Tutorial Google Antigravity CLI: Mengorkestrasi Agen AI Paralel

Baru mengenal AI ber-agen? Jalur keterampilan AI Agent Fundamentals kami akan memberi Anda landasan yang kuat sebelum memulai.

Apa yang Baru di Google Antigravity 2.0?

Google I/O 2026 menandai perluasan signifikan platform Antigravity. Ini bukan lagi sekadar alat; ini adalah ekosistem lengkap. Berikut yang diluncurkan:

Aplikasi Desktop Antigravity 2.0

Berbeda dengan Antigravity IDE asli (yang tetap tersedia bagi pengembang), Antigravity 2.0 dibangun berfokus-agen sejak awal. Ini adalah permukaan yang bersih untuk berinteraksi dengan agen, mengelola proyek, dan meninjau artefak. Tersedia di macOS, Linux, dan Windows.

Kapabilitas baru utama meliputi:

• Subagen dinamis: Agen utama dapat mendefinisikan dan memunculkan subagen spesialis secara langsung untuk menangani sub-tugas terfokus secara paralel, tanpa mengotori jendela konteksnya sendiri.

• Manajemen tugas asinkron: Operasi berdurasi panjang berjalan di latar belakang, sehingga agen utama maupun UI tidak terblokir.

• Proyek: Agen diatur berdasarkan "proyek" alih-alih repositori. Sebuah proyek dapat mencakup beberapa folder lokal dengan cakupan izin tersendiri.

• Tugas terjadwal: Pengguna dapat mendefinisikan jadwal bergaya cron yang memicu agen secara otomatis, termasuk ringkasan harian, pemeriksaan kesehatan per jam, dan laporan bulanan, tanpa pemanggilan manual.

• Kait JSON: Ini mencegat dan menyesuaikan perilaku agen pada tahap siklus hidup (sebelum pemanggilan alat, setelah pemanggilan model, pada kondisi penghentian loop) menggunakan file konfigurasi JSON sederhana.

• Transkripsi suara langsung: Masukan mikrofon kini ditranskripsi secara real time menggunakan model Gemini Audio, mengubah ucapan yang bertele-tele menjadi prompt yang bersih dan siap kirim.

• Perintah garis miring: 

• /goal: Berjalan otonom hingga selesai

•  /grill-me: Agen mengajukan pertanyaan klarifikasi terlebih dahulu

• /schedule: Pemanggilan satu kali atau berulang

• /browser: Perintah ini memungkinkan persetujuan eksplisit untuk penggunaan browser

Antigravity CLI

Untuk pengembang yang terbiasa terminal dan alur otomasi, Antigravity CLI (dipanggil sebagai agy) menghadirkan kerangka agen yang sama dalam antarmuka ringan yang dapat di-skrip. 

Ini adalah pengganti Gemini CLI, dan inilah yang akan kita gunakan dalam tutorial ini. Anda menunjukkannya ke data Anda, menjelaskan tujuan Anda dalam bahasa Inggris yang lugas, dan ia menangani sisanya, termasuk memutuskan cara memecah tugas menjadi subagen. Tanpa skrip orkestrasi, tanpa file konfigurasi, tanpa definisi subagen manual.

Antigravity SDK

SDK Antigravity menyediakan akses terprogram ke kerangka agen yang sama yang mendukung produk Google sendiri. Ini dioptimalkan untuk model Gemini dan memungkinkan Anda mendefinisikan perilaku agen kustom serta menampungnya di infrastruktur Anda sendiri.

Managed Agents di Gemini API

Tambahan paling ramah pengembang untuk Gemini API adalah Managed Agents. Dengan satu panggilan API, kini Anda dapat memunculkan agen yang bernalar, menggunakan alat, dan mengeksekusi kode dalam lingkungan Linux yang persisten dan terisolasi. 

Setiap interaksi dapat dilanjutkan pada panggilan lanjutan dengan semua file dan status tetap utuh. Ini didukung oleh kerangka agen Antigravity dan dibangun di atas Gemini 3.5 Flash baru, yang berjalan 4× lebih cepat daripada model frontier lain sambil melampaui Gemini 3.1 Pro di hampir semua tolok ukur.

Integrasi Google AI Studio

Ekosistem yang lebih luas juga mencakup aplikasi seluler Google AI Studio baru, integrasi Google Workspace API native untuk agen, ekspor sekali klik ke Antigravity dari proyek AI Studio, dan dukungan pembuatan aplikasi Android native dengan publikasi langsung ke Google Play Console.

