google-agents-cli-workflow
ガイド付きワークフローでGoogle ADKエージェントを構築する
ADKエージェントの構築には、scaffolding、評価、デプロイ、監視など多くのステップが伴います。このスキルは構造化されたワークフローを提供し、Googleのagents-cliツールキットを使用してエージェントを正しく開発し、重要なステップを見逃さないようにします。
スキルZIPをダウンロード
Claudeでアップロード
設定 → 機能 → スキル → スキルをアップロードへ移動
オンにして利用開始
テストする
「google-agents-cli-workflow」を使用しています。 注文状況の照会とチケット作成ができるカスタマーサポートエージェントを構築したい。
期待される結果:
scaffoldingを開始する前に、いくつか要件を確認させてください。注文照会が接続する外部APIは何ですか?エージェントはセッションをまたいで会話コンテキストを記憶すべきですか?これはプロトタイプですか、それとも本番デプロイですか?これらの質問に答えていただければ、.agents-cli-spec.md に仕様を記述し、Phase 1(リファレンスサンプルの調査)に進みます。
「google-agents-cli-workflow」を使用しています。 私のエージェントに対して agents-cli eval を実行して。
期待される結果:
評価ワークフローを開始します。まず、データセットスキーマとメトリクスのガイダンスのために eval スキルを起動します。次に agents-cli eval generate を実行してトレースを生成し、続いて agents-cli eval grade を実行して eval_config.yaml に対してスコアリングします。結果にはケースごとのメトリクスと失敗クラスターが表示されます。
セキュリティ監査
安全This 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.
低リスクの問題 (3)
リスク要因
⚙️ 外部コマンド (17)
🌐 ネットワークアクセス (6)
📁 ファイルシステムへのアクセス (4)
🔑 環境変数 (4)
品質スコア
作れるもの
新しいADKエージェントプロジェクトのscaffolding
正しいプロジェクト構造、CI/CD設定、評価ボイラープレートを最初から備えた新しいGoogle ADKエージェントプロジェクトを開始します。
評価済みエージェントの本番デプロイ
エージェントをローカルテストから評価閾値を経由して、Agent Runtime、Cloud Run、またはGKEに適切なCI/CD設定でデプロイします。
エージェントの動作のデバッグと反復
体系的なデバッグ手順、verbose JSONイベントの検査、eval-fixループを使用して、エージェントの動作問題を特定し修正します。
これらのプロンプトを試す
GoogleのADKを使って新しいエージェントを構築したい。エージェントは[目的を記述]のユーザーを支援するものである。agents-cliを使ってプロジェクトをscaffoldingし、要件の質問に答えてほしい。
[パス]にエージェントを構築した。agents-cli eval を実行してその動作を検証してほしい。1〜2個のサンプルケースから始めて、品質閾値を達成するまで反復する。
エージェントが評価を通過した。agents-cli deploy を使ってCloud Runにデプロイする。GitHub ActionsでCI/CDをセットアップし、セッションストレージにCloud SQLを使用する。
評価の実行結果が[失敗内容を記述]となっている。体系的なデバッグプロセス(再現、特定、1つ修正、検証、ガード評価ケース追加)に従う。
ベストプラクティス
- Phase 0(理解)を完了し、scaffoldingやコーディング前に .agents-cli-spec.md についてユーザーから明示的な承認を取得する
- エージェントの動作検証には agents-cli eval を使用する — LLM出力内容をアサートするpytestテストは絶対に書かない
- ユーザーが明示的に要求しない限り、モデル設定を変更しない — 変更中は既存の設定値をすべて保持する
回避
- プロジェクトを手動でセットアップするためにscaffoldフェーズをスキップする — 評価ボイラープレート、CI/CD設定、プロジェクト規約を見逃すことになる
- LLM応答内のキーワードをチェックするpytestテストを書く — LLM出力は非決定論的であるため不安定になる
- デバッグ中に複数の変数を同時に変更する — どの変更が問題を修正または破壊したか分からなくなる