当AI Agent成为开发新常态，传统GUI控制台却成了自动化流程的绊脚石。腾讯云CloudBase CLI V3应运而生，这是一款为AI Agent彻底重构的命令行工具。它通过15个新命令、自解释的--help、面向Agent的文档系统及全量--json输出，让Agent能自主完成从环境创建到项目上线的全链路操作，真正实现“全程CLI，0次控制台”。

针对Agent开发，腾讯云推出CloudBase CLI V3 ，这是一个面向 AI Agent 重新设计的 CloudBase 命令行工具。

这个版本新增了 15 个顶层命令模块，覆盖环境管理、数据库、用户权限、路由、域名、日志、AI 智能体等完整能力。现在，一个云项目从创建到上线的所有操作，都可以在终端内完成，不需要打开控制台。

V3 做了以下几个重要改变：

• 补齐了过去缺失的大量命令，让几乎所有 CloudBase 操作都能在终端内完成；
• 所有的命令都自带 -h 或 –help 的自解释能力，可以让 AI Agent 能够自主发现并且读懂命令功能；
• 新增 tcb docs 命令，解决了 CloudBase 文档过去对 Agent 读取不友好的问题；
• 全面适配 –json 输出模式，让所有命令的返回值变成机器可读的结构化数据。

为什么需要 CLI V3

我们观察到，越来越多的开发者在使用 Claude Code、Cursor、CodeBuddy 等 AI 工具来操作 CloudBase。创建环境、部署函数、配置路由，整个流程交给 Agent 来跑。

但传统的基于 GUI 的控制台，对 Agent 并不友好：Agent 无法点击按钮、无法读取页面上的视觉反馈、无法处理弹窗确认。每次碰到 CLI 覆盖不到的操作，Agent 就必须停下来，等人介入。

CLI 是一种更适合 Agent 的设计。命令行的输入输出都是结构化文本，Agent 可以直接解析和处理，不需要视觉理解；命令可以组合、可以脚本化，天然适合多步骤的自动化工作流。

CloudBase CLI V3 版本要解决的就是这个问题：完全面向 AI Agent 重新设计，让 Agent 能走完全程。

15 个新命令：从环境创建到项目上线的完整覆盖

V3 新增了 15 个顶层命令模块：

同时对存量命令做了系统性整理：命令风格从冒号分隔（tcb functions:deploy）统一迁移为空格分隔（tcb fn deploy），更符合 CLI 惯例。详细迁移指南见文末 V3 迁移文档。

这意味着，V2 时代需要在“CLI + 控制台”之间来回切换的操作，现在全部可以在终端内完成。

–help：命令的自解释能力

CLI V3 的每一个命令和子命令都内置了 -h / –help 参数，输出该命令的完整用法说明、参数列表和示例。

这意味着 Agent 在面对一个不熟悉的命令时，不需要查外部文档，直接 tcb <command> –help 就能拿到结构化的用法说明：

tcb fn deploy –help

对于 Agent 来说，这是一套零成本的命令发现机制：先 tcb –help 看有哪些顶层命令，再 tcb <command> –help 看具体用法，逐层探索，不需要任何外部知识。

tcb docs：面向 Agent 的文档系统

Agent 面向 CloudBase 进行开发时，经常容易找不到正确的文档，通过搜索引擎的结果很容易过时或者不精确。

为了解决这个问题，我们在 CLI V3 版本新增了 tcb docs 命令。让 Agent 无需通过搜索引擎，可以直接在终端内查询 CloudBase 官方文档：

# 列出所有文档模块

tcb docs list

# 按路径读取指定文档

tcb docs read 云函数

tcb docs read https://docs.cloudbase.net/cloud-function/faq

# 关键词全文搜索

tcb docs search 微信支付

对于 Agent 来说，这形成了一个自主排查闭环：遇到不知道的知识 → tcb docs search 查文档 → 确认文档内容 → 执行后续操作。不需要人介入，不需要调用外部搜索。

PS：tcb docs 无需登录即可使用。

–json 输出模式：对机器可读的输出

V3 所有子命令统一支持 –json 全局参数。加了这个参数，输出中没有进度条、没有颜色编码、没有任何人类可读的修饰——Agent 拿到的是纯粹的结构化数据。

成功时：

{“currentEnvId”:”luke-personal-test-new-8d0d90f5f”}

失败时：

{

“error”:{

“code”:”FUNCTION_NOT_FOUND”,

“message”:”函数 ai-reply 不存在”,

“exit_code”:4

}

}

配合 V3 定义的六个结构化退出码，Agent 可以根据退出码直接走对应的响应路径：

失败不再是一个模糊的报错文本，而是一个确定性的信号。Agent 不需要靠语义理解来猜测下一步。

实战：Claude Code + CLI V3 搭建智能客服工单系统

我们用 Claude Code + CloudBase CLI V3 构建了一个智能客服工单系统，来验证 V3 的实际能力边界。

项目涵盖数据库、四个云函数、HTTP 路由、用户与权限管理、自定义域名和 SSL 证书全套部署。全程通过 tcb 命令完成，0 次控制台操作。

6.1 Step 1：创建并激活环境

tcb env create –alias”ticket-system-prod” –package baas_personal –yes –json

tcb env use luke-personal-test-new-8d0d90f5f –json

返回 { “currentEnvId”: “luke-personal-test-new-8d0d90f5f” }。

设置全局默认环境后，后续所有命令无需重复传入 –env-id。V3 的环境优先级为：全局配置 < cloudbaserc.json < 命令行 -e 参数，Agent 在需要切换时随时可以覆盖。

