> ## Content Index
> Fetch the complete content index at: https://www.sfeir.dev/llms.txt
> Use this file to discover other available public pages before exploring further.

# Google Cloud Next 2026 - Agents CLI : J'ai testé le nouveau couteau suisse de Google pour automatiser l'ADLC de vos agents ADK.
- URL: https://www.sfeir.dev/ia/google-cloud-next-2026-agents-cli-jai-teste-le-nouveau-couteau-suisse-de-google-pour-automatiser-ladlc-de-vos-agents-adk/
- Published: 2026-04-27T08:25:06.000Z
- Updated: 2026-04-27T08:25:06.000Z
- Description: Directement inspiré par les démos de Google Cloud Next 2026, j'ai mis à l'épreuve agents-cli. Ce nouvel outil simplifie l'ADLC des agents ADK en pilotant vos coding agents par le langage naturel. Du premier prompt au déploiement sur Agent Runtime, voici comment Google change la donne.
- Author: Baptiste PIRAULT
- Tags: IA, Agents CLI, ADK, Gemini Enterprise, Gemini CLI, Google Cloud Next 2026

[](https://github.com/batou9150/writing-workspace/blob/main/blog/published-2026/Agents%20CLI%2C%20build%20an%20ADK%20agent%20with%20skills%20%28FR%29.md?ref=sfeir.dev#agents-cli--jai-test%C3%A9-le-nouveau-couteau-suisse-de-google-pour-construire-un-agent-adk)

Construire un agent [ADK](https://www.sfeir.dev/ia/de-adk-a-gemini-enterprise/), le tester, le déployer sur Agent Runtime, puis l'enregistrer dans Gemini Enterprise : c'était déjà rationalisé avec l'**Agent Starter Pack**. Mais Google vient de monter d'un cran avec [**agents-cli**](https://github.com/google/agents-cli?ref=sfeir.dev) ([docs](https://google.github.io/agents-cli/?ref=sfeir.dev)), un outil qui transforme votre coding agent (Gemini CLI, Claude Code, Cursor…) en véritable expert ADK grâce à un système de **skills**.

![](https://storage.ghost.io/c/0b/31/0b31478e-a66a-46f1-8c34-d44388e21192/content/images/2026/04/Capture-d---e--cran-2026-04-27-a---10.13.17.png)

L'ADLC (Agent Development LifeCycle) automatisé : Visualisation du flux de travail de agents-cli, couvrant chaque phase du cycle de vie, du prompt initial à la publication sur Gemini Enterprise.

J'ai testé le flux complet pour bâtir un assistant de recherche de références clients pour notre équipe commerciale SFEIR. Voici le récit, étape par étape.

## Étape 1 : Installation de la CLI et des skills

[](https://github.com/batou9150/writing-workspace/blob/main/blog/published-2026/Agents%20CLI%2C%20build%20an%20ADK%20agent%20with%20skills%20%28FR%29.md?ref=sfeir.dev#%C3%A9tape-1--installation-de-la-cli-et-des-skills)

Tout commence avec une seule commande :

> uvx google-agents-cli setup

L'outil enchaîne quatre actions automatiquement :

- **Authentification** GCP avec mon compte SFEIR sur le projet cible.
- **Installation de la CLI** via `uv tool install google-agents-cli`.
- **Installation de 7 skills** dans `~/.agents/skills/`, déployés sur les 45 coding agents détectés sur ma machine.
- **Récapitulatif** des composants installés et de leur scope (global).

