agents-cli

中心となる考えは、agents-cliがコーディングアシスタントにスキル群を渡し、それぞれが作業の一部を担うというものだ。ワークフローとモデル選択のスキル、ADKのPython APIのスキル、雛形作成のスキル、そして評価、デプロイ、公開、可観測性にそれぞれ別のスキルがある。タスクを頼むと、アシスタントは適切なスキルを読み込むので、Google Cloudの細部を当て推量しなくなる。サービスのドキュメントをコピペする必要ももうない。

agents-cli create コマンドは、動くコード、テスト、すぐ使える評価セットを備えた新しいエージェントプロジェクトを組み立てる。すでにプロジェクトがあるなら、scaffold のサブコマンドでデプロイやCI/CDを加えたり、より新しいバージョンのツールに引き上げたりできる。このアップグレード経路は、CLIが変わったときに効いてくる。ゼロから作り直す必要はない。

評価コマンドは作業を明確なステップに分ける。eval generate は評価ケースでエージェントを走らせる。eval grade は指標に対してトレースを採点する。そして eval run は両方を一度に行う。このAIエージェント評価は、マルチターンのデータセット、LLMを審査役にする採点、適応型ルーブリックに対応する。趣味のエージェント構築の多くがわざわざやらないところまで踏み込んでいる。

エージェントの準備ができたら、GoogleのAgent Runtime、Cloud Run、GKEにデプロイできる。デプロイのスキルはCI/CDパイプラインとシークレットも扱うので、ローカルビルドから稼働するサービスまでの道のりは、自分に丸投げではなく導かれる。Google Cloudのプロジェクト設定と認証情報はそのまま引き継がれる。

専用の公開スキルが、エージェントをGemini Enterpriseに登録する。これはGoogleが企業向けエージェントのために用意した基盤だ。このステップが、動く試作を組織が実際にユーザーへ展開できるものに変える。飛ばせば、エージェントはローカルにとどまる。

可観測性のスキルは、エージェントをCloud Traceとログ記録につなぎ、サードパーティの連携も扱う。稼働し始めれば、手探りではなく、本番でのエージェントの振る舞いが見える。

agents-cliは新しいエディタを強制しない。Antigravity CLI、Claude Code、Codex、そしてほかのどのコーディングエージェントでも動くので、慣れたワークフローを保ったまま、CLIがGoogle Cloudの隙間を埋める。