google-agents-cli-workflow
Google-ADK-Agenten mit geführten Workflows erstellen
Die Entwicklung von ADK-Agenten umfasst viele Schritte – Scaffolding, Evaluierung, Bereitstellung und Überwachung. Diese Skill bietet einen strukturierten Workflow, damit Sie Agenten korrekt mit dem agents-cli-Toolkit von Google entwickeln können, ohne kritische Schritte zu übersehen.
Die Skill-ZIP herunterladen
In Claude hochladen
Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen
Einschalten und loslegen
Teste es
Verwendung von "google-agents-cli-workflow". Ich möchte einen Kundensupport-Agenten bauen, der den Bestellstatus abrufen und Tickets erstellen kann.
Erwartetes Ergebnis:
Vor dem Scaffolding muss ich einige Anforderungen klären: An welche externen APIs muss die Bestellabfrage angebunden werden? Soll der Agent den Gesprächskontext über Sitzungen hinweg behalten? Handelt es sich um einen Prototyp oder eine Produktionsbereitstellung? Sobald Sie diese beantwortet haben, schreibe ich die Spezifikation in .agents-cli-spec.md und gehe zu Phase 1 (Referenzbeispiele studieren) über.
Verwendung von "google-agents-cli-workflow". Führen Sie agents-cli eval auf meinem Agenten aus.
Erwartetes Ergebnis:
Starte Evaluierungs-Workflow. Zuerst aktiviere ich die eval-Skill für Anleitungen zu Datensatz-Schema und Metriken. Dann führe ich agents-cli eval generate aus, um Traces zu erzeugen, gefolgt von agents-cli eval grade zur Bewertung anhand Ihrer eval_config.yaml. Die Ergebnisse zeigen Metriken pro Fall und Fehler-Cluster.
Sicherheitsaudit
SicherThis skill is pure markdown documentation from Google's official google/agents-cli repository. It contains no executable code — only workflow guidelines, CLI command references, and best practices for ADK agent development. All 229 static findings are false positives: backticks are markdown inline-code formatting (not shell execution), URLs point to official Google documentation, and .env/API-key references are educational discussions about configuration management.
Probleme mit niedrigem Risiko (3)
Risikofaktoren
⚙️ Externe Befehle (17)
🌐 Netzwerkzugriff (6)
📁 Dateisystemzugriff (4)
🔑 Umgebungsvariablen (4)
Qualitätsbewertung
Was du bauen kannst
Scaffolding eines neuen ADK-Agent-Projekts
Starten Sie ein neues Google-ADK-Agent-Projekt mit der korrekten Projektstruktur, CI/CD-Konfiguration und Evaluierungs-Boilerplate von Anfang an.
Bereitstellung eines evaluierten Agenten in der Produktion
Überführen Sie einen Agenten vom lokalen Test über Evaluierungsschwellenwerte bis zur Bereitstellung auf Agent Runtime, Cloud Run oder GKE mit ordnungsgemäßem CI/CD-Setup.
Debugging und Iteration des Agent-Verhaltens
Nutzen Sie systematische Debugging-Schritte, detaillierte JSON-Event-Inspektion und den Eval-Fix-Loop, um Probleme im Agent-Verhalten zu identifizieren und zu beheben.
Probiere diese Prompts
Ich möchte einen neuen Agenten mit Google ADK erstellen. Der Agent soll Nutzern helfen bei [Zweck beschreiben]. Helfen Sie mir, das Projekt mit agents-cli zu scaffolden und führen Sie mich durch die Anforderungsfragen.
Ich habe einen Agenten unter [Pfad] gebaut. Führen Sie agents-cli eval aus, um sein Verhalten zu validieren. Beginnen Sie mit 1-2 Beispielfällen und iterieren Sie, bis die Qualitätsschwellenwerte erreicht sind.
Mein Agent hat die Evaluierung bestanden. Stellen Sie ihn mit agents-cli deploy auf Cloud Run bereit. Richten Sie CI/CD mit GitHub Actions ein und verwenden Sie Cloud SQL für die Session-Speicherung.
Mein Eval-Lauf zeigt [Fehler beschreiben]. Befolgen Sie den systematischen Debugging-Prozess: reproduzieren, lokalisieren, eine Sache fixen, verifizieren und einen Guard-Eval-Fall hinzufügen.
Bewährte Verfahren
- Schließen Sie immer Phase 0 (Verstehen) ab und holen Sie die ausdrückliche Zustimmung des Benutzers zu .agents-cli-spec.md ein, bevor Sie scaffolden oder Code schreiben
- Verwenden Sie agents-cli eval, um das Agent-Verhalten zu validieren – schreiben Sie niemals pytest-Tests, die auf LLM-Ausgabeinhalte prüfen
- Ändern Sie niemals die Modellkonfiguration, es sei denn, der Benutzer fordert dies ausdrücklich an – bewahren Sie alle bestehenden Konfigurationswerte während Änderungen
Vermeiden
- Überspringen der Scaffold-Phase und manuelles Einrichten eines Projekts – Sie werden Eval-Boilerplate, CI/CD-Konfiguration und Projektkonventionen verpassen
- Schreiben von pytest-Tests, die nach Schlüsselwörtern in LLM-Antworten suchen – diese sind fehleranfällig, da LLM-Ausgaben nicht-deterministisch sind
- Gleichzeitiges Ändern mehrerer Variablen während des Debuggings – Sie werden nicht wissen, welche Änderung das Problem behoben oder verursacht hat