如果你最近有在關注 AI Agent 開發，應該會發現一件事：現在的重點已經不只是「讓 AI 會聊天」，而是要讓 AI 真的能完成任務、接工具、跑流程、被測試、能部署，甚至能被企業長期維護。Google 的 ADK 與 Agents CLI，就是針對這個方向推出的一組開發工具。ADK 負責打造 Agent 本體，Agents CLI 則把建立、測試、評估、部署與觀測這條路整理成更完整的工程流程。
1. Google Agents CLI 是什麼？
Google Agents CLI 可以把它理解成一套專門為 AI Agent 開發而生的工程工具箱。它不是一個新的聊天機器人，也不是拿來直接跟你對話的 AI，而是協助開發者或 coding agent 建立、測試、評估、部署 Google ADK 專案的命令列工具。
更白話一點說，ADK 是用來寫 AI Agent 的框架，Agents CLI 則是幫你把這個 Agent 專案從零開始整理到可以上線的工具。它的定位比較像是專案產生器、測試助手、部署助手與 DevOps 流程整合工具的集合。
如果你曾經用過 Gemini CLI、Claude Code、Codex 這類 coding agent，就可以想像 Agents CLI 是讓這些 AI 寫程式工具更懂 Google ADK 專案架構的輔助工具。它可以協助產生專案骨架、安裝依賴、啟動本機測試、建立評估資料、部署到 Google Cloud，甚至進一步發布到企業使用情境。
換句話說，Agents CLI 的重點不是「讓 AI 會回答問題」，而是讓 AI Agent 的開發變得更像正式軟體工程：有架構、有測試、有部署、有觀測，也有後續維護的能力。
2. ADK 是什麼？
ADK 全名是 Agent Development Kit，中文可以理解為「AI Agent 開發套件」。它是 Google 推出的開源、code-first AI Agent 框架，讓開發者可以用程式碼建立更完整的 Agent，而不是只靠一段 prompt 做單次回答。
一般人想到 AI，常常會先想到聊天機器人；但 Agent 的概念更進一步。它不只會回答，還可以根據任務呼叫工具、查資料、規劃步驟、串接 API、執行流程，甚至與其他 Agent 協作。ADK 就是用來處理這些事情的開發框架。
Agent 是 AI 的角色本體，裡面會定義名稱、模型、指令、行為規則與可使用的工具。
Tool 是 Agent 可以呼叫的外部功能，例如搜尋、查資料庫、呼叫 API、讀取文件、執行特定任務。
Workflow 是任務流程，可以把多個步驟、多個工具，甚至多個 Agent 串在一起運作。
Evaluation 是評估機制，用來檢查 Agent 回答是否正確、流程是否穩定、結果是否符合期待。
ADK 的價值在於，它讓 AI Agent 不再只是「看起來很聰明的聊天框」，而是可以被設計、被測試、被部署的軟體元件。這一點對企業應用非常重要，因為企業導入 AI 時，通常不只需要好用，還需要穩定、可控、可追蹤、可維護。
3. ADK 與 Agents CLI 的差別
很多人第一次看到 ADK 和 Agents CLI，會搞不太清楚兩者的關係。其實可以用一句話理解：ADK 負責寫 Agent，Agents CLI 負責把 Agent 專案工程化。
| 項目 | ADK | Agents CLI |
|---|---|---|
| 定位 | AI Agent 開發框架 | ADK 專案生命週期工具 |
| 主要用途 | 撰寫 Agent、工具、流程 | 建立、測試、評估、部署、觀測專案 |
| 使用情境 | 開發 Agent 本體 | 管理完整開發流程 |
| 類比 | 像 Laravel、Django 這類框架 | 像專案產生器加部署工具 |
| 是否需要 Google Cloud | 本機開發不一定需要 | 本機功能不一定需要，部署雲端時才需要 |
用蓋房子來比喻，ADK 比較像建材、工法與設計圖，讓你知道房子怎麼蓋；Agents CLI 則像統包工程師，幫你把施工、檢查、驗收、交付、後續維護流程串起來。
4. Agents CLI 的核心價值
Agents CLI 最重要的價值，是把 AI Agent 開發從「做得出 demo」往「能正式上線」推進。很多 Agent 專案一開始看起來很厲害，但只要進入真實使用情境，就會遇到幾個問題：回答不穩定、工具呼叫失敗、不知道怎麼測試、部署流程混亂、出錯時也不知道該去哪裡查。
