Google Cloud Developer 插件让 AI 编码助手直连云端部署

终端里的编码 Agent 可以秒级生成微服务脚手架。但当 Agent 需要直接部署到 Google Cloud 时会发生什么？

没有云端特定的指导，常见的 Agent 会举步维艰。它们可能臆造过时的 SDK 调用，在缺少必要权限的情况下尝试运行命令，或者悄悄启用计费 API，在你的账单上制造意外开销。

google-cloud-developer 插件改变了这一局面。它为 Agent（如 Antigravity CLI、Claude Code、Codex CLI）配备了精选技能和 Developer Knowledge MCP 服务器。

为了验证该插件的实际效果，我给 Antigravity CLI（agy）布置了一个任务：从一个全新的 Google Cloud 项目开始，构建一个完整的云端解决方案。场景包括：在 Cloud Run 上搭建、容器化并部署一个安全的 Gemini API 流式代理，附带 Cloud IAM 认证和 Firestore token 追踪。

虽然最终生成的 Cloud Run 代理代码库可以工作，但代理本身只是一个示例。真正的价值在于该插件如何引导 Agent 完成云端开发的每个阶段：

应用设计与 SDK 代码生成：编写无臆测的 Gemini SDK 代码，并选择正确的数据库。

项目初始化、账单验证和 API 启用：审计项目、关联 Cloud Billing 账户，在启用计费 API 前请求用户明确授权。

最小权限 IAM 与 Cloud Run 部署：配置专用服务账号，异步部署容器。

端到端验证：针对在线服务测试流式传输和 token 持久化。

快速安装：五个技能和一个 MCP 服务器

还记得《黑客帝国》里 Trinity 找 Tank 要直升机驾驶程序、几秒钟就学会的场景吗？给 agy 添加这个插件只需要一条终端命令：

agy plugin install https://github.com/google/skills/plugins/cloud/google-cloud-developer

CLI 会克隆插件仓库、注册其组件，并立即使其可用。

几秒钟内，agy 就配置好了：

覆盖 Google Cloud CLI 模式和workflow的五个专业技能。

提供当前 API 语法和 Google Cloud 文档访问的 Developer Knowledge MCP 服务器。

插件激活后，agy 将其 Gemini 3.8 Flash 模型与权威的云端指令配对使用。

注意：作为 Google Cloud 的重度用户，我已安装并认证了 gcloud。同时也在项目中启用了 Developer Knowledge API。对于新用户以及使用不同工具（如 Claude Code CLI 或 Codex CLI）的用户，建议按照官方文档来入门。

知识锚定：编写无臆测的现代 SDK 代码

AI 编程助手常见的一种失败模式是 API 过时。例如，旧的教程依赖已废弃的库如 google-generativeai。

由于 google-cloud-developer 插件直接连接 Developer Knowledge API，Agent 在写任何代码前都会先检查最新的官方语法。

在搭建 app/gemini_client.py 时，agy 立即使用了当前的统一 Google Gen AI SDK：

Agent 生成了干净的 Python 代码，包含 Pydantic 配置、结构化的 Cloud Logging 格式化器，以及使用 pytest 和 FastAPI TestClient 的单元测试。

informed 架构：借助 Developer Knowledge 评估数据库选项

为无服务器代理选择合适的数据库需要权衡延迟、连接处理、并发和成本。当我让 agy 追踪每个用户的 token 使用量并推荐最佳数据库时，Agent 并非随机挑选。

在 Developer Knowledge API 的支持下，Agent 获取了实时架构指导并评估了 Google Cloud 数据库选项：

通过基于 Developer Knowledge 进行分析，Agent 直接在终端中呈现了清晰的对比表，并推荐 Cloud Firestore 作为 Cloud Run 最具成本效益且运维最简单的选择。你得到的是一个基于官方云端模式的明智架构决策，而非凭空猜测。

成本防护与初始化：启用 API 前验证账单

代码和 Firestore 设计准备就绪后，Agent 需要在我的项目中启用 Gemini Enterprise、Cloud Run 和 Firestore API。自律型 Agent 在此处需要严格边界，因为启用 API 或配置托管资源都会产生费用。

google-cloud-developer 插件中的两个技能协调这一步骤：

飞行前账单审计：在启用计费服务前，google-cloud-recipe-onboarding 技能指示 Agent 验证目标项目已关联到活跃的 Cloud Billing 账户（gcloud billing projects describe）。

明确用户授权：gcloud 技能要求在运行 gcloud services enable 或任何破坏性操作前获得用户明确批准。

当 agy 识别出代理所需的 API 后，它首先检查了我的项目状态，然后暂停以等待明确授权：

系统的防护机制要求在启用任何 API 前获得用户明确批准，这特别针对潜在的安全风险和意外成本。

这让你始终掌控全局，消除了意外支出。

agy 的助力：调度计时器等待账单传播

在初始化技能的飞行前检查期间，我将一个新的账单账户关联到了测试项目，以便 agy 启用 API。在 Google Cloud 中，关联账单账户通常需要几分钟才能在各后端系统间传播。