Les skills installés couvrent l'ensemble du cycle de vie d'un agent ADK :

- `google-agents-cli-workflow` : entrypoint général, lifecycle ADK
- `google-agents-cli-scaffold` : création de projet
- `google-agents-cli-adk-code` : patterns de code ADK
- `google-agents-cli-deploy` : Agent Runtime, Cloud Run, GKE
- `google-agents-cli-eval` : evalsets, métriques, debug
- `google-agents-cli-observability` : tracing, logging, BigQuery Analytics
- `google-agents-cli-publish` : enregistrement dans Gemini Enterprise

[![Installation de agents-cli et des skills](https://storage.ghost.io/c/0b/31/0b31478e-a66a-46f1-8c34-d44388e21192/content/images/2026/04/agents_cli_01-setup.png)](https://github.com/batou9150/writing-workspace/blob/main/blog/published-2026/assets/agents%5Fcli%5F01-setup.png?ref=sfeir.dev)

Installation de agents-cli et des skills

## Étape 2 : Activation des skills dans Gemini CLI

[](https://github.com/batou9150/writing-workspace/blob/main/blog/published-2026/Agents%20CLI%2C%20build%20an%20ADK%20agent%20with%20skills%20%28FR%29.md?ref=sfeir.dev#%C3%A9tape-2--activation-des-skills-dans-gemini-cli)

Direction le terminal, je lance `gemini` dans un dossier vide. Première vérification avec la commande `/skills` : tous les skills `google-agents-cli-*` sont bien listés et prêts à l'emploi.

![](https://storage.ghost.io/c/0b/31/0b31478e-a66a-46f1-8c34-d44388e21192/content/images/2026/04/agents_cli_02-skills.png)

Liste des skills disponibles dans Gemini CLI

C'est là que la mécanique devient intéressante : je n'ai plus à connaître la syntaxe exacte de `agents-cli`. Je décris simplement mon besoin en langage naturel, et le coding agent active dynamiquement le skill pertinent.

## Étape 3 : Scaffolding du projet en langage naturel

[](https://github.com/batou9150/writing-workspace/blob/main/blog/published-2026/Agents%20CLI%2C%20build%20an%20ADK%20agent%20with%20skills%20%28FR%29.md?ref=sfeir.dev#%C3%A9tape-3--scaffolding-du-projet-en-langage-naturel)

Je formule ma demande en anglais :

> *Build a success stories agent that help sales finding the right customer reference from our `success-stories-datastore` discovery engine datastore.*

J'ajoute un prompt système métier en français, qui décrit le rôle de l'assistant et les secteurs d'expertise SFEIR.

Gemini CLI active alors le skill `google-agents-cli-workflow`, puis enchaîne avec `google-agents-cli-scaffold`. Il choisit le bon template (`agentic_rag`), le bon datastore (`agent_platform_search`) et lance la commande :

> agents-cli scaffold create success-stories-agent \\  
> \--agent agentic\_rag \\  
> \--datastore agent\_platform\_search \\  
> \--prototype \\  
> \--agent-guidance-filename GEMINI.md

![](https://storage.ghost.io/c/0b/31/0b31478e-a66a-46f1-8c34-d44388e21192/content/images/2026/04/agents_cli_03-scaffold.png)

Activation du skill workflow et scaffolding

Dans la foulée, l'agent édite `app/agent.py` pour :

- remplacer le `DATA_STORE_ID` par défaut par `success-stories-datastore`
- injecter le prompt système métier en français (contexte SFEIR, secteurs cibles, instructions de réponse)

![](https://storage.ghost.io/c/0b/31/0b31478e-a66a-46f1-8c34-d44388e21192/content/images/2026/04/agents_cli_04-edit-agent.png)

Édition automatique de agent.py

En une seule itération, j'ai un projet ADK fonctionnel, configuré pour mon use case, avec une evalset d'exemple dans `tests/eval/evalsets/success_stories.json`.

## Étape 4 : choix de la cible de déploiement

[](https://github.com/batou9150/writing-workspace/blob/main/blog/published-2026/Agents%20CLI%2C%20build%20an%20ADK%20agent%20with%20skills%20%28FR%29.md?ref=sfeir.dev#%C3%A9tape-4--choix-de-la-cible-de-d%C3%A9ploiement)

Je pose la question :

> *Where can you deploy it?*

Gemini CLI active le skill `google-agents-cli-deploy` et me présente les trois cibles possibles, avec leurs trade-offs :

- **Agent Runtime (Vertex AI)** : plateforme managée native pour les agents IA. Sessions gérées automatiquement, pas de Dockerfile, scaling sur vCPU-hours. Le choix le plus frictionless dans l'écosystème Google.
- **Cloud Run** : pour des déploiements containerisés classiques avec contrôle complet du scaling et du networking. Nécessite de gérer soi-même l'état des sessions.
- **GKE (Autopilot)** : pour les déploiements enterprise avec orchestration Kubernetes complète. Setup le plus complexe.

