Créer des CLI pour les agents IA : principes de conception issus du CLI gws de Google

✍️ OpenClawRadar📅 Publié: March 7, 2026🔗 Source
Créer des CLI pour les agents IA : principes de conception issus du CLI gws de Google
Ad

Pourquoi la conception CLI axée sur les agents est importante

L'expérience développeur (DX) humaine optimise la découvrabilité et la tolérance, tandis que la DX des agents nécessite de la prévisibilité et une défense en profondeur. L'article soutient que l'adaptation des CLI conçus pour les humains aux agents est inefficace, et le démontre à travers l'interface en ligne de commande gws de Google pour Google Workspace, qui a été conçue dès le départ avec les agents d'IA comme consommateurs principaux.

Principes clés de conception

Charges utiles JSON brutes plutôt que des indicateurs sur mesure : Les humains préfèrent des indicateurs simples comme --title "Mon document", mais les agents fonctionnent mieux avec des charges utiles JSON directes qui correspondent aux schémas d'API sans perte de traduction.

Exemple de comparaison :

Centré sur l'humain (10 indicateurs, espace de noms plat) :
my-cli spreadsheet create --title "Budget T1" --locale "en_US" --timezone "America/Denver" --sheet-title "Janvier" --sheet-type GRID --frozen-rows 1 --frozen-cols 2 --row-count 100 --col-count 10 --hidden false

Centré sur l'agent (un indicateur JSON) : gws sheets spreadsheets create --json ' { "properties": {"title": "Budget T1", "locale": "en_US", "timeZone": "America/Denver"}, "sheets": [{"properties": {"title": "Janvier", "sheetType": "GRID", "gridProperties": {"frozenRowCount": 1, "frozenColumnCount": 2, "rowCount": 100, "columnCount": 10}, "hidden": false}}] }'

L'interface en ligne de commande gws utilise les indicateurs --params et --json pour toutes les entrées, acceptant directement les charges utiles complètes de l'API. L'approche recommandée est de prendre en charge les deux voies dans le même binaire plutôt que de maintenir des outils séparés.

Ad

Considérations supplémentaires

L'article décrit plusieurs autres considérations de conception pour les CLI axés sur les agents :

  • Introspection du schéma : Des schémas autodescriptifs que les agents peuvent introspecter à l'exécution
  • Discipline de la fenêtre de contexte : Gérer la sortie pour qu'elle s'insère dans les limites de contexte de l'agent
  • Durcissement des entrées : Protection contre les hallucinations des agents
  • Compétences des agents : Livrer des capacités plutôt que de simples commandes
  • Prise en charge multi-surface : Fonctionnement avec MCP, extensions et variables d'environnement
  • Garde-fous de sécurité : Modes de simulation et assainissement des réponses

Les interfaces en ligne de commande deviennent l'interface à moindre friction pour que les agents d'IA interagissent avec des systèmes externes, nécessitant une sortie déterministe et lisible par machine plutôt que des interfaces orientées vers les humains.

📖 Lire la source complète : HN AI Agents

Ad

👀 See Also

Script Python de 80 lignes utilisant Claude pour générer automatiquement des suggestions de liens internes, réduisant le temps de liaison de 2 heures à 8 minutes
Tools

Script Python de 80 lignes utilisant Claude pour générer automatiquement des suggestions de liens internes, réduisant le temps de liaison de 2 heures à 8 minutes

Un utilisateur de Reddit a conçu un script Python de 80 lignes qui envoie un brouillon d'article et un sitemap à Claude, qui renvoie des liens internes pertinents avec un texte d'ancrage suggéré — réduisant le temps de liaison manuelle de 2 heures à 8 minutes par article.

OpenClawRadar
ProofShot : CLI pour Agents IA pour Vérifier le Code UI avec Enregistrement Navigateur
Tools

ProofShot : CLI pour Agents IA pour Vérifier le Code UI avec Enregistrement Navigateur

ProofShot est un outil CLI qui permet aux agents d'IA de codage d'ouvrir un navigateur, d'interagir avec des pages, d'enregistrer des sessions et de collecter des erreurs, puis de regrouper le tout dans un fichier HTML autonome pour examen. Il fonctionne avec n'importe quel agent d'IA via des commandes shell et est conditionné en tant que compétence.

OpenClawRadar
Mímir : Un système de mémoire Python basé sur 21 mécanismes de neurosciences
Tools

Mímir : Un système de mémoire Python basé sur 21 mécanismes de neurosciences

Mímir est un système de mémoire Python pour agents IA qui implémente 21 mécanismes de sciences cognitives comme la mémoire flash et l'oubli induit par la récupération. Il utilise un index hybride BM25 + sémantique + date et montre des améliorations de référence, notamment une précision d'outil 13% supérieure sur Mem2ActBench par rapport à VividnessMem.

OpenClawRadar
Les 171 vecteurs d'émotion interne de Claude influencent la sortie : Boîte à outils basée sur la recherche d'Anthropic
Tools

Les 171 vecteurs d'émotion interne de Claude influencent la sortie : Boîte à outils basée sur la recherche d'Anthropic

Le document de recherche d'Anthropic révèle que Claude possède 171 modèles d'activation internes qui fonctionnent comme des vecteurs d'émotion, influençant causalement son comportement avant qu'il n'écrive. Un développeur a créé une boîte à outils avec 7 principes pratiques de prompt et des prompts système basés sur ces découvertes.

OpenClawRadar