不用 GCP 也能玩 AI Agentagents-cli 本地开发模式完整指南【免费下载链接】agents-cliThe CLI and skills that turn any coding assistant into an expert at creating, evaluating, and deploying AI agents on Google Cloud.项目地址: https://gitcode.com/GitHub_Trending/ag/agents-cli很多人以为开发 AI Agent 必须先开通 Google CloudGCP项目其实agents-cli 的本地开发模式让你只需要一个 AI Studio 的 API Key就能在自己电脑上完成 Agent 的搭建、运行与评估全程零云依赖。本文带你走通 agents-cli 本地开发的完整流程环境准备、创建第一个 Agent 项目、本地调试与评估以及未来上云时的衔接方式。为什么 agents-cli 可以不依赖 GCP 开发 AI Agent官方文档把认证分为三个层次见 authentication.md层次用途需要 GCP 项目编码助手认证Claude Code、Codex 等各自的登录❌模型认证API Key本地 dev / run / eval 调用 Gemini❌部署认证ADCdeploy、infra等云端操作✅本地开发只依赖第二层次从 AI Studio 创建一个 Gemini API Key文档明确标注 No Google Cloud project required无需 Google Cloud 项目。更妙的是cmd_run.py 背后的 本地服务器管理器 会以USE_IN_MEMORY_SESSIONtrue启动只绑定127.0.0.1的后台服务——用内存会话替代云端会话服务这就是本地即闭环的关键设计。环境准备agents-cli 本地开发 3 步搭建前提条件支持 macOS、Linux、Windows WSL 2工具说明Python 3.11运行环境与依赖管理uv包管理器推荐Node.js仅用于安装 skills1️⃣安装 agents-cliuvx google-agents-cli setup2️⃣配置 API Key到 AI Studio 创建 Key 后写入项目.env或导出环境变量export GEMINI_API_KEYyour-key-here3️⃣验证状态agents-cli login --status会显示当前生效的认证方式。3 条命令创建并跑通第一个 Agent 项目在终端依次执行详见 getting-started.mdagents-cli create my-agent --prototype --yes # 原型模式跳过基础设施决策 cd my-agent agents-cli install # 安装依赖 agents-cli playground # 启动本地 Web 调试台playground命令会在http://127.0.0.1:8080/dev-ui/启动 ADK Web Playground并支持热重载——修改代码立即生效实现见 cmd_playground.py。不喜欢 Web 界面一条命令做终端冒烟测试agents-cli run 用一句话介绍旧金山的天气该命令会自动在 18080 端口寻找可用端口、拉起并复用后台本地服务器闲置 30 分钟自动退出无需手动管理进程。本地评估不花一分钱云资源验证 Agent 质量agents-cli eval run评估自定义指标CodeExecutionMetric默认就在CLI 进程本地执行文档明确说明无需 GCP 项目或区域agents-cli eval dataset synthesize还能检查本地 Agent 并自动合成多轮对话评测场景冷启动评测无需手写用例官方建议经历5-10 轮以上的评估-修复循环Agent 才能稳定通过见 development.md。认识本地项目结构create生成的项目开箱即跑核心文件一目了然路径作用app/agent.pyAgent 定义指令、模型、工具app/fast_api_app.pyFastAPI 服务与 A2A 路由tests/eval/datasets/默认评测数据集.envAPI Key 等本地环境变量完整解读见 project-structure.md。何时才需要接入 GCP本地模式覆盖构建 → 运行 → 评估全链路只有部署与观测才需要 GCP 项目agents-cli scaffold enhance --deployment-target cloud_run # 给原型项目补部署支持 agents-cli deploy # 一键部署到 Agent Runtime / Cloud Run / GKE此时用agents-cli login -i完成 OAuth 认证即可。整体技术栈如下总结✅零云依赖起步一个 Gemini API Key 即可本地开发 AI Agent✅一条命令搭环境uvx google-agents-cli setup装好 CLI 与全部技能✅本地闭环开发playground 热重载 run冒烟测试 eval结构化评估✅平滑上云原型满意后再scaffold enhancedeploy本地代码无缝衔接生产从 开发指南 的 6 个阶段可以看出agents-cli 把本地优先做成了产品哲学——先把 Agent 打磨好再考虑部署这才是 AI Agent 本地开发的正确姿势。【免费下载链接】agents-cliThe CLI and skills that turn any coding assistant into an expert at creating, evaluating, and deploying AI agents on Google Cloud.项目地址: https://gitcode.com/GitHub_Trending/ag/agents-cli创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
