Когда агент забывает, кто он такой
Представьте сценарий. Ваш AI-агент в Google Antigravity получил задание: проанализировать 20 файлов, сравнить их с базой данных, сгенерировать отчет и отправить его по почте. Первые шаги он делает бодро. К пятому файлу начинает путаться. К десятому - забывает, зачем вообще начал. К пятнадцатому спрашивает: "А что мы делаем?"
Это не гипотетика. Это ежедневная реальность разработчиков, которые работают с Antigravity в 2026 году. Контекстное окно переполняется быстрее, чем агент успевает сказать "привет".
Факт: средний агент в Antigravity теряет 40% эффективности после обработки 5-7 документов из-за переполнения контекста. Не модель тупит. Архитектура протекает.
Корень проблемы: почему контекст превращается в мусор
В Antigravity есть два способа дать агенту знания:
- Запихнуть все в промпт (и молиться)
- Подключить внешние инструменты через MCP
Первый подход - классический. Вы пишете мега-промпт на 2000 токенов. Описываете все правила, все API, все примеры. Агент кивает. Работает 10 минут. Потом начинает галлюцинировать.
Почему? Потому что даже у GPT-4.5 (актуальная на февраль 2026 модель в Antigravity) есть ограничение. Контекст - не бесконечная память. Это оперативка, которая постоянно перезаписывается. Каждое новое сообщение вытесняет старое.
MCP: внешний мозг для агента
Model Context Protocol - это попытка вынести знания за пределы контекста. Вместо того чтобы держать все в голове агента, вы подключаете внешние "мозги".
Как это работает в Antigravity:
- Агент хочет прочитать файл
- Он не лезет в файл сам (не загружает его в контекст)
- Вместо этого он вызывает MCP-сервер: "Дай мне первые 100 строк файла X"
- MCP-сервер читает файл, возвращает только нужный кусок
- Контекст остается чистым
Звучит идеально. Но есть подвох. Большой.
MCP создает latency hell. Каждый вызов инструмента - это HTTP-запрос. Серия запросов. Ожидание. В Antigravity это особенно заметно, потому что платформа оптимизирована для скорости, а MCP ее убивает.
Skills: упакованные знания вместо внешних вызовов
Skills подходят к проблеме с другой стороны. Вместо того чтобы бегать за данными во внешний мир, они упаковывают знания в компактную, легко воспроизводимую форму.
Вот как выглядит разница на практике в Antigravity:
| Задача | MCP подход | Skills подход |
|---|---|---|
| Анализ SQL-запроса | Вызов MCP-сервера с SQL parser, загрузка схемы БД, анализ | Активация SQL-analysis skill (500 токенов знаний уже в агенте) |
| Проверка кода на уязвимости | Запрос к SAST-инструменту через MCP, ожидание сканирования | Security-patterns skill сразу распознает 90% уязвимостей |
| Форматирование JSON | Вызов json-formatter через MCP, отправка данных туда-обратно | JSON skill форматирует на месте (знания синтаксиса уже есть) |
Skills экономят не только контекст. Они экономят время. В Antigravity это критично, потому что платформа заточена под интерактивную работу.
Антигравитационный кейс: когда MCP ломает всю магию
Возьмем реальный пример из codelab по Antigravity. Задача: проанализировать репозиторий из 50 файлов и предложить рефакторинг.
Плохой путь (через MCP):
# Агент в Antigravity с MCP-подходом
for file in repository_files:
# 1. Вызов MCP для чтения файла
content = mcp_call("read_file", file.path)
# 2. Контекст увеличивается на размер файла
context += content
# 3. Анализ (еще токены)
analysis = analyze(content)
# 4. Запись результата через MCP
mcp_call("write_report", analysis)
# Итог: контекст переполнен на 30-м файлеУмный путь (через Skills):
# Тот же агент, но с Skills
# Активация code-analysis skill (занимает 800 токенов)
activate_skill("code_analysis_v2")
for file in repository_files:
# Skill знает, как анализировать код
# Не нужно грузить весь файл в контекст
analysis = skill_analyze(file.path, mode="quick")
# Результат - только вывод (200-300 токенов)
context += f"File {file.path}: {analysis.summary}"
# Итог: контекст использован на 40% даже после 50 файловГибрид: когда Skills и MCP работают вместе
Самые эффективные архитектуры в Antigravity используют оба подхода. Но правильно.
