google-agents-cli-workflow
使用引導式工作流程建構 Google ADK 代理
建構 ADK 代理涉及許多步驟——建立專案架構、評估、部署與監控。本技能提供結構化的工作流程，讓您能使用 Google 的 agents-cli 工具組正確地開發代理，且不遺漏任何關鍵步驟。
下載技能 ZIP
在 Claude 中上傳
前往 設定 → 功能 → 技能 → 上傳技能
開啟並開始使用
測試它
正在使用「google-agents-cli-workflow」。 我想建立一個客戶支援代理，能夠查詢訂單狀態並建立工單。
預期結果:
在建立專案架構之前，我需要釐清幾項需求：訂單查詢會連接哪些外部 API？代理是否需要在跨 session 之間記住對話內容？這是原型還是生產環境的部署？一旦您回答這些問題，我會將規格寫入 .agents-cli-spec.md，然後進入 Phase 1（研究參考範例）。
正在使用「google-agents-cli-workflow」。 請對我的代理執行 agents-cli eval。
預期結果:
開始進行評估工作流程。首先，啟用 eval 技能以取得資料集結構與指標指引。接著執行 agents-cli eval generate 以產生追蹤記錄，再執行 agents-cli eval grade，根據您的 eval_config.yaml 進行評分。結果將顯示每個案例的指標與失敗叢集。
安全審計
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.
低風險問題 (3)
風險因素
⚙️ 外部命令 (17)
📁 檔案系統存取 (4)
🔑 環境變數 (4)
品質評分
你能建構什麼
建立新的 ADK 代理專案
從一開始就以正確的專案結構、CI/CD 設定與評估樣板啟動新的 Google ADK 代理專案。
將已通過評估的代理部署至生產環境
將代理從本地測試、跨越評估門檻，部署至 Agent Runtime、Cloud Run 或 GKE，並搭配完善的 CI/CD 設定。
除錯並反覆改進代理行為
運用系統化的除錯步驟、詳細的 JSON 事件檢查，以及 eval-fix 迴圈，識別並修正代理行為問題。
試試這些提示
我想使用 Google 的 ADK 建立一個新的代理。該代理應幫助使用者[描述用途]。請協助我使用 agents-cli 建立專案架構，並引導我完成需求提問。
我已在[路徑]建立了一個代理。請執行 agents-cli eval 以驗證其行為。先從 1-2 個範例案例開始，反覆調整直到達到品質門檻。
我的代理已通過評估。請使用 agents-cli deploy 將其部署到 Cloud Run。使用 GitHub Actions 設定 CI/CD，並採用 Cloud SQL 進行 session 儲存。
我的評估執行結果顯示[描述失敗情形]。請依照系統化的除錯流程：重現、定位、單一變更修正、驗證，並新增一個防護評估案例。
最佳實務
- 務必完成 Phase 0（理解），並在建立專案架構或撰寫程式碼前，取得使用者對 .agents-cli-spec.md 的明確核准
- 使用 agents-cli eval 驗證代理行為——切勿撰寫針對 LLM 輸出內容進行斷言的 pytest 測試
- 除非使用者明確要求，否則絕不更改模型設定——在修改過程中保留所有現有的設定值
避免
- 略過 scaffold 階段而手動建立專案——您將會錯過評估樣板、CI/CD 設定與專案慣例
- 撰寫檢查 LLM 回應中關鍵字的 pytest 測試——由於 LLM 輸出具有不確定性，這類測試極不穩定
- 在除錯時同時變更多個變數——您將無法判斷是哪一項變更修正或破壞了問題