Bersama-sama, ekosistem ini merepresentasikan pergeseran dari prompting satu giliran ke agen yang selalu aktif, dan arsitektur subagen di jantung Antigravity 2.0 adalah mekanisme yang mewujudkannya.

Memahami Subagen Dinamis di Antigravity 2.0

Dalam pengaturan satu agen, satu agen menangani semuanya secara berurutan. Kita mulai dengan membersihkan data, lalu menganalisisnya, dan akhirnya memvisualisasikannya. Ini menimbulkan dua masalah. Pertama, lambat, karena setiap langkah menunggu langkah sebelumnya selesai. Kedua, jendela konteks agen terisi dengan riwayat lengkap setiap langkah, yang dapat menurunkan kualitas penalaran pada tugas selanjutnya.

Subagen menyelesaikan kedua masalah tersebut. Agen orkestra menerima tujuan tingkat tinggi Anda dan memutuskan cara memecahnya menjadi sub-tugas. Lalu ia mendefinisikan dan memunculkan subagen, masing-masing berfokus pada satu tugas, dengan jendela konteks terisolasi, dan menjalankannya secara paralel. Setelah selesai, orkestra menyintesis keluaran akhir.

Berikut model mental untuk memahami konsep ini:

Your prompt → Orchestrator Agent
                ├── reads & profiles the dataset
                ├── defines subagent roles autonomously
                ├── spawns data_cleaner           ──┐
                ├── spawns data_analyzer          ──┤ (parallel, once clean data is ready)
                └── spawns data_visualizer        ──┘
                         ↓ (all finish)
                Orchestrator: assembles → sales_report.html

Yang penting, Anda tidak mendefinisikan subagen sendiri. Orkestrator CLI menalar tentang tugas dan memutuskan dekomposisinya. Anda hanya menyediakan data dan tujuan.

Demo Antigravity 2.0: Dasbor Penjualan Otomatis dari Satu Prompt CLI

Pada bagian ini, kita akan mengambil CSV (dummy) penjualan bulanan mentah dan menghasilkan dasbor HTML interaktif lengkap tanpa menulis kode atau mendefinisikan instruksi subagen apa pun.

Langkah 1: Pasang Antigravity CLI

Mulailah dengan memasang Antigravity CLI dengan menjalankan perintah bash. Antigravity CLI tersedia untuk beberapa OS, termasuk:

macOS dan Linux

curl -fsSL https://antigravity.google/cli/install.sh | bash

Windows PowerShell

irm https://antigravity.google/cli/install.ps1 | iex

Windows CMD

curl -fsSL https://antigravity.google/cli/install.cmd -o install.cmd && install.cmd && del install.cmd

Langkah 2: Autentikasi dengan akun Google atau proyek GCP

Setelah terpasang, jalankan antigravity dengan perintah berikut di terminal Anda:

agy

Lalu, autentikasi dengan akun Google atau Proyek GCP. Anda akan mendapatkan secret key, yang Anda tambahkan ke terminal yang menjalankan antigravity, dan proses autentikasi akan selesai.

Kemudian atur tema terminal Anda sesuai kebutuhan dan berikan akses ke file yang diperlukan, dan semuanya siap.

CLI mengidentifikasi dirinya sebagai Antigravity CLI 1.0.0 dan secara default tersambung ke Gemini 3.5 Flash (High).

Langkah 3: Siapkan folder proyek Anda

Anda bisa melakukan langkah ini sendiri atau cukup minta Antigravity CLI melakukannya untuk Anda:

mkdir AntigravityDemo
cd AntigravityDemo

Itu seluruh penyiapan proyek Anda. Tanpa subdirektori, tanpa file konfigurasi, tanpa definisi agen.

Langkah 4: Tambahkan Dataset

Simpan data dummy berikut sebagai sales_raw.csv langsung di folder AntigravityDemo Anda, atau gunakan data pilihan Anda. Ini sengaja mencakup isu kualitas data yang realistis seperti nilai hilang dan placeholder outlier $999,999, agar subagen memiliki sesuatu yang bermakna untuk dikerjakan.

