Google Agents CLI — das Meta-Tool, das Coding-Agenten zu Agent-Buildern macht

agents-cli, das Google auf der Cloud Next vorgestellt hat, ist ein CLI-Tool, das Coding-Agenten wie Gemini CLI, Claude Code und Codex mit spezialisiertem Know-how ausstattet, um KI-Agenten auf Basis von Google Cloud zu entwerfen und bereitzustellen. Es ist nicht der Agent selbst, sondern eine Ebene, die die Fähigkeiten von Agenten, die Agenten bauen, verbessert. Es basiert auf Googles ADK (Agent Development Kit, Framework für die Agentenentwicklung) und deckt mit einer einzigen CLI den gesamten Lebenszyklus der Agentenentwicklung ab – von der Projekterstellung über Evaluierung und Deployment bis zur Enterprise-Registrierung. Das Tool zielt nicht auf das Schreiben von SDK-Code ab. Es geht von der Erkenntnis aus, dass der eigentliche Flaschenhals darin liegt zu entscheiden, welche der Dutzenden Komponenten in welcher Reihenfolge und mit welchen Einstellungen kombiniert werden sollen. Allgemeine Coding-Agenten raten bei dieser Kombination, während Agents CLI darauf setzt, Urteilsvermögen auf dem Niveau erfahrener Plattformingenieure in Coding-Agenten zu verankern. Es ist so konzipiert, dass der Coding-Agent nicht nur erklärt, „was getan wurde“, sondern auch „warum diese Entscheidung getroffen wurde“, und zielt damit auf eine Struktur ab, in der zugleich auch das Plattformverständnis im Team wächst. Man erkennt zudem die Absicht, Informationen aus mehr als vier getrennten Quellen – darunter MCP-Dokumentation, ADK-Dokumentation, gcloud-Dokumentation und Runtime-Dokumentation – in einem einzigen Tool zusammenzuführen und so die Suchkosten zu senken.

Kernstruktur

• Die Installation gelingt mit einer einzigen Zeile: uvx google-agents-cli setup. Erforderlich sind Python 3.11 oder höher, uv (Python-Paketmanager) und Node.js
• Es arbeitet, indem es dem Coding-Agenten 7 Arten von „Skills“ verleiht. Zuständig sind sie jeweils für Workflow-Design, das Schreiben von ADK-Code, Project Scaffolding (automatische Gerüsterstellung), Evaluierung (einschließlich LLM-as-judge), Deployment (Agent Runtime, Cloud Run, GKE), Gemini-Enterprise-Publishing und Observability (System zur Erfassung des Systemzustands über Logs und Traces)
• Bei der Tool-Anbindung unterstützt es MCP (Model Context Protocol, Standard für den Aufruf externer Tools durch Modelle), A2A (Agent-to-Agent, Kommunikationsprotokoll zwischen Agenten) und Konnektoren
• Lokale Entwicklung ist allein mit einem AI-Studio-API-Key möglich; ein Google-Cloud-Konto wird erst für Cloud-Deployment benötigt
• Auch in bestehende Agentenprojekte lassen sich mit dem Befehl scaffold enhance nachträglich Deployment-Einstellungen und eine CI/CD-Pipeline (System zur automatischen Prüfung und Bereitstellung von Codeänderungen) integrieren
• Es kann auch unabhängig von Coding-Agenten direkt im Terminal ausgeführt werden

Unterscheidungsmerkmale

• Es ist nicht an einen bestimmten Coding-Agenten gebunden. Ob Gemini CLI, Claude Code, Codex oder Antigravity: Sobald die Skills eingebracht sind, funktioniert es überall und schränkt damit die freie Werkzeugwahl von Entwicklern nicht ein
• Weil es das Framework ADK, die Laufzeitumgebung Agent Runtime, die Isolierungsschicht Agent Sandbox und den Deployment-Kanal Gemini Enterprise in ein einheitliches Befehlssystem bündelt, fungiert es über eine einfache CLI hinaus als Front Door für den gesamten Google-Cloud-Agenten-Stack
• Statt auf Blackbox-Automatisierung setzt es auf ein „discovery-first“-Design, das die Begründung hinter Entscheidungen mit offenlegt

Einordnung

• Die Struktur „Coding-Agenten bauen Agenten“ zeigt, dass sich Entwickler-Workflows in Richtung agentenzentrierter Abläufe verschieben. Allerdings befindet sich das Tool derzeit noch in der Pre-GA-Phase und wird nicht als Quellcode, sondern nur als vorgebaute .whl-Datei (Python-Paketformat) verteilt, wodurch direkte Codebeiträge aus der Open-Source-Community eingeschränkt sind
• Der Fokus liegt darauf, die Einstiegshürden in das Google-Cloud-Agenten-Ökosystem zu senken. Für Teams, die vor allem in Multi-Cloud-Umgebungen oder auf nicht von Google geprägten Stacks arbeiten, könnte der Anwendungsbereich daher begrenzt sein
• Der Versuch, verstreute Dokumentation und Tools in einem System zu bündeln, ist an sich sinnvoll. Gleichzeitig sollte auf Ebene der Engineering-Organisation berücksichtigt werden, dass dadurch die Abhängigkeit von genau diesem einen Tool steigen kann