Google Antigravity CLI-tutorial: Parallelle AI-agenten orkestreren

Nieuw met agentische AI? Onze skill track AI Agent Fundamentals geeft je een stevige basis voordat je begint.

Wat is er nieuw in Google Antigravity 2.0?

Google I/O 2026 betekende een flinke uitbreiding van het Antigravity-platform. Het is niet langer alleen een tool; het is een volledig ecosysteem. Dit is wat er is gelanceerd:

Antigravity 2.0 Desktop-app

In tegenstelling tot de oorspronkelijke Antigravity IDE (die beschikbaar blijft voor developers), Antigravity 2.0 is van de grond af aan agent-first gebouwd. Het is een schone interface om met agenten te werken, projecten te beheren en artifacts te reviewen. Beschikbaar op macOS, Linux en Windows.

Belangrijke nieuwe mogelijkheden:

• Dynamische subagenten: De hoofdagent kan on the fly gespecialiseerde subagenten definiëren en opstarten om gerichte subtaken parallel aan te pakken, zonder z’n eigen context window te vervuilen.

• Asynchrone taakafhandeling: Langdurige operaties draaien op de achtergrond, zodat noch de hoofdagent noch de UI wordt geblokkeerd.

• Projecten: Agenten worden georganiseerd per "project" in plaats van repository. Een project kan meerdere lokale mappen omvatten met eigen toestemmingsscopes.

• Geplande taken: Gebruikers kunnen cron-achtige schema’s definiëren die agenten automatisch triggeren, inclusief dagelijkse overzichten, uurlijkse health checks en maandelijkse rapporten, zonder handmatige start.

• JSON-hooks: Deze onderscheppen en passen agentgedrag aan op levenscyclusmomenten (voor een tool call, na een model call, bij loop-stopcondities) via simpele JSON-configbestanden.

• Live spraaktranscriptie: De microfooningang transcribeert nu realtime met Gemini Audio-modellen, en zet losse spraak om in strakke, klaar-om-te-verzenden prompts.

• Slash-commands: 

• /goal: Draait autonoom tot het klaar is

•  /grill-me: De agent stelt eerst verduidelijkende vragen

• /schedule: Dit is een eenmalige of terugkerende uitvoering

• /browser: Met dit commando geef je expliciet toestemming om de browser te gebruiken

Antigravity CLI

Voor terminal-native developers en automatiseringsworkflows, levert de Antigravity CLI (aangeroepen als agy) hetzelfde agent-framework in een lichte, scriptbare interface. 

Het is de opvolger van de Gemini CLI, en het is wat we in deze tutorial gebruiken. Je wijst het op je data, beschrijft je doel in gewoon Engels, en het regelt de rest, inclusief beslissen hoe de taak in subagenten wordt opgesplitst. Geen orkestratiescripts, geen configbestanden, geen handmatige subagent-definities.

Antigravity SDK

De Antigravity SDK biedt programmatische toegang tot hetzelfde agent-framework dat Google’s eigen producten aandrijft. Het is geoptimaliseerd voor Gemini-modellen en laat je aangepaste agentgedragingen definiëren en hosten op je eigen infrastructuur.

Managed Agents in de Gemini API

De meest ontwikkelaarsvriendelijke toevoeging aan de Gemini API is Managed Agents. Met één API-call kun je nu een agent opstarten die redeneert, tools gebruikt en code uitvoert in een persistente, geïsoleerde Linux-omgeving. 

Elke interactie kan worden hervat in vervolgaanroepen met alle bestanden en state intact. Deze worden aangedreven door het Antigravity agent-framework en draaien op de nieuwe Gemini 3.5 Flash, die 4× sneller draait dan andere frontier-modellen en Gemini 3.1 Pro op vrijwel alle benchmarks overtreft.

Google AI Studio-integraties

Het bredere ecosysteem omvat ook een nieuwe Google AI Studio mobiele app, native Google Workspace API-integratie voor agenten, one-click Export to Antigravity vanuit AI Studio-projecten en native ondersteuning voor Android-apps bouwen met directe publicatie naar de Google Play Console.

Samen markeert dit ecosysteem een verschuiving van single-turn prompting naar always-on agenten, en de subagent-architectuur in het hart van Antigravity 2.0 is het mechanisme dat dit mogelijk maakt.

Dynamische subagenten in Antigravity 2.0 begrijpen

In een single-agent setup handelt één agent alles sequentieel af. We beginnen met het opschonen van de data, dan analyseren, en tot slot visualiseren. Dat heeft twee problemen. Ten eerste is het traag, omdat elke stap op de vorige moet wachten. Ten tweede raakt het contextvenster van de agent gevuld met de volledige geschiedenis van elke stap, wat de redeneerkracht bij latere taken kan verslechteren.

