Google Workspace CLI：一行命令操作Google全家桶，100+ Agent Skills开箱即用

Google官方发布Workspace命令行工具（gws），Rust编写，一条命令安装。核心亮点：动态读取Google Discovery Service自动构建命令树，无需手动更新；支持Drive、Gmail、Calendar、Sheets、Docs、Chat等全部Workspace API；所有输出均为结构化JSON，天然对AI友好。附带100+个SKILL.md格式的Agent Skills，覆盖常用工作流，可直接安装到Claude Code、OpenClaw等AI agent框架中使用。还内置MCP Server模式，一条命令暴露为MCP工具供AI客户端调用。凭证加密存储，支持OAuth、服务账号、gcloud令牌等多种认证方式。

Google Workspace CLI（gws）

概览

  • **仓库**: googleworkspace/cli
  • **语言**: Rust
  • **安装**: `npm install -g @googleworkspace/cli` 或 `cargo install --path .`
  • **协议**: Apache-2.0
  • **状态**: 活跃开发中，向v1.0迈进

核心架构：动态命令生成

与传统CLI不同，gws不维护静态命令列表。它在运行时读取Google Discovery Service（缓存24小时），自动构建完整的命令树。当Google新增API端点时，gws自动支持，无需更新CLI版本。

支持的服务

  • **Drive**: 文件管理、上传下载、共享设置
  • **Gmail**: 邮件读写、标签管理、搜索
  • **Calendar**: 日程查看、事件创建/修改
  • **Sheets**: 电子表格创建、数据读写
  • **Docs**: 文档操作
  • **Chat**: 消息发送、空间管理
  • **Admin**: 用户和组织管理
  • 以及所有其他Workspace API

AI Agent集成

#### 100+ Agent Skills

仓库附带100多个SKILL.md文件，涵盖：

  • 各API服务的基础操作技能
  • 50个精选Recipes（Gmail、Drive、Docs、Calendar、Sheets的常用工作流）
  • 高级辅助工具技能

安装方式：

# 全部安装
npx skills add https://github.com/googleworkspace/cli
# 按需选择
npx skills add https://github.com/googleworkspace/cli/tree/main/skills/gws-drive

OpenClaw集成：

ln -s $(pwd)/skills/gws-* ~/.openclaw/skills/

#### MCP Server模式

gws mcp -s drive,gmail,calendar  # 暴露指定服务为MCP工具

可被Claude Desktop、Gemini CLI、VS Code等MCP客户端直接调用。

认证方式

1. **OAuth交互登录**: `gws auth setup`（一键配置GCP项目+登录）

2. **服务账号**: 环境变量指向密钥文件

3. **gcloud令牌**: 复用现有gcloud认证

4. **Headless机器**: 导出凭证文件远程使用

凭证AES-256-GCM加密存储，密钥保存在OS密钥环中。

实用功能

  • `--dry-run`: 预览请求但不执行
  • `--page-all`: 自动翻页，输出NDJSON流
  • `gws schema <method>`: 查看任意API方法的请求/响应schema
  • **Model Armor集成**: Google Cloud安全防护，扫描API响应中的prompt注入

适用场景

  • AI agent自动化操作Google Workspace（"帮我查明天日程""把文件传到Drive"）
  • CI/CD中自动化Google服务操作
  • 开发者日常替代curl调Google API
  • MCP生态接入Google Workspace能力

深度分析与行业展望

从更宏观的视角来看，这一发展体现了AI技术从实验室走向产业化应用的加速趋势。行业分析师普遍认为，2026年将是AI商业化的关键转折年。在技术层面，大模型的推理效率持续提升，部署成本不断下降，使得更多中小企业能够接入先进的AI能力。在市场层面，企业对AI投资的回报预期正在从长期战略转向短期可量化收益。

然而，AI的快速普及也带来了新的挑战：数据隐私保护的复杂化、AI决策透明度的需求增加、以及跨境AI治理协调的困难。多国监管机构正在密切关注相关动态，试图在促进创新与防范风险之间寻找平衡。对于投资者而言，识别真正具有可持续竞争优势的AI企业变得越来越重要。