用 Gemini CLI DevOps 扩展在几分钟内交付代码

##### 卡尔·温迈斯特

开发者关系总监

借助像 Antigravity 和 Claude Code 这样的 AI 编码工具，我可以在创纪录的时间内构建出一个可运行的 Web 应用。但部署它呢？这才是让我过去常常耗费整个下午去处理 Dockerfile、IAM 绑定和 YAML 配置的地方。于是，我和其他大多数开发者一样，选择了捷径：干脆不部署。应用就这样停留在我的笔记本上，而我的工作永远无法上线。

这正是 内循环 与 外循环 之间的经典矛盾：前者是快速、本地化的代码编写与测试流程，后者则是容器化、CI/CD 流水线以及生产环境基础设施的构建。大多数开发者在其中一个环节高效，却在另一个环节受阻，而两者之间的鸿沟正是项目停滞的原因。

Gemini CLI CI/CD 扩展 正是为弥合这一差距而生。它通过单一终端界面，既支持快速部署，也能自动生成完整的流水线。下面我来演示一下具体如何操作。

构建 Cosmic Guestbook 应用

为了展示这一工作流，我们需要一个应用。让我们从一个空目录开始，使用我们的智能体“即兴编码”创建一个全新的项目：Cosmic Guestbook。

我们希望采用全栈架构：前端使用 React，后端使用 Node.js Express API。无需手动搭建，我们可以直接让智能体启动这个应用：

短短几秒钟内，智能体就为我们生成了 backend/ 目录下的 server.js 文件，以及 frontend/ 目录下完整样式的 React 应用。现在，一个功能完整的双层 Web 应用已存在于我们的笔记本上。

安装扩展

但仅在笔记本上写代码并不等于发布。为了让这个留言板上线，我们需要为所选环境配置 CI/CD 扩展。无论你的开发环境如何，首先请确保已安装 gcloud CLI，并使用应用默认凭据进行认证：gcloud auth application-default login。

接下来，在你偏好的开发环境中安装该扩展：

对于 Gemini CLI

直接在终端中运行以下命令：

对于 Claude Code

在终端中添加市场并直接安装插件：

对于 Antigravity 以及支持 npx 技能的智能体

你可以将扩展的 MCP 服务器作为自定义 MCP 启用，并将技能添加到你的工作区中：

工作原理

CI/CD 扩展是一个强大的三层系统，旨在将你的意图转化为安全、生产就绪的基础设施，适用于所有这些智能体环境：

1. 技能（Skills）：扩展中定义了专门的 AI 技能，如 google-cicd-deploy 和 google-cicd-pipeline-design。这些技能指导你的 AI 智能体（Gemini CLI、Claude Code 或 Antigravity）如何思考——帮助它分析代码、提出正确的问题，并以优雅的方式处理错误。

1. CI/CD MCP 服务器：后台运行着一个基于 Go 的专用 模型上下文协议（MCP） 服务器。该服务器提供一系列工具，赋予智能体实际操作 Google Cloud 所需的能力：从扫描敏感信息到创建 Cloud Run 服务，无所不包。

1. 本地知识库：为确保回答最准确，系统内置了一个预先索引的检索增强生成（RAG）数据库，其中包含经过验证的架构模式，使智能体能够基于权威来源做出设计决策。

你选择的 AI 助手将这些工具与模式整合成一个连贯的部署生命周期。

内循环

当你在构建原型或测试新功能时，根本不需要庞大复杂的多环境 CI/CD 流水线。你真正需要的只是一个公开的 URL，用于测试 webhook 或向利益相关者展示。这就是内循环，它必须足够快。

传统做法是手动编写 Dockerfile，认证容器注册表，构建镜像，推送镜像，最后部署。而 CI/CD 扩展将这一过程简化为一条自然语言指令：gemini "使用 google-cicd-deploy 技能将此应用部署到 Google Cloud"。如果你使用的是 Claude Code，也可以通过 claude -p "将此应用部署到..." 发出相同指令；在 Antigravity 中，只需输入你的部署请求即可。

当你执行这条指令时，AI 智能体会分析你的本地工作区，确定最佳部署方式。

第一步：部署前安全扫描

泄露密钥是软件中最常见且代价最高的安全漏洞之一。GitGuardian 的《2025 年凭证泛滥状况报告》显示，仅一年内就有 2380 万个新凭证在公共 GitHub 上暴露；2022 年泄露的凭证中，仍有 70% 仍在活跃使用。问题发生得极快：你在本地测试时硬编码了数据库密码，忘记删除便提交了代码。

该扩展会在问题发生前将其拦截。在任何代码离开你的机器之前，它会扫描整个工作区中的敏感信息。如果发现你的源码中存在 Stripe API 密钥或数据库凭据，智能体会立即暂停部署并发出警告。绝不会因意外导致密钥被上传至云端。

如果你在本地开发时不小心提交了数据库密码或 Stripe API 密钥，你的助手会及时发现并阻止部署。这正是实际应用中真正的左移安全的体现。

第二步：应用分析与容器化

接下来，你的代理会检查 package.json 或 go.mod 文件，以确定你所使用的框架。它会自动判断是使用 Google Cloud Storage（用于静态站点）还是 Cloud Run（用于动态服务）。

