¿Qué es exactamente agents-cli?

Una CLI en Python más un paquete de siete skills que enseñan a un agente de código las convenciones del Agent Development Kit de Google. No es un agente nuevo: es la capa de conocimiento y comandos que usa el agente que ya tienes.

Con uvx google-agents-cli setup, que instala la CLI y registra las skills en los agentes de código detectados. Si solo quieres las skills, npx skills add google/agents-cli. Requiere Python 3.11 o superior, uv y Node.js.

¿Con qué agentes funciona?

El repositorio menciona Antigravity CLI, Claude Code y Codex, y añade que funciona con cualquier otro agente de código.

La CLI y las skills son open source bajo licencia Apache-2.0. El despliegue no: Agent Runtime, Cloud Run, GKE y Gemini Enterprise son servicios de pago de Google Cloud.

Agents CLI: Google enseña ADK a tu agente de código

Google ha publicado agents-cli, una herramienta que no añade un agente más al mercado sino que entrena al que ya usas. La descripción del repositorio lo resume: la CLI y las skills que convierten a cualquier asistente de código en experto en crear, evaluar y desplegar agentes en Google Cloud.

Qué es

El problema que ataca es de fragmentación. Montar un agente sobre el Agent Development Kit de Google implica pasar por scaffolding, código con la API de ADK, evaluación, despliegue en alguno de tres destinos distintos, registro en Gemini Enterprise y observabilidad — cada pieza con su servicio y su documentación.

agents-cli empaqueta ese ciclo en dos cosas: comandos de CLI y skills que se instalan en el agente de código. El agente deja de improvisar convenciones y trabaja con las del ADK.

Las siete skills

Skill	Qué aprende el agente
`google-agents-cli-workflow`	Ciclo de desarrollo, reglas de preservación de código, elección de modelo
`google-agents-cli-adk-code`	API de ADK en Python: agentes, herramientas, orquestación, callbacks, estado
`google-agents-cli-scaffold`	Andamiaje de proyecto: `create`, `enhance`, `upgrade`
`google-agents-cli-eval`	Metodología de evaluación: métricas, datasets, LLM como juez, rúbricas adaptativas
`google-agents-cli-deploy`	Despliegue en Agent Runtime, Cloud Run o GKE, CI/CD y secretos
`google-agents-cli-publish`	Registro en Gemini Enterprise
`google-agents-cli-observability`	Cloud Trace, logging e integraciones de terceros

La de evaluación es la que más se echa en falta en los proyectos caseros: define datasets, métricas y LLM como juez, que es justo el terreno donde comparar agentes de forma reproducible sigue siendo difícil.

Instalación y comandos

uvx google-agents-cli setup          # CLI + skills en tus agentes
npx skills add google/agents-cli     # solo las skills

Los comandos principales cubren el ciclo completo:

agents-cli scaffold <nombre>              # crear proyecto
agents-cli run "prompt"                   # ejecutar con un prompt
agents-cli eval generate                  # ejecutar sobre el dataset y generar trazas
agents-cli eval grade                     # evaluar las trazas
agents-cli deploy                         # desplegar en Google Cloud
agents-cli publish gemini-enterprise      # registrar en Gemini Enterprise

Hay además login, install y lint (con Ruff). Si estás empezando y buscas algo menos atado a una nube concreta, la ruta previa sigue siendo montar un agente con herramientas gratuitas.

Detalles técnicos

Licencia: Apache-2.0
Lenguaje: Python
Requisitos: Python 3.11+, uv y Node.js
Paquete: google-agents-cli en PyPI, versión 1.2.1
Agentes compatibles: Antigravity CLI, Claude Code, Codex y otros
Destinos de despliegue: Agent Runtime, Cloud Run, GKE
Actividad: 5.472 estrellas y último push el 23 de julio de 2026, según GitHub

Para quién es relevante

Para equipos que ya están dentro de Google Cloud y quieren llevar un agente de prototipo a producción sin aprenderse cada servicio. El valor está en el tramo aburrido —evaluación, despliegue, trazas—, no en escribir el agente.

Conviene entender la frontera: la herramienta es open source y gratuita, pero todo lo que despliega corre en servicios de pago de Google Cloud. Y las skills codifican convenciones de ADK, así que atan el proyecto a ese stack; si buscas portabilidad entre nubes, esto va en dirección contraria.

Enlaces

Repositorio: google/agents-cli
Documentación · Paquete en PyPI