Google 发布了一篇实操教程，展示了如何用 Gemini Enterprise Agent Platform 和 Agents CLI 端到端构建一个生产级 Agent。核心逻辑是：通过 CLI 将提示工程与基础设施绑定，在编码代理内完成从原型到生产治理的全流程。

文章以 ‘Industry Watch agent’ 为例——该 Agent 每周对比半导体公司的新闻稿和 SEC 申报文件，找出信息差。架构上强调 agent 而非 chatbot：因为新闻稿可被投毒、模型训练数据有截止日期、且需要实时抓取并确定性匹配。解决方案是让模型只调用三个工具（新闻抓取、SEC 披露抓取、比对得分），比对过程用纯 Python 执行，模型不参与幻觉环节。

六个阶段都有具体的 CLI 命令和架构要点：
1. Setup：安装 Agents CLI，注入脚手架、部署、评估、发布四种技能，并通过 MCP 接入最新官方文档。
2. Build：不手写代码，而是描述意图，编码代理自动生成 ADK 项目骨架和三个工具函数。其中 reconcile_claims_vs_disclosures 工具使用 CIK/日期窗口匹配、去重、并按 8-K 条款优先级打分。
3. Deploy：agents-cli deploy 部署到托管运行时，支持自动扩缩和零停机；通过 Memory Bank 让 Agent 跨周记住用户观测列表。
4. Govern：为 Agent 创建独立身份代理、通过 Agent Gateway 限制出口域名为 sec.gov 和 gdeltproject.org、并在工具边界处部署 Model Armor 防止投毒。
5. Evaluate：在 CI 中集成自动化的 grounded eval，检测幻觉而非模型自信度。
6. Publish：发布到 Gemini Enterprise App，业务用户可直接在已有界面提问。

关键限制原文已隐含：SEC 接口和 GDELT API 是外部依赖，代码执行沙箱仅限 us-central1 区域。整套方法适用于任何需要实时数据、可审计答案和受保护工具边界的任务。