agents-cli 沙箱代码执行指南clone-and-study 食谱速成 per-user 隔离环境【免费下载链接】agents-cliThe CLI and skills that turn any coding assistant into an expert at creating, evaluating, and deploying AI agents on Google Cloud.项目地址: https://gitcode.com/GitHub_Trending/ag/agents-cliagents-cli是 Google 开源的命令行工具与技能套件用于在 Google Cloud 上创建、评估和部署 AI Agent。当你需要让 Agent 替用户执行沙箱代码、提供per-user 隔离环境时agents-cli 的答案不是某个命令行参数而是一套被称为clone-and-study 食谱的学习方法克隆官方参考示例、研读其AGENTS.md、再迁移到自有项目。本文将完整解读这条路径。为什么沙箱执行不是一个开关 scaffold脚手架命令负责生成项目骨架、CI/CD 与评估样板但像沙箱代码执行、跨会话记忆、OAuth 授权、安全护栏这类高级能力官方明确不内置为 flag而是沉淀为可研究的参考食谱。这一设计决策在项目里处处可见早期infra datastore/data-ingestion命令已被移除运行后会打印一段重定向提示指向 clone-and-study 食谱相关变更说明见 RELEASE_NOTES.md开发工作流技能明确要求能力来自 clone-and-study 食谱而非 scaffold 参数google-agents-cli-workflow Phase 1。 核心思想Study and adapt — dont scaffold from a recipe.研究并改造而不是从食谱直接脚手架。场景对照表你的需求属于哪个食谱食谱目录位于 skills/google-agents-cli-adk-code/references/samples.md它把能力需求直接映射到该学哪个食谱。与沙箱相关的关键条目你的需求该研究的食谱替用户执行 Shell 命令或 Python沙箱化、隔离或 per-user 环境/工作区long-horizon-harnessAgent 运行时动态发现并加载SKILL.md技能long-horizon-harness跨会话记忆、长时间自主运行跨天、可恢复long-horizon-harness模型永远不可见的 per-user 凭据long-horizon-harness子 Agent 委派 隔离上下文窗口long-horizon-harnessRAG 文档检索rag-vector-search/rag-agent-search四步完成 clone-and-study 学习 ✅目录页给出的标准流程是稀疏克隆sparse checkout 先读AGENTS.md全程只需一个临时目录浅稀疏克隆示例仓库git clone --filterblob:none --depth 1 --sparse adk-samples /tmp/adk-samples仅下载所需内容速度快稀疏检出目标食谱git sparse-checkout add core/python/long-horizon-harness先读AGENTS.md再写代码cat core/python/long-horizon-harness/AGENTS.md迁移模式而非整体照搬按需摘取单个接口/模式的实现AGENTS.md是食谱的导读手册写明意图、按优先级排序的文件巡游路线、哪些代码可直接复制、哪些是食谱特有的以及常见坑。目录页特别提醒每个core/食谱都附带AGENTS.md——没打开它之前你只是在凭记忆作答。深入 long-horizon-harness沙箱能力的完整载体 ️long-horizon-harness是一个完整的 Agent 执行框架harness沙箱代码执行只是它的一部分能力per-user 沙箱每个用户独立的隔离执行环境模型无法越界访问其他用户的工作区与凭据逐工具护栏链工具调用守卫 数据外泄exfil检测持久化人工审批HITL高危、不可逆操作前先经人工签核运行时技能发现会话中途可重新绑定、升降级SKILL.md技能。关键文件路线供研读时参考AGENTS.md、horizon/agent.py、horizon/fast_api_app.py、docs/architecture.md。AGENTS.md会把每个接口映射到真正实现它的函数让你只摘取需要的模式而不必吞下整个 harness。从食谱到生产落地三步走 适配基础设施需要沙箱等后端设施的食谱自带 Terraform 与Makefile如make setup-infra把食谱的infra/terraform/与.env适配进项目即可——注意 agents-cli 本身没有对应命令这一步由食谱自己负责进入标准工作流克隆研读属于工作流Phase 1之后依次是 scaffoldPhase 2→ 构建Phase 3→agents-cli eval评估Phase 4→agents-cli deploy部署Phase 5完整阶段说明见 工作流技能持续观测部署后通过 Cloud Trace / BigQuery 分析监控沙箱调用的轨迹与异常参考 观测指南。⚠️常见误区看到需求就想手写 Docker / E2B 沙箱封装——目录页直言为索引中已列出的能力手写沙箱封装意味着你停留在了名字上而没有真正研读代码。先查食谱再决定自己造轮子。延伸阅读 资料路径食谱主题索引能力 → 食谱映射references/samples.md开发工作流Phase 1 研读指南google-agents-cli-workflow移除命令的重定向实现src/google/agents/cli/data/_recipe.py扩展起始 AgentRAG/沙箱指引guide/development.md版本变更说明RELEASE_NOTES.md掌握 clone-and-study 食谱后你就具备了用 agents-cli 构建能安全替用户执行代码的 Agent 的完整方法论查索引 → 稀疏克隆 → 读 AGENTS.md → 摘取模式 → 走标准工作流上线。【免费下载链接】agents-cliThe CLI and skills that turn any coding assistant into an expert at creating, evaluating, and deploying AI agents on Google Cloud.项目地址: https://gitcode.com/GitHub_Trending/ag/agents-cli创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考