1 Определите, что должно быть в Skills
Skills - для часто используемых, компактных знаний. Правила код-ревью. Шаблоны ответов. Алгоритмы проверки. Все, что можно описать в 500-1000 токенов и использовать десятки раз.
Пример из нашего гайда по Skills:
# python_code_review.skill.yaml (актуально для Antigravity 2026)
name: "python_code_review_v3"
description: "Быстрая проверка Python кода (оптимизировано для GPT-4.5)"
triggers:
- "review python"
- "check code quality"
knowledge:
security_patterns: "list of 15 common vulnerabilities"
performance_redflags: "10 patterns of slow code"
pep8_rules: "20 most important rules (not all 79)"
compressed: true # Флаг Antigravity для сжатия skill2 Оставьте MCP для тяжелых операций
MCP - для работы с большими данными, внешними API, файлами. То, что физически не влезет в контекст или требует реальных вычислений.
Но с умом. Не вызывайте MCP для каждой мелочи. Группируйте запросы. Используйте кэширование. В Antigravity есть встроенный кэш для MCP-вызовов - включайте его.
3 Контролируйте контекст как менеджер памяти
Antigravity дает инструменты для управления контекстом. Используйте их:
- Context pruning: автоматическое удаление старых сообщений
- Summary injection: замена длинных диалогов краткими суммари
- Skill compression: сжатие Skills в 2-3 раза без потери качества
Ошибки, которые сломают ваш Antigravity агент
Ошибка 1: Создавать Skills на 3000 токенов. Это не skill, это промпт-монстр. Skill должен быть хирургически точным. 500-800 токенов максимум.
Ошибка 2: Использовать MCP для всего подряд. Каждый MCP-вызов - это минимум 100-200 мс. Десять вызовов - 2 секунды простоя. Пользователь Antigravity этого не простит.
Ошибка 3: Игнорировать встроенные оптимизации Antigravity. Платформа постоянно обновляется. В версии 2.4 (январь 2026) добавили adaptive context management - система сама решает, что удалить из контекста. Не пишите свои костыли.
Практический рецепт для Antigravity 2026
Вот как строить агентов сегодня, а не вчера:
- Начните с Skills. Для 80% задач их хватит. Берите готовые из нашей библиотеки или создавайте свои, но короткие.
- MCP только для тяжелой артиллерии. Работа с БД, большие файлы, внешние API. И всегда с кэшированием.
- Включите adaptive context. В настройках Antigravity есть magic switch. Он работает.
- Мониторьте контекстное давление. Antigravity показывает, сколько токенов занято. Если больше 70% - агент скоро начнет забывать.
- Используйте summary skills. Есть специальные skills, которые сжимают историю диалога в 5-10 раз. Включайте их периодически.
Что будет завтра?
К концу 2026 Antigravity обещает контекстное окно в 1M токенов. Звучит как решение всех проблем. Но это ловушка.
Больше контекста - не значит умнее агент. Это значит медленнее инференс, дороже запросы, сложнее управление. Архитектурные проблемы никуда не денутся.
Настоящий прорыв будет в другом: в умном распределении знаний между Skills, MCP и самой моделью. В предсказании, какие знания понадобятся через 5 шагов. В динамической компрессии контекста без потерь.
Пока этого нет. Пока ваш лучший союзник - понимание, что контекст не резиновый. И что Skills и MCP - не конкуренты, а разные инструменты для одной цели: сделать агента в Antigravity не просто умным, но и последовательным.
Последний совет: не верьте в волшебные промпты. Верьте в архитектуру. В 2026 году это единственное, что работает.
