Что такое Google Antigravity 2.0 и почему это не IDE
Google Antigravity 2.0 - это отдельное десктопное приложение для macOS, Linux и Windows, построенное вокруг концепции автономных ИИ-агентов. В отличие от Antigravity IDE, где агент выполнял вспомогательную роль в среде разработки, здесь агент стал главным интерфейсом. Никакой привязки к репозиториям, никакой необходимости открывать редактор кода. Приложение работает с проектами - логическими контейнерами, объединяющими несколько папок и настраиваемые разрешения для агента.
Ключевое архитектурное решение: отказ от IDE-парадигмы в пользу агент-центричного интерфейса. Пользователь формулирует задачу на естественном языке, агент планирует шаги, запускает под-агентов и выполняет работу асинхронно. Под капотом - новейшие модели Gemini, заточенные под многошаговое выполнение задач. Приложение ориентировано на корпоративный сегмент, где критичны автономность и возможность запуска агентов по расписанию без участия человека.
Разница с IDE-версией принципиальна. В Antigravity IDE агент помогал писать код в контексте открытого проекта. В Antigravity 2.0 агент сам становится исполнителем: получает цель, разбивает её на шаги, работает с файловой системой, вызывает внешние API и отчитывается о результате. Это сдвиг от «помощника разработчика» к «цифровому сотруднику», способному работать в фоне.
Ключевые возможности: как агенты работают без IDE
Antigravity 2.0 предлагает три механизма, превращающих агента из диалогового интерфейса в полноценный инструмент автоматизации: динамические под-агенты, асинхронное выполнение и планировщик задач.
Динамические под-агенты и асинхронные задачи
Главный агент порождает под-агентов для изолированного выполнения подзадач. Каждый под-агент получает ограниченный контекст и набор разрешений, соответствующий конкретной операции. Это решает проблему раздувания контекстного окна и снижает вероятность галлюцинаций при работе с большими объёмами данных.
Асинхронность означает, что пользователь не обязан ждать завершения одной задачи для запуска следующей. Типичный сценарий: агент A анализирует CSV-файл с продажами за квартал, агент B генерирует отчёт в Google Docs, агент C обновляет дашборд в реальном времени. Все три работают параллельно. Результаты приходят в интерфейс по мере готовности.
Пример из практики: ML-инженер загружает в проект папку с сырыми логами. Главный агент создаёт под-агента для парсинга, под-агента для визуализации распределения ошибок и под-агента для генерации рекомендаций по дообучению модели. Через 15 минут инженер получает три готовых артефакта, не написав ни строчки кода.
Scheduled Tasks: запуск агентов по расписанию
Встроенный планировщик работает по cron-подобному синтаксису. Задачи настраиваются через интерфейс приложения и выполняются даже при закрытом окне - агент работает в фоновом процессе. Поддерживаются интервалы от минут до месяцев.
Три сценария, которые становятся реальностью с Scheduled Tasks:
- Ежедневный мониторинг: агент проверяет логи продакшен-сервера в 09:00, выявляет аномалии и отправляет сводку в Slack.
- Еженедельная аналитика: агент собирает метрики из трёх источников, строит сравнительный отчёт и кладёт PDF в общую папку.
- Реактивная обработка: агент мониторит папку «входящие», при появлении нового файла запускает цепочку обработки через JSON-хук.
Гибкость добавляет интеграция с JSON-хуками: расписание определяет «когда», хук определяет «что именно». Задача может запускать кастомный пайплайн, специфичный для конкретного проекта.
Кастомизация агентов: JSON-хуки и управление разрешениями
JSON-хуки - основной механизм расширения поведения агента без модификации его системного промпта. Хук срабатывает на определённое событие: появление файла, завершение под-агента, изменение статуса задачи. В ответ агент выполняет заданную в хуке логику.
Система разрешений для проектов дополняет хуки. Агент работает с несколькими папками, каждая имеет свой уровень доступа: чтение, запись, исполнение. Нельзя случайно удалить продакшен-данные, если папка помечена как read-only. Разрешения наследуются под-агентами, что предотвращает эскалацию привилегий.
