Google Agents CLI — a meta ferramenta que transforma agentes de código em construtores de agentes

Revelado pelo Google no Cloud Next, o agents-cli é uma ferramenta de CLI que injeta em agentes de código como Gemini CLI, Claude Code e Codex capacidades especializadas para projetar e implantar agentes de IA baseados no Google Cloud. Não é o agente em si, mas uma camada que eleva a capacidade de agentes que criam agentes. Baseado no ADK (Agent Development Kit), o framework de desenvolvimento de agentes do Google, ele cobre com uma única CLI todo o ciclo de vida do desenvolvimento de agentes, da criação do projeto à avaliação, implantação e registro corporativo. O foco desta ferramenta não é escrever código de SDK. Ela parte da percepção de que o verdadeiro gargalo está em decidir quais componentes dentre dezenas devem ser combinados, em que ordem e com quais configurações. Agentes de código de uso geral tentam adivinhar essa combinação, mas o Agents CLI adota a abordagem de incorporar nesses agentes o nível de julgamento de um engenheiro de plataforma experiente. Ele foi projetado para que o agente de código explique não apenas “o que foi feito”, mas também “por que essa decisão foi tomada”, buscando elevar junto o entendimento da equipe sobre a plataforma. Também é possível perceber a intenção de reduzir o custo de exploração ao convergir em uma única ferramenta informações hoje espalhadas por quatro ou mais lugares, como a documentação do MCP, do ADK, do gcloud e do Runtime.

Estrutura principal

• A instalação pode ser feita com uma única linha: uvx google-agents-cli setup. É preciso ter Python 3.11 ou superior, uv (gerenciador de pacotes Python) e Node.js
• Ele funciona injetando 7 tipos de “skills” no agente de código. Cada uma cobre design de workflow, escrita de código com ADK, scaffolding de projeto (geração automática da estrutura base), avaliação (incluindo o método LLM-as-judge), implantação (Agent Runtime, Cloud Run, GKE), publicação no Gemini Enterprise e observabilidade (sistema para entender o estado do sistema por meio de logs e traces)
• Na conexão de ferramentas (Tool Wiring), ele oferece suporte a MCP (Model Context Protocol, padrão para o modelo chamar ferramentas externas), A2A (Agent-to-Agent, protocolo de comunicação entre agentes) e conectores
• O desenvolvimento local é possível apenas com uma chave de API do AI Studio, e uma conta do Google Cloud só é necessária na implantação em nuvem
• Mesmo em projetos de agentes já existentes, é possível adicionar depois configurações de implantação e pipelines de CI/CD (estrutura que testa e implanta automaticamente alterações de código) com o comando scaffold enhance
• Também pode ser executado de forma independente no terminal, sem um agente de código

Diferenciais

• Não fica preso a um agente de código específico. Funciona em Gemini CLI, Claude Code, Codex ou Antigravity desde que as skills sejam injetadas, sem limitar a liberdade do desenvolvedor na escolha de ferramentas
• Ao unir em um único sistema de comandos o framework ADK, o ambiente de execução Agent Runtime, a camada de isolamento Agent Sandbox e o canal de distribuição Gemini Enterprise, ele vai além de uma simples CLI e passa a atuar como a porta de entrada para toda a stack de agentes do Google Cloud
• Em vez de automação em caixa-preta, adota um design “discovery-first” que expõe também a base das decisões tomadas

Implicações

• A estrutura em que “agentes de código criam agentes” mostra um exemplo de como o workflow dos desenvolvedores está migrando para um modelo centrado em agentes. No entanto, ele ainda está em fase Pre-GA e, como é distribuído apenas como arquivos .whl pré-compilados (formato de distribuição de pacotes Python), e não como código-fonte, a contribuição direta de código pela comunidade open source é limitada
• Como o foco está em reduzir a barreira de entrada para o ecossistema de agentes do Google Cloud, o alcance pode ser limitado para equipes que atuam principalmente em ambientes multicloud ou com stacks não baseadas no Google
• A tentativa de convergir documentação e ferramentas dispersas em um só lugar é significativa, mas também aumenta o grau de dependência dessa ferramenta específica, algo que organizações de engenharia devem considerar