Google Agents CLI — la metaherramienta que convierte agentes de código en constructores de agentes

agents-cli, presentado por Google en Cloud Next, es una herramienta CLI que inyecta en agentes de código como Gemini CLI, Claude Code y Codex capacidades especializadas para diseñar e implementar agentes de IA basados en Google Cloud. No es el agente en sí, sino una capa que potencia las habilidades del agente que crea agentes. Basado en ADK de Google (Agent Development Kit, framework de desarrollo de agentes), abarca con una sola CLI todo el ciclo de vida del desarrollo de agentes, desde la creación del proyecto hasta la evaluación, el despliegue y el registro empresarial. El punto al que apunta esta herramienta no es escribir código de SDK. Parte de la idea de que el verdadero cuello de botella está en decidir qué componentes usar, en qué orden y con qué configuración entre decenas de opciones. Los agentes de código de propósito general intentan adivinar esa combinación, pero Agents CLI adopta un enfoque que incorpora en el agente de código el criterio de un ingeniero de plataforma experimentado. Está diseñado para que el agente de código explique no solo "qué hizo", sino también "por qué tomó esa decisión", con una estructura orientada a elevar también el entendimiento de la plataforma dentro del equipo. También se percibe la intención de reducir el costo de exploración al concentrar en una sola herramienta información dispersa en cuatro o más fuentes, como la documentación de MCP, ADK, gcloud y Runtime.

Estructura clave

• La instalación se resuelve con una sola línea: uvx google-agents-cli setup. Requiere Python 3.11 o superior, uv (gestor de paquetes de Python) y Node.js
• Funciona inyectando 7 tipos de "skills" en el agente de código. Cada uno se encarga de diseño de workflows, escritura de código ADK, scaffolding del proyecto (generación automática de la estructura base), evaluación (incluido el enfoque LLM-as-judge), despliegue (Agent Runtime, Cloud Run, GKE), publicación en Gemini Enterprise y observabilidad (sistema para entender el estado del sistema mediante logs y trazas)
• En la conexión de herramientas (Tool Wiring) soporta MCP (Model Context Protocol, estándar para que el modelo invoque herramientas externas), A2A (Agent-to-Agent, protocolo de comunicación entre agentes) y conectores
• El desarrollo local es posible solo con una API key de AI Studio, y la cuenta de Google Cloud solo es necesaria al desplegar en la nube
• Incluso en proyectos de agentes existentes, el comando scaffold enhance permite agregar después configuración de despliegue y pipelines de CI/CD (sistema que prueba y despliega automáticamente cambios de código)
• También puede ejecutarse de forma independiente en la terminal, sin un agente de código

Diferenciadores

• No depende de un agente de código específico. Funciona con Gemini CLI, Claude Code, Codex o Antigravity siempre que se inyecten los skills, por lo que no limita la libertad del desarrollador para elegir herramientas
• Al unir bajo un mismo sistema de comandos el framework ADK, el entorno de ejecución Agent Runtime, la capa de aislamiento Agent Sandbox y el canal de despliegue Gemini Enterprise, funciona como puerta de entrada para todo el stack de agentes de Google Cloud, más allá de una simple CLI
• Adopta un diseño "discovery-first" (descubrimiento primero) que expone también las razones detrás de las decisiones, en lugar de optar por una automatización de caja negra

Implicaciones

• La estructura de "un agente de código que crea agentes" muestra un caso de cómo el workflow de desarrollo se está moviendo hacia un enfoque centrado en agentes. Sin embargo, por ahora está en etapa Pre-GA (antes del lanzamiento oficial) y se distribuye solo como archivos .whl precompilados (formato de distribución de paquetes de Python), no como código fuente, por lo que la contribución directa de la comunidad open source es limitada
• Como está enfocado en reducir la barrera de entrada al ecosistema de agentes de Google Cloud, su alcance puede ser limitado para equipos que trabajan principalmente en entornos multicloud o con stacks no basados en Google
• El intento de concentrar en un solo punto documentación y herramientas dispersas es valioso, pero esa misma centralización también puede aumentar la dependencia de esta herramienta, algo que las organizaciones de ingeniería deberían considerar