Pierwsze kroki z Google Antigravity
Kompleksowy poradnik opisujący onboarding do nowego projektu z asystentem Antygravity. Dowiedz się, jak analizować kod systemowy, rozmawiać z modelami Vertex i dbać o bezpieczeństwo lokalnego repozytorium.
Google Antigravity to nie jest kolejna wtyczka do edytora kodu. To kompletny, nowoczesny ekosystem stworzony z myślą o programowaniu sterowanym przez sztuczną inteligencję (AI-first). W przeciwieństwie do tradycyjnych modeli opartych o interfejs czatu w przeglądarce, Antygravity działa w oparciu o głęboką integrację z repozytorium kodu, z pełnym dostępem do kontekstu plików, struktury katalogów i narzędzi systemowych. Ekosystem ten składa się z trzech głównych powierzchni: interfejsu wiersza poleceń CLI (agy), dedykowanego, niezależnego środowiska IDE oraz interfejsu Desktop 2.0, w którym kluczową rolę odgrywa panel HTML (Auxiliary Pane) przeznaczony do zarządzania subagentami, zadaniami w tle i weryfikacją plików.
Wejście do istniejącego projektu (szczególnie tak zaawansowanego jak 'AI w praktyce') wymaga od agenta AI rygorystycznego przestrzegania procedur badawczych. Zamiast chaotycznego przeglądania kodu lub natychmiastowego dokonywania modyfikacji, Antygravity stosuje ustrukturyzowany onboarding oparty o czytanie dokumentów kontekstowych: 1. Analiza manifestu migracyjnego: W pierwszej kolejności czytany jest plik PROJECT_CONTEXT.md. Zawiera on cel biznesowy, aktualny stan wdrożeń, listę integracji zewnętrznych oraz najważniejsze decyzje architektoniczne (takie jak użycie HashRoutera czy Firestore). 2. Zapoznanie się z regułami agentów: Następnie asystent analizuje plik AGENTS.md, który definiuje rygorystyczne zasady typowania, wytyczne dotyczące dostępności, sposoby dodawania artykułów oraz strukturę katalogów. 3. Weryfikacja spójności: Przed rozpoczęciem edycji uruchamiana jest analiza statyczna projektu, aby potwierdzić, że wchodzimy do działającego i stabilnego środowiska.
Kluczym elementem architektury Antygravity jest obsługa standardu Model Context Protocol (MCP). Protokół ten definiuje otwarty i bezpieczny schemat komunikacji między modelami językowymi (np. Gemini 3.5 Flash w Vertex AI) a lokalnymi narzędziami oraz bazami danych. Dzięki MCP model nie musi polegać na zewnętrznych serwerach pośredniczących. Może bezpośrednio wysyłać zapytania do systemu plików, uruchamiać precyzyjne polecenia w terminalu deweloperskim czy odpytywać lokalną bazę danych w celu walidacji schematów. Wszystko to odbywa się w kontrolowanym środowisku piaskownicy, w którym uprawnienia są granularnie przydzielane przez użytkownika.