GAM项目v7.07.00版本发布:全球通讯录API变更解析
GAM(Google Workspace Administration Manager)是一个功能强大的命令行工具,专门用于管理Google Workspace(原G Suite)环境。它提供了丰富的命令集,使管理员能够高效地执行用户管理、群组配置、设备控制等各类操作,极大简化了Google Workspace的管理工作流程。
版本核心变更:全球通讯录(GAL)API的移除
在2024年10月中旬,Google正式弃用了用于检索全球通讯列表(Global Address List, GAL)的API接口。这一变更直接影响了GAM工具中与GAL相关的功能模块。在v7.07.00版本中,开发团队移除了以下三个不再可用的命令:
gam info galgam print galgam show gal
这些命令原本用于查询和显示组织内的全局通讯录信息,但由于底层API的废弃,这些功能已无法正常工作。
替代解决方案
为了帮助管理员继续获取类似的信息,GAM团队提供了以下替代方案:
- 用户GAL信息获取:
gam config csv_output_row_filter "includeInGlobalAddressList:boolean:true" redirect csv ./UserGAL.csv print users fields name,gal
- 群组GAL信息获取:
gam config csv_output_row_filter "includeInGlobalAddressList:boolean:true" batch_size 25 redirect csv ./GroupGAL.csv print groups fields name,gal
这两个替代命令通过以下方式工作:
- 使用
csv_output_row_filter参数筛选包含在全局通讯录中的条目 - 通过
print users/groups命令获取用户或群组的基本信息 - 指定
name和gal字段来获取名称和GAL状态 - 使用
redirect csv将结果输出到CSV文件 - 对于群组查询,设置
batch_size 25优化批量处理效率
技术影响分析
这一变更反映了Google API生态系统的持续演进。作为管理员,理解这些变化对于维护高效的管理流程至关重要:
-
API生命周期管理:Google会定期评估和更新其API产品线,淘汰使用率低或维护成本高的接口。
-
数据获取方式的转变:新的替代方案采用更细粒度的数据查询方式,而非直接获取整个通讯列表。
-
性能考量:批量处理参数(batch_size)的引入表明新方法可能需要更精细的性能调优。
最佳实践建议
对于正在升级到v7.07.00版本的管理员,建议采取以下步骤:
-
审查自动化脚本:检查现有脚本中是否使用了被移除的GAL命令,及时替换为新的实现方式。
-
数据导出计划:如果需要历史GAL数据,应在升级前使用旧版本完成最后一次导出。
-
权限验证:确保执行替代命令的账户具有足够的权限访问用户和群组信息。
-
结果验证:首次使用新命令时,应验证输出结果的完整性和准确性。
总结
GAM v7.07.00版本的这一变更虽然移除了部分功能,但提供了更符合当前Google API规范的替代方案。这种调整体现了工具与平台API保持同步的必要性,也展示了GAM项目团队对Google Workspace生态系统变化的快速响应能力。管理员通过采用新的数据获取方法,不仅能继续完成相关工作,还能更好地适应Google API的未来发展方向。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00