30 秒看懂
Looker CLI 的前身 Gazer 最初用于在实例之间迁移仪表板和保存的 Look,如今已支持更广泛的 Looker API 操作。创建者 Mike DeAngelo 说,智能体可以按需通过帮助和搜索发现命令,而不必一开始就把所有工具说明放入上下文。JSON 请求模板为智能体提供可填写的结构,同时更高层级的命令仍可帮助开发者。他举例说明如何查找测试仪表板供人审查或删除,以及如何检查实例中的慢查询和错误。
- 1CLI 从仪表板迁移工具扩展为广泛的 API 访问工具DeAngelo 说,最初用 Ruby 编写的 Gazer 能在 Looker 实例之间迁移 Look 和仪表板。Go 重写版本保留了专用命令,同时更广泛地支持 Looker API。
- 2命令树和关键词搜索帮助用户发现操作meta 命令可以显示可用命令的层级,也可以搜索与 dashboard 等词有关的操作。
- 3智能体可以先找到测试内容再删除DeAngelo 让智能体在沙盒文件夹中查找测试仪表板和 Look。他说,如果不发出删除指令,智能体会列出结果供人审查。
- 4CLI 命令发现机制按需加载信息DeAngelo 说,当暴露许多工具时,MCP 工具说明会消耗上下文空间。CLI 帮助和技能让智能体按需发现命令,而专门设计的 MCP 工具适合常见任务。
- 5空白 JSON 模板让构造 API 请求更容易CLI 可以返回 API 请求体模板。DeAngelo 说,与从零构造结构相比,智能体更擅长填写这样的模板。
- 6智能体可以组合过去需要胶水代码连接的细粒度调用导入一个仪表板可能需要 15 到 20 次 API 调用。DeAngelo 说,他过去会为开发者编写代码封装整个过程,而智能体可以逐一执行更小的步骤。
- 7健康检查汇总慢查询、错误和失败health pulse 命令报告数据库连接、仪表板和 Explore 性能、仪表板错误及计划任务失败。
要点建议
- 利用命令搜索和帮助,让智能体按需发现可用操作。
- 提供空白 JSON 模板,让智能体填入符合要求的请求结构。
- 如需人工审查,在删除前先列出候选测试内容。
- 通过健康检查查看数据库连接、仪表板性能、错误和计划任务失败。
- 同时提供细粒度 API 操作与更高层级的命令,以适应智能体和开发者的不同需求。
按章节阅读整理后的全文
从 Gazer 内容迁移到 Looker CLI
DeAngelo 最初用 Ruby 编写的工具可在实例之间迁移仪表板和 Look。Go 重写版本增加了更广泛的 API 接口和管理操作。
Chrissie Goodrich 介绍了编写 Gazer 并帮助其适应智能体的 Mike DeAngelo。他说,Looker CLI 是一个操作 Looker 的命令行程序,包括在开发和生产实例之间复制仪表板及保存的 Look。
最初的 Gazer 大约八年前用 Ruby 编写,它将 Look 或仪表板导出为 JSON,再发起必要的 API 调用,在另一个实例中重新创建内容。DeAngelo 说,该工具后来增加了创建用户、项目和数据源等任务。
新版 CLI 使用 Go 完全重写,保留了专门的管理工具,并扩大了对 Looker API 的支持。DeAngelo 提到 Josh Temple 和 Victor Poiesz 是项目合作者。
DeAngelo 说,只需少量交互,便可以通过脚本化 CLI 操作让 Looker 实例进入运行状态。项目仓库中的一项集成测试会部署项目、创建连接并针对该连接运行查询。
发现命令并清理测试文件夹
命令树和关键词搜索展示了可用操作。智能体可以列出测试内容,或在收到指令后删除。
该程序由一个主命令和多个子命令组成。meta tree 命令列出层级,meta search 接受 dashboard 等关键词,返回相关命令。DeAngelo 说,他经常使用创建和删除仪表板以及列出文件夹的命令。

在用于集成测试的沙盒中,DeAngelo 让智能体查找名称以“test”开头的仪表板和 Look 并删除它们,因为测试运行后可能会留下这些内容。他说,如果请求只要求列出结果,人就可以在决定删除前先行审查。
设计智能体能够按需发现的 CLI
帮助、技能和 JSON 模板按需向智能体提供信息。细粒度 API 调用与为开发者编写的高层工具互为补充。
Goodrich 问,CLI 与面向智能体的 MCP 服务器有什么不同。DeAngelo 说,每项 MCP 工具说明都会占用模型上下文空间,因此暴露数百项操作可能成本较高。他认为,专门设计的 MCP 工具适合常见任务,而 CLI 可以为技术用户提供广泛能力。
CLI 不会一开始就把全部命令说明放入上下文窗口。智能体可以通过帮助和搜索发现所需内容,Looker 技能则提供额外指引。DeAngelo 说,信息是按需提供的,而非一开始全部加载。
对于 API 调用,模板选项可以返回空白的 JSON 请求体。DeAngelo 说,与从零构造结构相比,智能体更擅长填写这样的模板。JSON 也为脚本和智能体提供了方便的输入、输出格式。
面向开发者和智能体的设计有共同之处,但 DeAngelo 说,两者所需的操作粒度可能不同。他过去会为开发者把复杂操作封装成高层工具:导入仪表板可能需要 15 到 20 次调用,分别创建仪表板、筛选器和元素并安排布局。
智能体则可以自行发现并执行这些更细的操作,开发者不必预先编写所有胶水代码。Goodrich 说,她曾手动以及通过智能体使用同一个 CLI,为演示创建 LookML,并看重能够在两种方式之间切换。
保持 API 覆盖并检查实例健康状态
CLI 随 Looker 发布版本更新,并纳入健康检查功能。pulse 命令报告连接、性能和失败信息。
DeAngelo 说,Looker 新版本增加 API 调用时,CLI 也会随之更新,因此大约每月发布一次。团队还吸收了开源工具 Henry 的健康检查能力。
在演示中,Goodrich 让智能体检查 Looker 实例的运行情况。DeAngelo 解释说,health pulse 命令会检查数据库连接、慢查询和慢仪表板、仪表板错误、Explore 性能及计划任务失败。
结果返回后,两人指出了按连接分类的查询次数、仪表板性能和错误,以及 Explore 性能。DeAngelo 说,他每周使用几次 CLI,而管理员可能每天都会使用,包括检查告警失败。

DeAngelo 说,CLI 能帮助智能体管理实例并更新 LookML。虽然两位发言者在 Google 工作并提到 Gemini 和 Antigravity,但他说它也可以与 Claude、ChatGPT 等工具一起使用。
同频道的其他文章
15:19EN → 简体中文
55:11EN → 简体中文
13:01EN → 简体中文
23:57EN → 简体中文
41:04EN → 简体中文
17:27EN → 简体中文