自动化与运维 google-cloud ci-cd terraform vertex-ai cloud-run rag observability gemini

Google Cloud Agent Starter Pack

用现成模板、基础设施、评测与 CI/CD 将生成式 AI Agent 部署到 Google Cloud。

源仓库: GoogleCloudPlatform/agent-starter-pack
Star 数: ★ 6.6k
最近更新: 5 个月前
License: Apache-2.0
主语言: Python
FA 评分: 67/100 · 存在缺口

30 秒速览

运行形态: 命令行工具开发框架
可在哪里用: 平台专用
费用: 软件免费，模型调用费用自付
上手难度: 中 · 需要几步配置
开始前需要: Python 3.10+Google Cloud SDKTerraformMakeGoogle Cloud 项目Shell / 命令行网络访问本地文件系统
典型场景: Google Cloud 团队需要快速建立包含 Terraform、CI/CD、监控和可观测性的 Agent 项目，而不想从零搭建交付体系。
不适合: 需要脱离 Google Cloud 或 Vertex AI 部署的团队
不愿自行承担云资源权限与费用的用户
需要持续新功能与新模板的项目
源码审查: 67/100 · 存在缺口

这个 Agent 能做什么，适合哪些场景？

Agent Starter Pack 是一个 Python 包，用于生成面向 Google Cloud 的生产就绪 Agent 项目。它提供 ADK、ADK A2A、Agentic RAG、LangGraph、ADK Java 和实时多模态 ADK 等模板，并可生成后端、前端及部署基础设施。项目覆盖原型开发、Vertex AI 评测、交互式 playground、Terraform 部署、CI/CD、监控与可观测性，部署目标包括 Cloud Run 和 Agent Engine。RAG 模板可使用 Vertex AI Search 或 Vector Search，流水线也能通过 Terraform 和 CI/CD 处理嵌入数据。该仓库目前处于维护模式，只接收关键修复；新项目被明确建议改用 agents-cli，现有项目也应评估迁移。

运行 agent-starter-pack create 后，CLI 根据预置或远程模板创建一个包含 Agent 代码、后端、前端、测试和部署基础设施的项目。可选模板包括基于 Google Agent Development Kit 的 adk、支持 Agent2Agent Protocol 的 adk_a2a、连接 Vertex AI Search 或 Vector Search 的 agentic_rag、基于 LangGraph 的 ReAct Agent、adk_java，以及支持音频、视频和文本聊天的 Gemini 多模态 adk_live。生成的工程可使用 Vertex AI evaluation 和交互式 playground 进行实验，通过 Terraform、Cloud Build 或 GitHub Actions建立部署流水线，并部署到 Cloud Run 或 Agent Engine。对于已有 Agent，agent-starter-pack enhance 会在项目根目录加入面向生产部署的基础设施。它还支持从任意 Git 仓库加载远程模板，并提供 GEMINI.md 供 Gemini CLI 理解模板与架构。

Google Cloud 团队需要快速建立包含 Terraform、CI/CD、监控和可观测性的 Agent 项目，而不想从零搭建交付体系。
开发者要用 ADK 或 LangGraph 构建 ReAct Agent，并希望从可运行模板开始。
知识检索团队要创建连接 Vertex AI Search 或 Vector Search 的 RAG Agent，同时建立嵌入数据处理流水线。
分布式系统团队要试验支持 Agent2Agent Protocol 的 ADK Agent，以实现 Agent 间通信和互操作。
多模态应用团队要开发由 Gemini 驱动、支持音频、视频和文本聊天的实时 RAG Agent。
已有 Agent 的团队希望通过 enhance 补充 Google Cloud 部署和基础设施，但仍需接受该项目已进入维护模式。

如何安装或部署这个 Agent？

前置条件：Python 3.10+、Google Cloud SDK、Terraform（部署时需要）、Make（开发任务需要），以及用于承载资源的 Google Cloud 项目。推荐安装并首次创建项目：

uvx agent-starter-pack create

若不使用 uv：

python -m venv .venv && source .venv/bin/activate
pip install --upgrade agent-starter-pack
agent-starter-pack create

上述流程会在本地文件系统生成一个可定制的 Agent 工程。使用 Google Cloud API 和部署资源时，需要按 Google Cloud SDK 与项目要求完成身份验证；来源未给出具体登录或 IAM 命令。