Agents CLI 嘗試補上的就是這一整段缺口。它可以協助你建立專案骨架，讓專案一開始就有比較清楚的結構；也能協助執行本機測試與 playground，讓你在部署前先確認 Agent 是否能正常運作。
更重要的是，它把 eval 這件事放進流程裡。Eval 可以理解成 AI Agent 的考卷，你可以設計測試案例，觀察 Agent 在不同問題下的回答品質與工具使用狀況。這對企業應用尤其關鍵，因為你不能只憑感覺說「這個 Agent 好像滿聰明的」，而是需要用可重複的方式檢查它是否真的符合需求。
另外，Agents CLI 也支援部署到 Google Cloud 相關服務，例如 Cloud Run、Agent Runtime、GKE 等，並可以協助建立 CI/CD 與觀測機制。這代表 Agent 上線後，不只是丟出去就結束，而是可以持續監控、調整、最佳化。
5. 常用指令與開發流程
Agents CLI 的使用流程大致可以想成：安裝工具、建立專案、安裝依賴、本機執行、建立評估、部署上線。官方建議的安裝方式通常會用到 uvx：
uvx google-agents-cli setup安裝完成後，就可以用 CLI 建立新的 Agent 專案。常見指令如下：
| 指令 | 用途 |
|---|---|
agents-cli setup |
安裝 CLI 與相關 skills |
agents-cli create my-agent |
建立新的 Agent 專案 |
agents-cli install |
安裝專案依賴 |
agents-cli run "prompt" |
本機用指定 prompt 執行 Agent |
agents-cli playground |
啟動本機 playground 測試介面 |
agents-cli eval run |
執行 Agent 評估 |
agents-cli deploy |
部署 Agent 到雲端環境 |
agents-cli publish gemini-enterprise |
發布或註冊到 Gemini Enterprise |
這些指令的好處，是把很多原本分散在文件、雲端設定、程式碼設定裡的流程集中起來。對剛開始學 Agent 開發的人來說，它可以降低起步門檻；對團隊來說，則可以讓流程更一致，減少每個人用不同方式做專案的混亂。
6. 適合誰使用？
Agents CLI 很適合想正式學習 Google ADK 的開發者，也適合正在嘗試把 AI Agent 導入企業內部流程的團隊。如果你的需求只是做一個簡單問答機器人，可能不一定需要用到這麼完整的工具鏈；但如果你想讓 Agent 串工具、接資料、部署到雲端、做品質評估，那 Agents CLI 的價值就會變得很明顯。
- 想學 Google ADK 的開發者
- 想做企業內部 AI Agent 的團隊
- 需要部署到 Google Cloud 的工程師
- 正在使用 Gemini CLI、Claude Code、Codex 的人
- 需要 eval、RAG、CI/CD、observability 的產品團隊
- 只想做簡單聊天機器人的人
- 完全不想碰程式碼的人
- 不打算使用 Google Cloud 生態的人
- 只需要單次 prompt，而非長期維護專案的人
也就是說，Agents CLI 的定位比較偏向「工程化 Agent 開發」。它不是讓你少寫所有程式，而是讓你在寫 Agent、測 Agent、部署 Agent 的過程中，有一條比較清楚的路可以走。
7. 一句話總結
Google ADK 是用來開發 AI Agent 的框架；Google Agents CLI 則是讓 ADK 專案更容易被建立、測試、評估、部署與觀測的工程工具。
如果只用一句話記住它們的差別，那就是：ADK 幫你寫出 Agent，Agents CLI 幫你把 Agent 做成真正可以維護、可以上線、可以迭代的專案。
這也代表 AI Agent 的發展已經逐漸從「會回答問題」走向「能完成工作」。未來真正有價值的 Agent，不只要會講話，還要能串接工具、處理流程、被測試、被監控，並且能在真實工作場景裡穩定運作。Google Agents CLI 與 ADK 的組合，就是朝這個方向前進的一套重要工具。
本文為技術工具介紹與學習整理，內容可能會因 Google 官方版本更新、指令調整或雲端服務政策變更而有所不同。實際安裝、部署與費用設定，請以 Google 官方文件、GitHub 專案頁與 Google Cloud Console 顯示資訊為準。若要導入企業正式環境，建議先進行安全性、權限、資料隱私與成本評估。