不用 GCP 也能玩 AI Agentagents-cli 本地开发模式完整指南【免费下载链接】agents-cliThe CLI and skills that turn any coding assistant into an expert at creating, evaluating, and deploying AI agents on Google Cloud.项目地址: https://gitcode.com/GitHub_Trending/ag/agents-cli很多人以为开发 AI Agent 必须先开通 Google CloudGCP项目其实agents-cli 的本地开发模式让你只需要一个 AI Studio 的 API Key就能在自己电脑上完成 Agent 的搭建、运行与评估全程零云依赖。本文带你走通 agents-cli 本地开发的完整流程环境准备、创建第一个 Agent 项目、本地调试与评估以及未来上云时的衔接方式。为什么 agents-cli 可以不依赖 GCP 开发 AI Agent官方文档把认证分为三个层次见 authentication.md层次用途需要 GCP 项目编码助手认证Claude Code、Codex 等各自的登录❌模型认证API Key本地 dev / run / eval 调用 Gemini❌部署认证ADCdeploy、infra等云端操作✅本地开发只依赖第二层次从 AI Studio 创建一个 Gemini API Key文档明确标注 No Google Cloud project required无需 Google Cloud 项目。更妙的是cmd_run.py 背后的 本地服务器管理器 会以USE_IN_MEMORY_SESSIONtrue启动只绑定127.0.0.1的后台服务——用内存会话替代云端会话服务这就是本地即闭环的关键设计。环境准备agents-cli 本地开发 3 步搭建前提条件支持 macOS、Linux、Windows WSL 2工具说明Python 3.11运行环境与依赖管理uv包管理器推荐Node.js仅用于安装 skills1️⃣安装 agents-cliuvx google-agents-cli setup2️⃣配置 API Key到 AI Studio 创建 Key 后写入项目.env或导出环境变量export GEMINI_API_KEYyour-key-here3️⃣验证状态agents-cli login --status会显示当前生效的认证方式。3 条命令创建并跑通第一个 Agent 项目在终端依次执行详见 getting-started.mdagents-cli create my-agent --prototype --yes # 原型模式跳过基础设施决策 cd my-agent agents-cli install # 安装依赖 agents-cli playground # 启动本地 Web 调试台playground命令会在http://127.0.0.1:8080/dev-ui/启动 ADK Web Playground并支持热重载——修改代码立即生效实现见 cmd_playground.py。不喜欢 Web 界面一条命令做终端冒烟测试agents-cli run 用一句话介绍旧金山的天气该命令会自动在 18080 端口寻找可用端口、拉起并复用后台本地服务器闲置 30 分钟自动退出无需手动管理进程。本地评估不花一分钱云资源验证 Agent 质量agents-cli eval run评估自定义指标CodeExecutionMetric默认就在CLI 进程本地执行文档明确说明无需 GCP 项目或区域agents-cli eval dataset synthesize还能检查本地 Agent 并自动合成多轮对话评测场景冷启动评测无需手写用例官方建议经历5-10 轮以上的评估-修复循环Agent 才能稳定通过见 development.md。认识本地项目结构create生成的项目开箱即跑核心文件一目了然路径作用app/agent.pyAgent 定义指令、模型、工具app/fast_api_app.pyFastAPI 服务与 A2A 路由tests/eval/datasets/默认评测数据集.envAPI Key 等本地环境变量完整解读见 project-structure.md。何时才需要接入 GCP本地模式覆盖构建 → 运行 → 评估全链路只有部署与观测才需要 GCP 项目agents-cli scaffold enhance --deployment-target cloud_run # 给原型项目补部署支持 agents-cli deploy # 一键部署到 Agent Runtime / Cloud Run / GKE此时用agents-cli login -i完成 OAuth 认证即可。整体技术栈如下总结✅零云依赖起步一个 Gemini API Key 即可本地开发 AI Agent✅一条命令搭环境uvx google-agents-cli setup装好 CLI 与全部技能✅本地闭环开发playground 热重载 run冒烟测试 eval结构化评估✅平滑上云原型满意后再scaffold enhancedeploy本地代码无缝衔接生产从 开发指南 的 6 个阶段可以看出agents-cli 把本地优先做成了产品哲学——先把 Agent 打磨好再考虑部署这才是 AI Agent 本地开发的正确姿势。【免费下载链接】agents-cliThe CLI and skills that turn any coding assistant into an expert at creating, evaluating, and deploying AI agents on Google Cloud.项目地址: https://gitcode.com/GitHub_Trending/ag/agents-cli创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
