几条gcloud命令部署的AI代理，首次运行发现7个崩溃pod

AI 代理与 ChatGPT 这类聊天助手的分界线在动作：助手只返回文本，代理直接做事。它能访问 GitHub、读 Kubernetes 集群、发邮件。底层是同一个大模型，区别在于代理输出的是工具调用指令，由后端执行。

用 Google ADK 搭一个代理不难。三步：定义工具（名称、描述、输入格式），写实际运行的函数，把工具交给代理。用 ADK 自带的 TypeScript SDK，不到 25 行代码就做出一个天气代理。部署在 Vertex AI 上，API 密钥都省了。GCP 账户里有额度、gcloud CLI 已认证，代理就能直接通过账户跟大模型通信。

作者手上有几个代码仓库，一些非技术背景的人也在上面提交内容。他对自己仓库里发生了什么几乎没有可见性，这正是他搭代理的起因。

第一个代理处理编码任务。把仓库克隆到本地，配上标准工具——读文件、写文件、列目录、创建 PR。用一个访问令牌把代理指向仓库，然后放手。指令只有一句：增加测试覆盖率。代理自己去克隆、写测试、开 PR，还主动照着仓库现有的测试文件结构放文件。

作者自己也提醒：不设沙箱就有风险。代理运行在它克隆仓库的同一台机器上。处理自己的代码没问题；指向不可信代码，得先做沙箱隔离。

第二个代理做每日提交摘要。它每天读一遍仓库的新提交，总结谁改了什么，检查有没有疑似新增的安全漏洞。最后把报告用邮件发给作者。

第三个代理盯 Kubernetes 集群。通过受限服务角色拿到只读权限，列出 pod、拉日志、标记崩溃的组件。第一次运行就发现 7 个崩溃的 pod，全属于同一个服务：一个清算待处理付款的定时任务。作者之前完全不知道它已经挂了。

三个代理都部署成 Cloud Run 作业，由 Cloud Scheduler 每天定时触发。配一次就完事，每晚自动收到邮件。全部由 Vertex AI 驱动，不需要 API 密钥，几条 gcloud 命令就部署完。Google Cloud 给新用户 300 美元免费额度，印度用户可以用 UPI 付款，不用国际信用卡。作者说这笔额度足够把一个类似项目从构建到部署完整跑一遍。

作者在结尾说，代理趁人睡觉时悄悄管理基础设施，可能是 AI 目前最被低估的用例之一。用 ADK 加 Vertex 来构建，整个过程比他预想的更容易上手。