如何使用这个 Agent？

新项目在终端运行 uvx agent-starter-pack create，然后在创建流程中选择并定制所需模板。可用方向包括 adk、adk_a2a、agentic_rag、langgraph、adk_java 和 adk_live。生成的项目可在交互式 playground 中试验，使用 Vertex AI evaluation 评测，并通过模板附带的 Terraform 与 CI/CD 配置部署到 Cloud Run 或 Agent Engine。已有项目应在其根目录运行 uvx agent-starter-pack enhance，为现有 Agent 添加部署与基础设施。由于该仓库已进入维护模式，新项目的官方建议入口是 uvx google-agents-cli setup；迁移说明称 Agent 代码、测试、Terraform 和 CI/CD 可以沿用而无需重写。

这个 Agent 有哪些优点和局限？

优点

模板覆盖 ReAct、RAG、A2A 和实时多模态等具体模式，并同时提供 ADK、LangGraph 与 Java 选项。
不仅生成 Agent 逻辑，还覆盖后端、前端、Terraform、CI/CD、评测、监控和可观测性。
明确支持 Cloud Run 与 Agent Engine 两种部署目标，CI/CD 可选择 Google Cloud Build 或 GitHub Actions。
RAG 路径同时支持 Vertex AI Search、Vector Search，以及用于处理嵌入数据的 Terraform/CI/CD 流水线。

局限

仓库已进入维护模式，仅提供关键修复，不再增加功能、模板或部署目标。
核心部署、评测、检索和运行路径大量依赖 Google Cloud、Vertex AI 与 Gemini，跨云采用需要重新集成。
本地与部署工具链包含 Python 3.10+、Google Cloud SDK、Terraform 和 Make，团队需要维护这些依赖。
使用者在自己的 Google Cloud 项目中创建并负责相关资源，因此必须自行处理资源成本、服务条款、权限和运维。
仓库仅用于演示，并非 Google 官方支持的产品。

这个 Agent 与同类方案有什么区别？

与后继项目 agents-cli 相比，Agent Starter Pack 使用 Makefile 驱动工作流且已进入维护模式；agents-cli 提供统一 CLI，包括 run、deploy、eval run、eval compare、playground 和 lint，并增加编码 Agent 技能、端到端生命周期工具及对 Google Cloud Agent Platform 的一等支持。来源明确建议新项目直接采用 agents-cli，现有项目迁移过去。

与相关度最高的同类 agent 并排比较关键指标。

Agent	源码审查	形态 / 费用	Star	最近更新	主语言	完整支持的平台
Google Cloud Agent Starter Pack 当前	67 · 存在缺口	命令行工具免费 + 模型费	★ 6.6k	5 个月前	Python	—
Archestra	71 · 存在缺口	自托管服务免费版 + 付费版	★ 4.4k	今天	TypeScript	Codex · Claude Code · OpenAI API · Claude API
Kubeflow 文档 AI 助手	42 · 缺口较多	自托管服务免费 + 模型费	★ 46	1 天前	Python	—
Orbi	83 · 表现良好	命令行工具免费 + 模型费	★ 220	今天	Python	—

FollowAgents 如何评估这个 Agent？

FollowAgents 源码审查 · FARS-2.1

存在缺口

67/ 100 五分制 3.4 / 5

信任安全 16/29

可靠稳定 6/14

适用触发 15/18

规范维护 14/18

有效结果 12/13

证据核验 4/8

查看各维度的扣分理由

信任安全16 / 29 · 2.8/5

工作流对文档部署使用了明确的最小化权限，发布流程也包含环境人工审批，README 明示会在用户自己的 Google Cloud 项目中创建资源，并清楚标注作者、许可证及非官方支持声明。扣分点是未展示生成模板的完整 IAM 权限、逐项外部副作用或数据流；敏感数据处理证据主要限于通过 secrets 注入令牌；依赖仅设置版本范围，Actions 未固定到提交摘要且 setup-uv 使用 latest；也未提供云资源部署回滚方案。

可靠稳定6 / 14 · 2.1/5

README、项目元数据、工作流和示例测试共同表明该项目有明确依赖、构建发布流程和基础响应断言。扣分点是 README 同时宣称进入仅修复关键问题的维护模式，又称会持续扩展 Agent 库，存在明显叙述冲突；多个依赖只有宽松下限，且给出的失败消息主要是简单测试断言，没有展示面向 CLI、云部署或网络故障的系统化诊断。