month,product,region,revenue,units_sold
2024-01,Laptop Pro,North,45200,38
2024-01,Wireless Earbuds,South,12300,205
2024-01,Mechanical Keyboard,East,8900,89
2024-02,Laptop Pro,North,47800,40
2024-02,Wireless Earbuds,South,,198
2024-02,Mechanical Keyboard,East,9100,91
2024-03,Laptop Pro,North,51200,43
2024-03,Wireless Earbuds,South,13100,218
2024-03,Mechanical Keyboard,East,,
2024-04,Laptop Pro,North,999999,42
2024-04,Wireless Earbuds,South,13800,230
2024-04,Mechanical Keyboard,East,9600,96
2024-05,Laptop Pro,North,55100,46
2024-05,Wireless Earbuds,South,14200,237
2024-05,Mechanical Keyboard,East,10100,101
2024-06,Laptop Pro,North,57300,48
2024-06,Wireless Earbuds,South,14900,248
2024-06,Mechanical Keyboard,East,10500,105

Setelah Anda menambahkan file CSV ini ke direktori kerja, kita dapat mulai bekerja di dalam CLI.

Langkah 5: Jalankan CLI dengan perintah /goal

Dengan direktori kerja siap dan dataset sales_raw.csv di tempatnya, Anda siap memanggil orkestrator Antigravity CLI untuk mengelola alur kerja analitis end-to-end. Buka terminal dan jalankan perintah berikut: 

agy

Selanjutnya, mari minta Gemini untuk membersihkan, menganalisis, dan memvisualisasikan data kita:

/goal I have a sales dataset at /Users/yourname/Desktop/AntigravityDemo/sales_raw.csv.
Spin up multiple subagents to clean, analyze, and visualize it.
Produce a final HTML report and save all outputs in this folder.

Prefiks /goal penting di sini karena memberi tahu CLI untuk menjalankan seluruh tugas hingga selesai tanpa jeda untuk persetujuan rencana atau konfirmasi perantara. Tanpanya, agen akan berhenti dan bertanya, "Apakah Anda ingin melanjutkan?" sebelum setiap langkah penting. 

Alur kerja otonom segera dimulai oleh orkestrator. Berikut 5 rincian tahap berbeda yang ditangkap dari profiling hingga perakitan:

Tahap 1: Profiling lingkungan

Orkestrator memulai dengan memahami lingkungannya sebelum menulis satu baris kode pun:

ListPermissions  (confirmed read and write access to the workspace)
ListDir          (/Users/aashidutt/Desktop/AntigravityDemo)
Read             (sales_raw.csv)
Thought for 3s, 1.5k tokens — Analyzing Data Quality Issues
Bash             (python3 --version)
Bash             (python3 -c "import pandas, matplotlib, seaborn...")
Thought for 4s, 463 tokens — Initiating Implementation Planning

Ia mencantumkan izin, membaca direktori, memuat CSV, memeriksa ketersediaan Python, dan memverifikasi pustaka yang diperlukan, semuanya sebelum merencanakan apa pun. Profiling awal ini memungkinkan orkestrator mengambil keputusan yang tepat tentang peran subagen alih-alih merencanakan secara membabi buta.

Catatan tentang prompt izin: Bahkan dengan /goal, CLI meminta izin satu kali sebelum menjalankan perintah bash apa pun. Ini adalah model keselamatan human-in-the-loop Antigravity. Anda menyetujui sekali untuk satu kelas operasi, dan tidak akan ditanya lagi. Ini adalah pilihan desain yang disengaja agar otomasi tidak terasa seperti kotak hitam dan sangat berguna dalam konteks produksi.

Tahap 2: Perencanaan dan definisi subagen

Orkestrator kemudian membuat rencana implementasi internal dan mendefinisikan tiga subagen:

Create          (implementation_plan.md → written to ~/.gemini/ant.../  scratch folder)
DefineSubagent  ("data_cleaner" defined successfully)
DefineSubagent  ("data_analyzer" defined successfully)
DefineSubagent  ("data_visualizer" defined successfully)

File implementation_plan.md ditulis ke direktori scratch internal .gemini, bukan folder proyek Anda. Ini adalah artefak perencanaan milik CLI, jadi Anda tidak perlu membacanya atau mengelolanya. Saat Anda menggunakan /goal, ini akan otomatis disetujui, dan eksekusi berlanjut segera.

Tiga nama subagen data_cleaner, data_analyzer, dan data_visualizer sepenuhnya diturunkan oleh CLI dari deskripsi tujuan Anda.

Tahap 3: menjalankan data_cleaner

Subagen pertama ditugaskan untuk memperbaiki isu kualitas data, yang mengimputasi dua nilai revenue yang hilang dan units_sold yang hilang menggunakan median product, lalu mengidentifikasi entri Laptop Pro April $999.999 sebagai placeholder sistem (sesuai dugaan), menggantinya dengan $50.106 (harga satuan median $1.193 × 42 unit), dan memulihkan akurasi statistik sebelum meneruskan data bersih ke hilir.