Пример настройки JSON-хука для автоматической обработки файлов
Конфигурация хука, который при появлении нового файла в папке /incoming запускает агента для анализа содержимого и перемещает обработанный файл в архив:
{
"hook": {
"name": "auto-process-incoming",
"trigger": "file_created",
"path": "/incoming",
"file_pattern": "*.csv"
},
"action": {
"agent_task": "analyze_and_archive",
"prompt": "Проанализируй CSV-файл ${file_name}. Выяви аномалии в столбце 'value'. Если аномалий больше 5% - создай алерт. Перемести файл в /archive с добавлением временной метки.",
"permissions": {
"read": ["/incoming"],
"write": ["/archive"],
"execute": []
},
"on_failure": "notify_slack"
}
}Поле trigger определяет событие. file_pattern фильтрует релевантные файлы. В prompt можно использовать переменные вроде ${file_name}. permissions ограничивают агента конкретными папками. on_failure задаёт fallback-действие при ошибке.
Новые режимы взаимодействия: /goal, /grill-me и голосовой ввод
Antigravity 2.0 вводит три режима коммуникации с агентом, снижающих порог входа и повышающих точность выполнения задач.
/goal - режим автономного достижения цели. Пользователь описывает конечный результат, агент сам декомпозирует задачу, определяет необходимые шаги и выполняет их без дополнительных уточнений. Подходит для рутинных задач с понятным контекстом: «Подготовь квартальный отчёт по продажам на основе данных из /reports», «Проверь все сервера из списка /servers.txt на доступность порта 443».
/grill-me - противоположный режим. Перед выполнением агент задаёт серию уточняющих вопросов: какие столбцы анализировать, какой формат отчёта предпочтителен, куда сохранить результат. Режим полезен для сложных задач с неочевидными параметрами. Вместо того чтобы получить нерелевантный результат и переделывать, пользователь тратит минуту на ответы и получает точный артефакт с первой попытки.
Голосовой ввод с живыми транскрипциями работает на базе речевых моделей Google. Транскрипция отображается в реальном времени, агент начинает обработку задачи сразу после завершения фразы. Сценарий: разработчик за рулём диктует агенту задачу проверить статус деплоя, к моменту парковки результат уже готов. Задержка между окончанием речи и началом выполнения - менее секунды.
Для кого это: сценарии использования в реальных проектах
Antigravity 2.0 закрывает три класса задач, которые раньше требовали связки из нескольких инструментов.
ML-инженер: автоматизация ETL и анализа данных. Инженер настраивает проект с папками сырых данных, скриптов и результатов. Агент по расписанию забирает свежие логи из S3-совместимого хранилища, запускает под-агентов для валидации схемы, выявления дрифта данных и построения отчёта. JSON-хук при обнаружении дрифта отправляет алерт в систему мониторинга. Задействованы: Scheduled Tasks, под-агенты, JSON-хуки.
DevOps: мониторинг инфраструктуры. Агент получает read-only доступ к логам серверов и конфигурационным файлам. Ежечасно проверяет паттерны ошибок, сравнивает с эталонными конфигами и при расхождении создаёт тикет в Jira. Режим /grill-me используется при первичной настройке, чтобы агент уточнил пороговые значения метрик. Задействованы: Scheduled Tasks, /grill-me, система разрешений.
Маркетолог: генерация контента и аналитика. Проект содержит папки с брендбуком, примерами текстов и метриками прошлых кампаний. Агент в режиме /goal получает задачу «подготовить пять вариантов поста для LinkedIn на основе квартального отчёта» и генерирует контент, соответствующий стилистике бренда. Голосовой ввод используется для быстрых правок: «Сделай третий вариант более формальным». Задействованы: /goal, голосовой ввод.
Доступность и планы: как получить и чего ждать
Google Antigravity 2.0 доступен на macOS, Linux и Windows. Дистрибутивы распространяются через корпоративный портал Google Cloud, требуется аккаунт с активной подпиской на Gemini для бизнеса. Приложение работает с моделями Gemini 2.5 Pro и Gemini 2.5 Flash, выбор модели настраивается для каждого проекта отдельно.
По состоянию на июль 2026 года продукт находится в стадии General Availability для корпоративных клиентов. Бесплатный тир отсутствует, минимальная конфигурация включает 5 проектов и 3 одновременно работающих агента. Ограничения: Scheduled Tasks требуют, чтобы приложение было запущено в фоновом режиме, полный серверный запуск без GUI пока не поддерживается.
Направления развития, заявленные в дорожной карте: серверный режим с headless-агентом для CI/CD-пайплайнов, интеграция с корпоративными календарями для триггеров Scheduled Tasks и маркетплейс готовых JSON-хуков. Учитывая скорость развития агентных фреймворков - от OpenEnv Hub до Grok Build от xAI - можно ожидать, что Google добавит экспорт конфигураций агентов в открытые форматы для снижения vendor lock-in. Тренд на гибридную оркестрацию, где 51% компаний планируют использовать несколько платформ к концу 2026 года, подталкивает к этому всех крупных игроков.