Subagenten lossen beide problemen op. De orkestratoragent ontvangt je hoofddoel en beslist hoe dit op te delen in subtaken. Vervolgens definieert en start hij subagenten, elk gericht op één taak, met een eigen geïsoleerd contextvenster, en laat hij ze parallel draaien. Zodra ze klaar zijn, synthetiseert de orkestrator de uiteindelijke output.

Hier is een mentaal model om dit concept te begrijpen:

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

Belangrijk: je definieert de subagenten niet zelf. De orkestrator van de CLI redeneert over de taak en beslist over de decompositie. Jij levert alleen de data en het doel.

Antigravity 2.0-demo: Geautomatiseerd salesdashboard vanuit één CLI-prompt

In deze sectie nemen we een ruwe CSV met maandelijkse (dummy) salesdata en produceren we een compleet interactief HTML-dashboard zonder code te schrijven of subagent-instructies te definiëren.

Stap 1: Installeer Antigravity CLI

Begin met het installeren van Antigravity CLI via een bash-opdracht. Antigravity CLI is beschikbaar voor meerdere besturingssystemen, waaronder:

macOS en 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

Stap 2: Authenticeer met een Google-account of een GCP-project

Na installatie start je antigravity met de volgende opdracht in je terminal:

agy

Log vervolgens in met een Google-account of een GCP-project. Je krijgt een geheime sleutel die je toevoegt aan je terminal waar antigravity draait, waarna de authenticatie is voltooid.

Stel daarna je terminalthema in en geef toegang tot de benodigde bestanden, en je bent klaar om te gaan.

De CLI identificeert zich als Antigravity CLI 1.0.0 en verbindt standaard met Gemini 3.5 Flash (High).

Stap 3: Bereid je projectmap voor

Je kunt deze stap zelf doen of Antigravity CLI het voor je laten doen:

mkdir AntigravityDemo
cd AntigravityDemo

Dat is je volledige projectsetup. Geen submappen, geen configbestanden, geen agent-definities nodig.

Stap 4: Voeg de dataset toe

Sla de volgende dummydata op als sales_raw.csv direct in je AntigravityDemo-map, of gebruik data naar keuze. Hij bevat opzettelijk realistische datakwaliteitsproblemen zoals ontbrekende waarden en een $999,999 outlier-placeholder, zodat de subagenten iets zinnigs te doen hebben.

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

Zodra je dit CSV-bestand aan je werkmap hebt toegevoegd, kunnen we in de CLI aan de slag.

Stap 5: Voer de CLI uit met het /goal-commando

Met je werkdirectory klaar en de dataset sales_raw.csv op z’n plaats, kun je de Antigravity CLI-orkestrator aanroepen om de end-to-end analytische workflow te beheren. Open een terminal en voer de volgende opdracht uit: 

agy

Laten we Gemini vervolgens vragen onze data op te schonen, te analyseren en te visualiseren:

/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.

De prefix /goal is hier belangrijk omdat het de CLI vertelt om de volledige taak uit te voeren tot afronding, zonder te pauzeren voor goedkeuring van het plan of tussentijdse bevestigingen. Zonder deze prefix stopt de agent en vraagt: "Wil je doorgaan?" voor elke belangrijke stap. 

De autonome workflow wordt direct gestart door de orkestrator. Hier zijn 5 gedetailleerde overzichten van de verschillende fasen, vastgelegd van profilering tot assemblage:

Fase 1: Omgevingsprofilering

De orkestrator begon met het begrijpen van zijn omgeving voordat er ook maar één regel code werd geschreven:

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

Hij somde de rechten op, las de map, laadde de CSV, controleerde of Python beschikbaar was en verifieerde de vereiste libraries – allemaal voordat er iets gepland werd. Deze voorafgaande profilering stelt de orkestrator in staat om weloverwogen beslissingen te nemen over subagent-rollen in plaats van blind te plannen.

Opmerking over toestemmingsprompt: Zelfs met /goal vroeg de CLI om een eenmalige toestemming voordat bash-commando’s werden uitgevoerd. Dit is het human-in-the-loop veiligheidsmodel van Antigravity. Je keurt eenmaal een klasse van acties goed, en daarna wordt er niet opnieuw gevraagd. Het is een bewuste ontwerpkeuze die voorkomt dat automatisering als een black box voelt en is extra nuttig in productiecontexten.

Fase 2: Planning en subagent-definitie

De orkestrator maakte vervolgens een intern implementatieplan en definieerde drie subagenten:

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)

Het bestand implementation_plan.md wordt geschreven naar een interne .gemini scratchdirectory, niet je projectmap. Het is het eigen planningsartifact van de CLI, dus je hoeft het niet te lezen of te beheren. Als je /goal gebruikt, wordt het automatisch goedgekeurd en gaat de uitvoering direct verder.

