- Centralisez les fonctionnalités de Google Cloud dans des packages installables compatibles avec les standards ouverts.
- Intégrez la documentation officielle en temps réel à l'aide des serveurs MCP pour éviter les hallucinations de l'IA.
- Mettez en œuvre des couches de sécurité et de validation IAM avant d'apporter des modifications à l'infrastructure.
- Il prend en charge l'intégration native avec des outils tels que Claude Code, Codex et Antigravity CLI.

Si vous travaillez dans le développement et utilisez des agents d'IA pour écrire du code, vous savez que faire comprendre à la machine le fonctionnement précis de l'infrastructure cloud peut parfois s'avérer un véritable casse-tête. Jusqu'à présent, il fallait fournir une documentation manuelle ou configurer des serveurs MCP distants, mais la situation devenait ingérable lorsqu'il était nécessaire d'utiliser plusieurs outils conjointement pour résoudre un problème complexe. Pour remédier à cela, Google Cloud a lancé le plugin AI Agents , une solution conçue pour regrouper les compétences et les outils dans un seul package installable.
Le principal avantage de ce système est qu'il dispense les développeurs de gérer des dépendances complexes ou des configurations différentes pour chaque assistant. Reposant sur un standard ouvert et neutre , il permet à l'agent d'accéder à une connaissance approfondie des produits sans encombrer la fenêtre de contexte, ce qui rend l'interaction avec l'écosystème Google beaucoup plus fluide et, surtout, plus efficace en situation réelle de travail.
Qu'est-ce que le plugin google-cloud-developer exactement ?

Ce plugin est en quelque sorte un kit de survie pour tout agent d'IA devant opérer sur Google Cloud. Son objectif principal est d'aider l'assistant à maîtriser les fondamentaux de la plateforme , en abordant des sujets essentiels tels que la gestion de projet, l'autorisation, l'authentification et, surtout, la mise en place de barrières de sécurité lors de l'exécution des commandes gcloud CLI.
L'un de ses atouts majeurs réside dans l'intégration de la configuration du serveur Developer Knowledge MCP. Grâce à cela, l'agent ne fournit aucune information erronée ; il s'appuie en effet en temps réel sur la documentation officielle de Google, garantissant ainsi des réponses toujours à jour et non basées sur des données obsolètes.
Types de plugins et leur fonctionnement

Google a structuré son référentiel de compétences pour permettre une croissance ordonnée, en divisant les modules complémentaires en deux blocs principaux :
- Plugins fondamentaux : Ce sont les notions de base pour tous. Elles portent sur la mise en place d'un projet, la conception architecturale et la capacité à trouver la documentation pertinente.
- Plugins axés sur les domaines : Ce sont des services plus spécialisés et ils offrent meilleures pratiques techniques pour des zones spécifiques au sein du cloud Google.
Pour éviter que l'agent ne se perde, il existe une carte routière appelée google-cloud-discovery.mdCe mécanisme sert de guide, redirigeant l'agent vers des capacités plus approfondies (telles que celles de GKE ou du WAF de Google Cloud) uniquement lorsque la tâche l'exige réellement, optimisant ainsi l'utilisation des ressources. ressources informatiques IA.
Mise à l'épreuve du plugin : le cas d'utilisation de l'intégration

Imaginez que vous découvrez la plateforme et que vous devez configurer un projet de A à Z avec facturation active et authentification locale pour que vos scripts fonctionnent avec une identité de service. Grâce au plugin installé, l'agent ne se lance pas automatiquement, mais suit un processus logique :
- Analyse environnante : L'assistant vérifie silencieusement si vous avez installé l'interface de ligne de commande (CLI) et si des organisations ou des projets ont déjà été créés.
- Examen de sécurité : Analyser les meilleures pratiques IAM pour prévenir, par la supervision, Filtres de clés privées dans un commit Git.
- Feuille de route: Il propose un plan d'action détaillé et demande votre autorisation avant d'accéder à toute ressource réelle dans le cloud.
Guide d'installation étape par étape

Selon l'outil utilisé, le processus varie légèrement, mais il nécessite toujours d'activer l'option correspondante. API de connaissances des développeurs en utilisant la commande gcloud services enable developerknowledge.googleapis.com.
Pour les utilisateurs de l'interface de ligne de commande d'Antigravity
C'est l'option la plus directe. Il vous suffit d'exécuter la commande d'installation en indiquant le chemin d'accès au dépôt GitHub : agy plugin install https://github.com/google/skills/plugins/cloud/google-cloud-developer.
Pour Claude Code CLI
La procédure est ici un peu plus détaillée. Il faut d'abord ajouter Google Marketplace, puis installer l'extension spécifique. Cette étape est indispensable. générer une clé API pour l'API Developer Knowledge et exportez-la vers votre terminal à l'aide de la variable d'environnement DEVELOPERKNOWLEDGE_API_KEY, de préférence en l'ajoutant à votre fichier .bashrc o .zshrc Vous n'aurez donc pas à le faire à chaque fois.
Pour Codex CLI
Comme pour Claude, on utilise la plateforme Marketplace. La différence, c'est qu'il faut mettre à jour le fichier de configuration. ~/.codex/config.toml Pour ajouter l'URL du serveur MCP et l'en-tête d'authentification avec votre clé API. Ne vous inquiétez pas si vous voyez un statut de « non connecté »Il s'agit d'un comportement normal qui n'affecte pas le fonctionnement.
Outils complémentaires et environnement local
Pour que tout cela fonctionne au mieux, il est essentiel de disposer d'un environnement local bien configuré. Cela implique l'installation de interface de ligne de commande gcloud, exécuter gcloud init pour le projet par défaut et configurez le Informations d'identification par défaut de l'application (ADC) avec gcloud auth application-default loginCela permet aux bibliothèques clientes pour Java, Python ou Go de s'authentifier sans complications.
Cet écosystème transforme notre façon de développer dans le cloud, en passant d'une gestion manuelle et sujette aux erreurs à un flux où l'IA a un accès direct à la documentation et aux outils de contrôle, permettant au programmeur de se concentrer sur la logique métier tandis que l'agent prend en charge la complexité technique de l'infrastructure.