Знаете это чувство, когда агенты плодятся быстрее кроликов, а пайплайны рассыпаются на третьем шаге? Google, кажется, прочитала ваши мысли. Antigravity 2.0 — это не просто очередной инструмент для сборки AI-воркфлоу. Это попытка натянуть штаны оркестрации на все тело разработки сразу: CLI для терминальных маньяков, SDK для любителей Python, десктоп-приложение для тех, кто хочет таскать агентов за мышку.

Свежий релиз (апрель 2026) гремит на фоне Google Cloud Next '26, где Google раздала $750 млн на развитие AI-агентов. Antigravity 2.0 — прямая бенефициарка этой щедрости.

Что под капотом: три лица одного агента

Google не стала изобретать велосипед. Взяли старый добрый CLI (помните Gemini CLI?), натянули на него SDK с нормальными binding'ами и склеили всё десктоп-клиентом на Flutter. Получился Frankenstein, который реально работает.

CLI: старый друг лучше новых двух

Установка одной командой:

npm install -g @google/antigravity-cli
antigravity init --model gemini-3.5-flash

Флаг --model не случаен. Antigravity 2.0 заточен под Gemini 3.5 Flash — самую быструю и дешёвую модель Google для агентных сценариев. В режиме по умолчанию CLI создаёт пайплайн с одним мастер-агентом и тремя суб-агентами. Можно развернуть локально или в облаке — antigravity deploy --target cloud --region europe-west3.

SDK: Python, который не бесит

Для тех, кто хочет кастомной оркестрации, Google завезла antigravity-sdk. Импортируешь, создаёшь агентов, соединяешь их графом зависимостей. Пример типичного пайплайна — парсинг заявок из Gmail и генерация ответов:

from antigravity import AgentPipeline, GeminiWorker

pipeline = AgentPipeline(
    agents=[
        GeminiWorker(name='classifier', model='gemini-3.5-flash',
                     task='classify_email', retries=2),
        GeminiWorker(name='writer', model='gemini-3.5-flash',
                     task='draft_reply', require='classifier'),
        GeminiWorker(name='reviewer', model='gemini-3.5-flash',
                     task='review_draft', require='writer')
    ],
    max_parallel=2
)
pipeline.run(email_input)

⚠️

Без флага defer_consensus=False пайплайн не дождётся подтверждения от reviewer — суб-агент будет слать ответ сразу после writer. Google явно поощряет быстрые цепочки, но будьте осторожны с quality gate.

Десктоп-приложение: агенты на визуальном поводке

Самая спорная, но и самая зрелищная часть. Десктоп (macOS, Windows, Linux) показывает граф пайплайна в реальном времени. Можно дропать ноды мышкой, менять порядок исполнения, добавлять conditional branching. Внутри — интеграция с Google AI Ultra для мульти-агентных систем: параллельные воркеры и кросс-модельный консенсус. Прямо из UI подключаешь Claude через Vertex AI (ага, Google не стесняется использовать чужое) или локальную LLM через Ollama.

Сравнение с альтернативами: Cursor, LangChain, Autogen

Характеристика	Antigravity 2.0	Cursor 3.0	LangChain + LangGraph
Оркестрация суб-агентов	Встроенная, через граф и conditional routing	Только в IDE, ограниченная	Гибкая, но толстый код
Поддержка моделей	Gemini, Claude, локальные через плагины	Gemini, GPT-4o, Claude (через API)	Любые через абстракцию
Десктоп-клиент	Есть (с визуальным графом)	Только IDE (встроено)	Нет
Миграция с Gemini CLI	Автоматическая (`antigravity migrate --from gemini-cli`)	Не поддерживает	Нет

Сравнение с Cursor 3.0 — это как сравнивать швейцарский нож с мультитулом. Cursor остаётся лучшим для инлайнового рефакторинга кода, но Antigravity выигрывает в сложных multi-агентных сценариях. LangChain даёт больше контроля, но требует горы boilerplate. Antigravity 2.0 — это «LangChain для ленивых».

Пример из жизни: автоматизация тикет-системы без отрыва от Gmail

Представьте: залетает письмо от клиента «У меня не работает VPN». Вручную — 15 минут. С Antigravity 2.0 — 8 секунд.

Классификатор (суб-агент) определяет тему: VPN, база данных, биллинг.
Эскалатор проверяет базу знаний (векторный поиск через Vertex AI).
Генератор ответа пишет черновик с учётом исторических данных.
Ревьюер (опционально) проверяет тональность и факты.

Весь пайплайн настраивается через десктоп-клиент за 10 минут. А если нужно развернуть на сервере — antigravity deploy --env production. Вжух — и готово. Нет, серьёзно, это быстрее, чем писать скрипт на Python от руки.

💡

Для гибридных сценариев (например, локальная LLM + облачный поиск) гляньте статью про локальную LLM + Vertex AI Search — Antigravity легко интегрируется через SDK-хуки.

Кому это понадобится

Не пытайтесь запихнуть Antigravity 2.0 в продакшн, если у вас один простой бот «привет-пока». Инструмент расцветает, когда агентов больше трёх, а логика ветвится. Идеальные кандидаты:

DevOps-инженеры, которые хотят автоматизировать инциденты (связка с мониторингом + исправление через API).
AI-продуктологи, строящие RAG-пайплайны с множеством источников.
Enterprice-архитекторы — Google выпускает оружие для IT-команд: Gemini Enterprise Agent Platform как раз заточена под такие связки.
Те, кто мигрирует с Gemini CLI — скрипт миграции спасёт от переписывания 2000 строк bash.

Но есть нюанс: полностью локальная работа невозможна. SDK тащит зависимости Gemini API, хотя собрать AI-агента без облака тоже вариант, но уже без прелестей Antigravity.

Главный сюрприз версии 2.0 — десктоп как визуальный шелл для CLI

Казалось бы, зачем отдельное приложение, если есть терминал? А затем, что Google встроил в десктоп просмотр логов агентов в реальном времени, профилирование узких мест и даже симуляцию пайплайна без запуска. Это как Chrome DevTools, только для AI-агентов. Жму шляпу — реально удобно отлаживать цепочки, когда суб-агент завис на задаче «найти ответ в базе знаний».

Если вам кажется, что всё это слишком сложно — попробуйте. antigravity quickstart --demo развернёт готовый пример с дефолтным пайплайном за минуту. А когда начнёте строить свои, вспомните: Google уже продумала 80% кейсов. Остальные 20% — за вами.

Подписаться на канал

Antigravity 2.0 от Google: как создавать агентные пайплайны с новым CLI, SDK и десктоп-приложением