6.2 Step 2：初始化数据库

工单系统需要三个集合：tickets、ticket_history、user_roles。

tcb db nosql execute \

–command'[{“CommandType”:”COMMAND”,”TableName”:”tickets”,”Command”:

“{\”createIndexes\”:\”tickets\”,\”indexes\”:[{\”key\”:

{\”assignee\”:1,\”status\”:1},\”name\”:\”assignee_status_1\”},{\”key\”:

{\”customerId\”:1,\”createdAt\”:-1},\”name\”:\”customerId_createdAt_1\”}]}”}]’ \

–json

当命令返回退出码 1 时，Agent 自动切换命令格式重试——退出码体系在这里直接发挥了作用。

6.3 Step 3：部署云函数

项目包含四个云函数，三个事件函数，一个 HTTP 函数：

tcb fn deploy submit-ticket –json

tcb fn deploy assign-ticket –json

tcb fn deploy reply-ticket –json

tcb fn deploy ai-reply –dir . –yes –json

HTTP 函数（ai-reply）在 cloudbaserc.json 中声明 “type”: “HTTP”。这里结合了 cloudbase-skills 中的 HTTP 云函数代码规范，Agent 直接对照规范生成鉴权逻辑和 HTTP 处理结构。

6.4 Step 4：配置安全规则与用户权限

# 数据库安全规则

tcb permission set collection:tickets \

–level custom \

–rule ‘{“read”:”doc.customerId == auth.uid”,”write”:”false”}’ \

–yes –json

# 创建运营账号

tcb user create ops-admin –password Secret123 –nickname “运营管理员” –json

tcb user list –username ops-admin –json

# 分配管理员角色

tcb role list –type system –json

tcb role update –id <administrator-role-id> –add-users “<uid>” –json

整个安全规则 + 用户创建 + 角色授权流程，Agent 通过五条命令完成闭环。

6.5 Step 5：配置 HTTP 路由

tcb routes add -e luke-personal-test-new-8d0d90f5f –data ‘{

“domain”: “*”,

“routes”: [{

“path”: “/api/ai-reply”,

“upstreamResourceType”: “WEB_SCF”,

“upstreamResourceName”: “ai-reply”,

“enable”: true,

“enableAuth”: false

}]

}’

tcb routes list –json 输出结构化路由表，Agent 可以直接核查配置是否符合预期。

6.6 Step 6：绑定自定义域名

tcb api ssl DescribeCertificates –json

tcb domains add luke.xxie.site –certid WZfHqLk2 –env-id luke-personal-test-new-8d0d90f5f –yes

tcb api dnspod CreateRecord \

–api-version 2021-03-23 \

–body ‘{“Domain”:”xxie.site”,”SubDomain”:”luke”,”RecordType”:”CNAME”,”Value”:”…”}’

输出：

查证书、绑域名、创建 CNAME 记录——三步操作在同一工作流上下文中完成。tcb api 将整个腾讯云生态收归统一入口，Agent 不需要在不同工具之间切换上下文。

6.7 Step 7：前端部署

cd frontend && tcb app deploy –yes

输出：

然后打开链接即可看到发布的 Web 应用：

6.8 总结：全程 CLI，0 次控制台

过去，AI 辅助开发停留在代码生成层面。AI 写完代码，部署和运维还是需要人打开控制台手动完成。

V3 的设计目标是让 tcb 成为 Agent 可以完整操控的接口。这些能力组合在一起——–json 机器可读、结构化退出码、tcb api 统一入口、tcb docs 自主查阅文档——Agent 可以接管从环境创建到项目上线的完整链路。

下次让 AI Agent 做一个云上项目，试试完全不打开控制台，看它能走多远。

如何使用 V3 的 CLI 工具？

目前 V3 的 CLI 工具已发布至 npm，你可以通过 npm 安装使用。

npm install -g @cloudbase/clitcb login

相关文档

• CloudBase CLI 文档：https://docs.cloudbase.net/cli-v1/install
• V3 迁移指南：https://docs.cloudbase.net/cli-v1/migrate-v3
• CloudBase MCP：https://docs.cloudbase.net/ai/cloudbase-ai-toolkit/
• cloudbase-skills：https://github.com/TencentCloudBase/cloudbase-skills

——本文转自腾讯云开发者。