虽然 google-cloud-developer 插件告诉 Agent 如何验证账单状态（gcloud billing projects describe 检查 billingEnabled: true），但 agy 用其原生的 Schedule 工具来补充插件，这样会话不会失败或陷入重试循环。

"好的，让我们等一下。我刚启用了账单，需要传播。我 10 分钟后再检查。"

Agent 安排了一个 600 秒的计时器，并释放了终端提示符：

恰好 10 分钟后，计时器唤醒了 Agent。它恢复了精确的对话上下文，用 gcloud beta billing projects describe 检查了账单状态，验证了 billingEnabled 为 true，然后提示启用所需的 API：

你可以走开、喝杯咖啡，让你的 Agent 在中断处无缝继续。

安全执行：最小权限 IAM

API 启用后，部署前的下一步是配置认证。没有指导时，Agent 通常会建议创建长期有效的 Gemini API 密钥或下载服务账号 JSON 密钥文件。

相反，google-cloud-recipe-auth 技能明确禁止下载服务账号密钥，并引导 Agent 遵循 Google Cloud 安全最佳实践：

专用服务标识：为工作负载创建专用服务账号（gemini-proxy-sa）。

最小权限 IAM 绑定：仅授予 roles/aiplatform.user（用于调用 Gemini）和 roles/datastore.user（用于 Firestore token 记录）。

认证入站流量：用 --no-allow-unauthenticated 保护 Cloud Run 端点，使 Google Frontend 在流量到达你的容器前先验证 Google 签名的 OpenID Connect（OIDC）ID token。

没有明文存储的密钥，权限范围也严格控制。

为了部署容器，agy 使用 finding-google-skills 从远程技能目录中拉取 Cloud Run 部署模式（cloud-run-basics），并结合 gcloud 技能的命令格式化规则：

gcloud run deploy gemini-38-flash-proxy \
  --source . \
  --region=us-central1 \
  --service-account=gemini-proxy-sa@[PROJECT_ID].iam.gserviceaccount.com

agy 的助力：后台运行长时间任务

从源码构建容器镜像仍需要几分钟。agy 通过将部署作为后台任务启动来提供帮助，而不会锁住你的交互会话：

注意终端中的任务状态栏：[14:12:41] gcloud run deploy gemini-38-flash-proxy ... running (1 task(s) · /tasks)

你可以在 Cloud Build 编译容器镜像的同时，继续与 Agent 对话、提问，或用 /tasks 检查后台任务。

在线验证：流式传输和按用户 token 持久化

后台部署完成后，agy 生成了测试命令来验证端到端流程。

使用认证身份令牌调用使用量端点：

curl -s -X GET https://gemini-38-flash-proxy-[PROJECT_NUMBER].us-central1.run.app/v1/users/me/usage \
  -H "Authorization: Bearer $(gcloud auth print-identity-token)"

返回实时 Firestore 持久化数据：

{
  "user_id": "[EMAIL]",
  "total_input_tokens": 14,
  "total_output_tokens": 41,
  "total_tokens": 55,
  "last_active": "2026-09-21T12:21:21.567000+00:00",
  "models.gemini-3_8-flash.input_tokens": 14,
  "models.gemini-3_8-flash.output_tokens": 41,
  "models.gemini-3_8-flash.total_tokens": 55
}

Firestore 中的原子递增记录了跨请求的 prompt 和 completion token 计数，让你对用户消耗量一目了然。

将 agy 与 google-cloud-developer 插件配对使用，可以打造更安全、更智能的 CLI 工作流：

知识锚定：Developer Knowledge API 防止过时的 SDK 臆测，确保准确的代码生成。

人工在环：内置技能防护机制在运行可能产生云端费用的命令前要求明确授权。

非阻塞工作流：调度的计时器处理异步云端操作，而后台任务让长时间构建无需冻结你的提示符。

企业级安全默认配置：鼓励使用最小权限服务账号和 IAM 认证，而非硬编码密钥。

了解更多关于 google-cloud-developer 插件的资源：

GitHub 上的 google-cloud-developer 插件

Google Cloud 博客上的官方公告

实战 codelab：在 Antigravity 中安装和使用 Google Cloud Developer 插件

我一直乐于分享所学，也很想听听 fellow 开发者们和 AI 爱好者们如何使用 Antigravity 和 Google Cloud。如果你觉得这篇文章有帮助，欢迎分享并在你喜欢社交平台上关注我：

进一步操作，你可以考虑屏蔽此人或举报滥用