google-agents-cli-workflow
안내 워크플로우로 Google ADK 에이전트 구축하기
ADK 에이전트를 구축하려면 스캐폴딩, 평가, 배포, 모니터링 등 여러 단계를 거쳐야 합니다. 이 스킬은 구조화된 워크플로우를 제공하여, Google의 agents-cli 툴킷을 사용하여 중요한 단계를 빠뜨리지 않고 정확하게 에이전트를 개발할 수 있도록 도와줍니다.
스킬 ZIP 다운로드
Claude에서 업로드
설정 → 기능 → 스킬 → 스킬 업로드로 이동
토글을 켜고 사용 시작
테스트해 보기
"google-agents-cli-workflow" 사용 중입니다. 주문 상태를 조회하고 티켓을 생성할 수 있는 고객 지원 에이전트를 만들고 싶습니다.
예상 결과:
스캐폴딩을 시작하기 전에 몇 가지 요구사항을 명확히 해야 합니다: 주문 조회가 연결되는 외부 API는 무엇인가요? 에이전트가 세션 간 대화 컨텍스트를 기억해야 하나요? 이것은 프로토타입인가요, 프로덕션 배포인가요? 답변해 주시면 .agents-cli-spec.md에 명세를 작성하고 Phase 1(참조 샘플 학습)로 진행하겠습니다.
"google-agents-cli-workflow" 사용 중입니다. 내 에이전트에 대해 agents-cli eval을 실행하세요.
예상 결과:
평가 워크플로우를 시작합니다. 먼저 데이터셋 스키마 및 메트릭 가이드를 위해 eval 스킬을 활성화합니다. 그런 다음 agents-cli eval generate를 실행하여 트레이스를 생성하고, 이어서 agents-cli eval grade를 실행하여 eval_config.yaml에 대해 점수를 매깁니다. 결과는 케이스별 메트릭과 실패 클러스터를 보여줍니다.
보안 감사
안전This 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.
낮은 위험 문제 (3)
위험 요인
⚙️ 외부 명령어 (17)
🌐 네트워크 접근 (6)
📁 파일 시스템 액세스 (4)
🔑 환경 변수 (4)
품질 점수
만들 수 있는 것
새로운 ADK 에이전트 프로젝트 스캐폴딩
올바른 프로젝트 구조, CI/CD 설정, 평가 보일러플레이트를 처음부터 갖춘 새로운 Google ADK 에이전트 프로젝트를 시작합니다.
평가된 에이전트를 프로덕션에 배포
로컬 테스트에서 평가 임계값을 거쳐 적절한 CI/CD 설정과 함께 Agent Runtime, Cloud Run 또는 GKE로 에이전트를 배포합니다.
에이전트 동작 디버깅 및 반복 개선
체계적인 디버깅 단계, 자세한 JSON 이벤트 검사, eval-fix 루프를 사용하여 에이전트 동작 문제를 식별하고 수정합니다.
이 프롬프트를 사용해 보세요
Google의 ADK를 사용하여 새로운 에이전트를 만들고 싶습니다. 에이전트는 [목적 설명]을 도와야 합니다. agents-cli를 사용하여 프로젝트를 스캐폴딩하고 요구사항 질문들을 안내해 주세요.
[경로]에 에이전트를 만들었습니다. agents-cli eval을 실행하여 동작을 검증하세요. 1-2개의 샘플 케이스부터 시작하여 품질 임계값을 충족할 때까지 반복하세요.
에이전트가 평가를 통과했습니다. agents-cli deploy를 사용하여 Cloud Run에 배포하세요. GitHub Actions로 CI/CD를 설정하고 세션 저장소로 Cloud SQL을 사용하세요.
내 eval 실행 결과가 [실패 내용]입니다. 체계적인 디버깅 프로세스를 따르세요: 재현, 위치 파악, 한 가지 수정, 검증, 그리고 가드 eval 케이스 추가.
모범 사례
- 스캐폴딩 또는 코딩 전에 항상 Phase 0(이해)를 완료하고 .agents-cli-spec.md에 대한 명시적인 사용자 승인을 받으세요
- 에이전트 동작을 검증하려면 agents-cli eval을 사용하세요 — LLM 출력 콘텐츠에 대해 단언하는 pytest 테스트는 작성하지 마세요
- 사용자가 명시적으로 요청하지 않는 한 모델 설정을 변경하지 마세요 — 수정 중 모든 기존 설정 값을 보존하세요
피하기
- 프로젝트를 수동으로 설정하기 위해 스캐폴드 단계를 건너뛰는 것 — 평가 보일러플레이트, CI/CD 설정, 프로젝트 규약을 놓치게 됩니다
- LLM 응답에서 키워드를 확인하는 pytest 테스트를 작성하는 것 — LLM 출력이 비결정적이므로 이러한 테스트는 불안정합니다
- 디버깅 중 여러 변수를 동시에 변경하는 것 — 어떤 변경이 문제를 수정하거나 발생시켰는지 알 수 없게 됩니다