Je choisis **Agent Runtime** pour rester sur du managé. L'agent enchaîne automatiquement :

agents-cli scaffold enhance . --deployment-target agent\_runtime  
agents-cli deploy

![](https://storage.ghost.io/c/0b/31/0b31478e-a66a-46f1-8c34-d44388e21192/content/images/2026/04/agents_cli_05-deploy-options.png)

Cibles de déploiement et enrichissement du projet

## Étape 5 : Vérification dans Google Cloud

[](https://github.com/batou9150/writing-workspace/blob/main/blog/published-2026/Agents%20CLI%2C%20build%20an%20ADK%20agent%20with%20skills%20%28FR%29.md?ref=sfeir.dev#%C3%A9tape-5--v%C3%A9rification-dans-google-cloud)

Direction la console Google Cloud, section **Agent Platform > Agents > Deployments**. Mon `success-stories-agent` apparaît dans la liste, avec :

- La télémétrie activée
- Le framework `google-adk` détecté
- Le déploiement en région `us-east1`

![](https://storage.ghost.io/c/0b/31/0b31478e-a66a-46f1-8c34-d44388e21192/content/images/2026/04/agents_cli_06-deployment.png)

Déploiement visible dans Agent Platform

## Étape 6 : Test dans le Playground

[](https://github.com/batou9150/writing-workspace/blob/main/blog/published-2026/Agents%20CLI%2C%20build%20an%20ADK%20agent%20with%20skills%20%28FR%29.md?ref=sfeir.dev#%C3%A9tape-6--test-dans-le-playground)

Le **Playground** intégré à Agent Platform permet de tester l'agent immédiatement après déploiement, sans passer par Gemini Enterprise.

Je lance ma requête métier :

> *Cherche des références dans le secteur de la banque pour un projet GenAI*

L'agent répond en français, structure sa réponse avec un tableau (Client & Secteur, Problématique Métier, Solution & Technologies, Résultat) et met en avant les références les plus pertinentes du secteur bancaire. Le grounding sur le datastore `success-stories-datastore` fonctionne du premier coup.

![](https://storage.ghost.io/c/0b/31/0b31478e-a66a-46f1-8c34-d44388e21192/content/images/2026/04/agents_cli_07-playground.png)

Test de l'agent dans le Playground Agent Platform

## Conclusion

[](https://github.com/batou9150/writing-workspace/blob/main/blog/published-2026/Agents%20CLI%2C%20build%20an%20ADK%20agent%20with%20skills%20%28FR%29.md?ref=sfeir.dev#conclusion)

`agents-cli` change la donne par rapport à l'Agent Starter Pack classique : au lieu d'apprendre une CLI, vous **briefez votre coding agent en langage naturel** et les skills se chargent du reste, du scaffolding au déploiement en passant par l'évaluation et l'observabilité.

En quelques échanges avec [Gemini CLI](https://www.sfeir.dev/ia/05-gemini-3-pro-avec-gemini-cli/), je suis passé de zéro à un agent agentic RAG déployé sur Agent Runtime, prêt à servir l'équipe commerciale. Le tout en gardant la maîtrise du code généré, puisque chaque action (scaffold, edit, deploy) est validée explicitement.

La prochaine étape logique : enregistrer cet agent dans **Gemini Enterprise** via le skill `google-agents-cli-publish` pour le mettre à disposition de tous les commerciaux SFEIR.

*Prêt à laisser votre coding agent prendre les commandes ?*