如果你正在构建一个没有 Dockerfile 的动态服务，该扩展将利用 Google Cloud 的 Buildpacks 为你即时完成容器化。

第三步：澄清与部署

对话式代理不会盲目猜测你希望如何配置应用。在对 Google Cloud 环境进行任何更改之前，助手会暂停流程，并根据其分析结果提出优先级问题。

对于我们的 Cosmic 客户留言簿项目，我并未指定区域或服务是否公开。助手暂停并询问了以下内容：

“我已经完成分析，并为 Cloud Run 的统一部署准备好了应用。由于 Node.js Buildpack 需要单一入口点，我创建了一个根目录下的 package.json，其中包含自定义构建脚本，用于构建 React 前端，并允许 Express 后端静态提供该前端。

此外，敏感信息扫描已成功完成，未发现任何敏感凭据。

在使用 Cloud Run 源码部署选项（Buildpacks）进行部署前，我需要确认几个部署参数：

1. 区域/位置：gcloud 默认未指定位置。您希望部署到哪个 Google Cloud 区域？（例如：us-central1、europe-west1）

2. 访问权限：该应用应对外公开还是私有？

3. 服务名称：我建议将服务命名为 cosmic-guestbook。这个名称是否合适？”

这种对话式暂停确保即使在快速迭代的内部循环中，你仍能完全掌控自己的云架构。确认细节后，代理会将代码实时推送，并返回公网 URL：

后台由 cloudrun.deploy_to_cloud_run_from_source 自动处理部署。

外部循环

一个简明的部署提示非常适合周二下午的原型开发，但你无法仅靠笔记本电脑运行生产系统。最终，你需要外部循环的严谨性：自动化测试、源码控制集成以及正式的持续部署。

编写 cloudbuild.yaml 文件并配置必要的基础设施（如 Artifact Registry 存储库或通过 Developer Connect 连接 GitHub）历来繁琐且容易出错。借助 google-cicd-pipeline-design 技能，你的 AI 代理将成为你的私人平台工程顾问。

无需从零开始编写 YAML，你可以直接展开对话。你的代理会询问你的测试策略以及部署目标，然后自主地配置所需的 Google Cloud 基础设施。

第一步：架构设计与反馈

你可直接在对话界面中启动流程：

你的助手并非黑箱操作。它会从知识库中检索常见的 CI/CD 模式。在掌握最相关知识后，它会向你提出一份具体的 YAML 方案供审查。

第二步：基础设施配置

获得方案批准后，助手将按顺序执行所需的基础架构步骤。例如，它可能首先为你的容器创建一个注册表。

接着，它可能会设置 Git 连接，以便 Cloud Build 能读取你的源代码。

第三步：流水线生成与触发

最后，代理会生成实际的 cloudbuild.yaml 文件，定义流水线阶段（测试、构建、部署）。以下是来自仓库的生成配置片段，突出显示了初始构建步骤：

有了流水线定义后，我们需要一种方式自动执行它。代理最终会创建一个 Cloud Build 触发器。该触发器充当你的 GitHub 仓库与 Cloud Build 之间的纽带，确保每次向 main 分支推送代码时，都会自动触发 cloudbuild.yaml 中的步骤。

安全与控制

AI 辅助的基础设施生成听起来令人惊叹，但合理的问题是：这安全吗？

该扩展严格在你本地 应用默认凭证 (ADC) 的权限范围内运行。它无法执行你无法执行的操作。由于采用了 模型上下文协议 (MCP)，从创建 Artifact Registry 到修改 Cloud Build 触发器的每一步操作，都通过强类型、可验证的工具执行。

如果你不喜欢提议流水线中的某一步，只需告诉你的代理进行修改。你始终是自己基础设施的“总编辑”。我们强烈建议你遵循 最小权限原则，无论是本地 ADC 还是生成流水线所用的服务账户。

开发与运维的融合

想要写代码与必须交付之间的摩擦终于正在消解。我们正走出那个深谙 YAML 格式才能将应用上线互联网的时代。

通过处理繁琐的内部循环（scrappy inner loop）和自动化外部循环（automated outer loop），对话式 AI 让开发者能够专注于真正重要的业务逻辑。

接下来怎么做

如果你想亲身体验这一融合趋势，以下是你的下一步行动：

1. 获取工具：安装 Gemini CLI 的 CI/CD 扩展。

1. 部署内部循环：选择一个现有的侧边项目（或让选定的智能体帮你搭建一个新项目，例如我们的 Cosmic Guestbook），并提示它部署到 Google Cloud，立即在 Cloud Run 或 Cloud Storage 上看到运行效果。

1. 自动化外部循环：对一个准备投入生产的仓库运行设计命令，观察你的智能体自动生成 cloudbuild.yaml 并配置好基础设施。

停止与配置文件搏斗，开始快速交付。欢迎通过 LinkedIn、X 或 Bluesky 告诉我你打造了什么！

发布于

• 开发者与实践者