De drie subagent-namen data_cleaner, data_analyzer en data_visualizer zijn volledig door de CLI afgeleid uit je doelsbeschrijving.

Fase 3: run van data_cleaner

De eerste subagent werd ingezet om datakwaliteitsproblemen te verhelpen: hij imputeerde de twee ontbrekende revenue-waarden en de ontbrekende units_sold met behulp van product-medianen, identificeerde vervolgens de $999.999-entry voor april Laptop Pro als een systeemplaceholder (zoals verwacht), verving die door $50.106 (mediane stuksprijs $1.193 × 42 stuks) en herstelde de statistische nauwkeurigheid voordat de opgeschoonde data downstream werd doorgegeven.

Fase 4: data_analyzer en data_visualizer draaien parallel

Zodra sales_clean.csv gereed was, stuurde de orkestrator onmiddellijk de twee resterende subagenten tegelijk aan. De analyzer berekende MoM-groeipercentages, productverdelingen en regionale samenvattingen, opgeslagen als analysis_summary.json, terwijl de visualizer gelijktijdig drie grafiek-PNG’s genereerde. De orkestrator bewaakte beide en rapporteerde hun status realtime.

Opmerking: Wanneer je wordt gevraagd het implementatieplan of een artifact te bekijken, kun je het /artifact-commando gebruiken om de artifactmap te openen en de inhoud te bekijken, of je vertrouwt het model en voert het standaard uit.

Fase 5: Finale assemblage

Met alle subagenten klaar nam de orkestrator 12 seconden aan weloverwogen redeneren om te bevestigen dat alle bestanden aanwezig waren, voordat het definitieve dashboard werd samengesteld. Het resultaat was een volledig self-contained HTML-bestand zonder externe dependencies.

Het gegenereerde dashboard is geen statische pagina; het is een production-grade interactieve UI. Belangrijkste features:

• Donker glassmorphic thema met blauwe accentkleur en strakke typografie
• Vier KPI-kaarten met Totale omzet ($444.389), Totaal verkochte stuks (2.168), Topproduct (Laptop Pro, 69,0% aandeel) en Topregio (North)
• Drie schakelbare tabbladen:
• Overzicht en trends: Maandelijkse omzet-lijngrafiek en MoM-prestatietabel met kleurgecodeerde groeipercentages (groen positief, rood negatief)
• Product- en regio-inzichten: Bevat een regionale donutgrafiek plus een gedetailleerde product/regio-samenvattingstabel met stuksprijzen en omzetaandeel
• Opgeschoonde dataset: Een tabblad met een volledige opgeschoonde datatabel met live zoeken, kolomfilters en sorteerbare headers
• Downloadknoppen rechtsboven voor de schone CSV en de analyse-JSON
• Sectie met notities over datakwaliteit en businessaudit onderaan, die precies uitlegt wat er is opgeschoond.

Tot slot

In deze tutorial hebben we in minder dan vijf minuten een complete multi-agent datapijplijn gedraaid met de Antigravity CLI. De orkestrator profileerde de ruwe CSV, definieerde autonoom drie subagenten, liet er twee parallel draaien zodra de schone data klaar was, en stelde een volledig self-contained HTML-rapport samen met tabnavigatie, KPI-kaarten en sorteerbare datatabellen.

De subagent-architectuur is niet alleen een prestatieoptimalisatie; het is een ontwerppatroon dat natuurlijk aansluit bij hoe complex analytisch werk wordt gedaan. Het zet gespecialiseerde agenten in die parallel werken, elk gefocust op waar ze goed in zijn, met een orkestrator die het uiteindelijke resultaat syntheseert. Hetzelfde patroon strekt zich ver uit voorbij data-analyse, naar documentverwerking, code-reviewpijplijnen, onderzoekssamenvatting en meer.

Om hiermee verder te gaan, enkele ideeën:

• Automatiseer met geplande taken door /schedule toe te voegen aan je prompt in de Antigravity 2.0-desktopapp; de pijplijn draait dan automatisch opnieuw op een ververste CSV volgens je schema.
• Gebruik /grill-me voor meer controle als je wilt dat de CLI eerst verduidelijkende vragen stelt; zet dan /grill-me voor je prompt in plaats van /goal.
• Embed via Managed Agents API: als je deze pijplijn in een webapplicatie wilt, biedt de Managed Agents API in de Gemini API dezelfde subagent-mogelijkheden met één API-call. Omdat elke agent in een persistente, geïsoleerde Linux-omgeving draait, kun je sessie-overstijgend hervatten.
• Met Antigravity’s Workspace-integratie kan je orkestrator het eindrapport direct naar Google Docs schrijven of via Gmail verspreiden door het simpelweg aan het doelprompt toe te voegen; de agent handelt de API-calls af.