Tahap 4: data_analyzer dan data_visualizer berjalan paralel

Begitu sales_clean.csv final, orkestrator langsung mengirim kedua subagen yang tersisa secara simultan. Analyzer menghitung laju pertumbuhan MoM, rincian per produk, dan ringkasan regional, menyimpan ke analysis_summary.json, sementara visualizer secara bersamaan menghasilkan tiga gambar grafik PNG. Orkestrator memantau keduanya dan melaporkan statusnya secara real time.

Catatan: Saat diminta meninjau rencana implementasi atau artefak, Anda dapat menggunakan perintah /artifact untuk membuka folder artefak dan meninjau isinya, atau Anda dapat mempercayai model dan menjalankannya secara default.

Tahap 5: Perakitan akhir

Dengan semua subagen selesai, orkestrator menghabiskan 12 detik penalaran terarah untuk mengonfirmasi semua file ada sebelum merakit dasbor akhir. Hasilnya adalah file HTML mandiri sepenuhnya yang tidak memerlukan dependensi eksternal.

Dasbor yang dihasilkan bukan halaman statis; ini adalah UI interaktif siap produksi. Fitur utamanya meliputi:

• Tema dark glassmorphic dengan aksen biru dan tipografi yang bersih
• Empat kartu KPI dengan Total Revenue ($444.389), Total Units Sold (2.168), Top Product (Laptop Pro, pangsa 69,0%), dan Top Region (North)
• Tiga tab yang dapat dipilih:
• Gambaran umum dan tren: Bagan garis pendapatan bulanan dan tabel kinerja MoM dengan tingkat pertumbuhan berwarna (hijau positif, merah negatif)
• Wawasan produk dan wilayah: Mencakup bagan donat regional bersama tabel ringkasan produk/wilayah terperinci dengan harga satuan dan pangsa pendapatan
• Dataset yang dibersihkan: Sebuah tab juga menyertakan tabel data bersih lengkap dengan pencarian langsung, pemfilteran kolom, dan header yang dapat diurutkan
• Tombol unduh di pojok kanan atas untuk CSV bersih dan JSON analisis
• Bagian catatan audit kualitas data dan bisnis di bagian bawah, yang menjelaskan dengan tepat apa yang telah dibersihkan.

Penutup

Dalam tutorial ini, kita menjalankan pipeline data multi-agen lengkap menggunakan Antigravity CLI dalam waktu kurang dari lima menit. Orkestrator memprofilkan CSV mentah, secara otonom mendefinisikan tiga subagen, menjalankan dua di antaranya secara paralel setelah data bersih siap, dan merakit laporan HTML mandiri lengkap dengan navigasi bertab, kartu KPI, dan tabel data yang dapat diurutkan.

Arsitektur subagen bukan sekadar optimisasi kinerja; ini adalah pola desain yang secara alami memetakan cara kerja analitis kompleks dilakukan. Ia memunculkan agen spesialis yang bekerja paralel, masing-masing berfokus pada keahliannya, dengan seorang orkestrator yang menyintesis hasil akhir. Pola yang sama melampaui analisis data ke pemrosesan dokumen, pipeline tinjauan kode, agregasi riset, dan banyak lagi.

Untuk melangkah lebih jauh, berikut beberapa ide:

• Otomatisasi dengan tugas terjadwal dengan menambahkan perintah /schedule ke prompt Anda di aplikasi desktop Antigravity 2.0, dan pipeline akan berjalan ulang secara otomatis pada CSV yang diperbarui setiap kali sesuai jadwal Anda.
• Gunakan /grill-me untuk kontrol lebih jika Anda ingin CLI mengajukan pertanyaan klarifikasi sebelum mulai, dan tambahkan /grill-me di awal prompt alih-alih /goal.
• Sematkan melalui Managed Agents API, jika Anda menginginkan pipeline ini di dalam aplikasi web, Managed Agents API di Gemini API memberi Anda kapabilitas subagen yang sama dengan satu panggilan API. Dengan setiap agen berjalan dalam lingkungan Linux yang persisten dan terisolasi, Anda dapat melanjutkan lintas sesi.
• Dengan integrasi Workspace Antigravity, orkestrator Anda dapat menulis laporan akhir langsung ke Google Docs atau mendistribusikannya melalui Gmail hanya dengan menambahkannya ke prompt tujuan, dan agen menangani panggilan API-nya.