 位贡献者，其中首位贡献者提交 21 次
版本节奏5 个公开 release，最近 18 天内连续迭代
生态定位面向 Google Cloud 的企业级 agent 工程栈

今日 Trending 榜单（脚本抓取前 19 名）

排名仓库
1hasaneyldrm/exercises-dataset
2usestrix/strix
3msitarzewski/agency-agents
4altic-dev/FluidVoice
5diegosouzapw/OmniRoute
6browser-use/video-use
7xbtlin/ai-berkshire
8Mebus/cupp
9ripienaar/free-for-dev
10google/agents-cli
11roboflow/supervision
12ogulcancelik/herdr
13simplex-chat/simplex-chat
14CoreBunch/Instatic
15microsoft/AI-For-Beginners
16facebook/astryx
17HKUDS/Vibe-Trading
18obra/superpowers
19Robbyant/lingbot-map

🎯 适用场景

场景适合度原因
企业级 AI Agent 研发很高有脚手架、评测、部署、观测完整链路
Google Cloud 原生团队很高直接覆盖 Cloud Run/GKE/Trace/Enterprise 注册
Coding assistant 工作流标准化高skills 机制适合把流程固化
教学 / demo中适合展示工程化，不是最轻量的入门玩具
纯本地离线 agent低重点在云端和平台化能力

💡 总结

google/agents-cli 的亮点不是“又一个 AI 工具箱”，而是它试图把 Agent 研发真正变成工程：有流程、有评测、有部署、有观测、有发布。对想把 agent 从 prompt playground 推进到生产环境的团队来说，它的价值非常明确。

如果说很多 trending 项目赢在“概念新”，那 agents-cli 赢在“把概念做成了可交付体系”。它值得关注的原因，不只是热度高，而是它切中了当前 AI Agent 最大的痛点：如何稳定地造出、测出、并上线一个能持续迭代的 agent。

avatar
文章
阅读
粉丝