适用触发15 / 18 · 4.2/5

资料明确覆盖新建和增强既有 Agent、ReAct、RAG、多 Agent、实时多模态、Cloud Run 与 Agent Engine 等受众和场景，并列出 Python、Cloud SDK、Terraform、Make 等环境要求。扣分点是能力边界主要通过维护模式和演示用途免责声明表达，未细化各模板不能处理的任务；CLI 触发命令清晰，但没有给出误用防护、前置状态检测或复杂项目匹配规则。

规范维护14 / 18 · 3.9/5

README 的安装、模板、功能、架构、要求、文档和支持入口组织良好，Apache-2.0 全文与项目元数据一致，并存在语义版本及自动发布流程。扣分点是迁移到 agents-cli 造成名称和更新路径变化；示例测试覆盖较浅，未见完整 FAQ；已知限制缺少模板级细节；未提供独立变更日志文件，且 README 的求助链接指向另一个仓库，同时声明项目不受官方支持，因此维护责任并非完全清晰。

有效结果12 / 13 · 4.6/5

模板覆盖后端、前端、基础设施、CI/CD、评估和可观测性，针对从原型到云部署提供了明显的集成价值，产出看起来可直接继续定制。扣分点是“60 秒”“production-ready”和迁移无需重写等收益缺少所给静态文件中的量化支持；用户仍需承担 Google Cloud 资源、依赖安装、迁移和运行费用，资料没有成本估算。

证据核验4 / 8 · 2.5/5

核心结构性主张可由 pyproject、工作流、模板测试和 README 相互部分印证，例如包版本、CLI、发布流程和基础 Agent 响应检查。扣分点是未提供执行结果或测试报告，两个集成测试近乎相同且只验证存在文本输出，adk_live 单元测试是固定天气示例；多项营销性主张未与事实性限制清楚分开，也缺乏所给材料之外的独立交叉佐证。

风险与缓解建议

该项目已进入维护模式，仅接收关键修复；新项目应评估其指定的 agents-cli 迁移路径。
创建、增强或部署操作可能在用户自己的 Google Cloud 项目中产生资源、权限和费用；执行前应审查生成的 Terraform、IAM 和 CI/CD 配置。
发布工作流使用长期令牌 secrets、未按提交摘要固定的 GitHub Actions，以及 latest 版本的 setup-uv；供应链敏感环境应进一步锁定版本并限制令牌权限。
“60 秒上线”“生产就绪”和“无需重写迁移”是静态材料中未充分验证的主张，不应视为已测试保证。

证据充分度：低评估于 2026年8月14日审查版本 659f04774245

评估证据 README.md LICENSE pyproject.toml workflows/docs.yml workflows/release.yml integration/test_agent.py integration/test_agent.py unit/test_dummy.py

查看完整评分方法 →

常见问题

现在还适合用它启动新项目吗？

通常不适合。仓库明确处于维护模式，只接收关键修复，并建议所有新项目从 agents-cli 开始。

它会把资源部署到哪里？

资源部署在使用者自己的 Google Cloud 项目中，文档列出的运行目标是 Cloud Run 或 Vertex AI Agent Engine。使用者自行负责这些资源及相关费用。

需要哪些权限和凭证？

需要能够使用 Google Cloud SDK，并有权在目标 Google Cloud 项目中调用相关 API、部署和管理资源。来源没有列出具体 IAM 角色或认证命令，因此采用前应另行确定最小权限。

它是否支持非 Google 模型或其他云平台？

来源没有记录非 Google 模型提供商或其他云的部署路径。已说明的核心集成集中在 Gemini、Vertex AI、Cloud Run、Agent Engine、Vertex AI Search 和 Vector Search。

现有项目能否补充这些基础设施？

可以。在现有 Agent 项目的根目录运行 uvx agent-starter-pack enhance。不过，由于项目已进入维护模式，应同时评估迁移到 agents-cli。

Google Cloud Agent Starter Pack

30 秒速览

这个 Agent 能做什么，适合哪些场景？

如何安装或部署这个 Agent？

如何使用这个 Agent？

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

FollowAgents 如何评估这个 Agent？

最近版本

常见问题

相关 Agents

Archestra

Kubeflow 文档 AI 助手

Orbi

AgentSight