Google Antigravity Orchestrator 深度解析:5 款产品、3 层 SDK 与 /swarm 多代理编排全解读

Google Antigravity Orchestrator 深度解析:5 款产品、3 层 SDK 与 /swarm 多代理编排全解读

Google Antigravity Orchestrator 不是另一个代码补全插件,而是把“单个 AI 助手”升级为“可调度的虚拟工程团队”的编排引擎。 它让一个主代理在运行时派生多个子代理,并行完成建模、前端、音效等不同分工,再把结果汇总回来。对开发者来说,AI 编码工具的竞争重点正在从“谁补全得更准”转向“谁能更稳地编排多个代理”。

您读完此文能了解到什么?

  • Google Antigravity 的 5 款产品分别是什么,Orchestrator 处在什么位置
  • Antigravity SDK 的三层架构,以及动态与静态子代理的区别
  • /swarm 与 /teamwork 两个多代理命令的用途,以及 Pelican Campus Quest 案例中蜂群如何分工
  • Antigravity 与 LangChain/LangGraph、CrewAI、AutoGen、Cursor、GitHub Copilot 的定位差异
  • 不同类型的开发者现在应如何应对这一变化

索引: 先用概念表和影响速览帮你建立基础认知。“客观事实”部分依次讲产品矩阵、Orchestrator 的官方定位、SDK 架构、Swarm 机制与案例,以及已知的安全议题。“分析判断”部分讨论多代理编排对工具选型的意义,并给出一个可直接运行的编排思路示例。

google-antigravity-orchestrator-deep-dive-image-0


Google Antigravity Orchestrator 相关概念 To Know

概念 简要解释
Google Antigravity Google 于 2025 年 11 月 18 日发布的 AI 编码代理平台,与 Gemini 3 Pro 同日亮相
Orchestrator(编排器) Antigravity 多代理协同的核心引擎,负责调度、分派和汇总多个代理的工作
子代理(Subagent) 由主代理派生或预先定义、承担某项专门任务的代理
/swarm Antigravity 内置的斜杠命令,用于启动多代理并行编排(蜂群模式)
/teamwork 另一个多代理编排命令,对应“Agent teams”协作模式
扇出 / 扇入(Fan-out / Fan-in) 把任务拆给多个节点并行执行,再把结果合并回来的执行模式
HITL Human-in-the-Loop,人机协同,即在关键节点由人类确认或介入
Artifacts 代理工作时自动生成的 Markdown 文档,如任务列表、实施计划、Walkthrough 报告,与 Claude Artifacts 是不同概念
Workflow Runtime Antigravity 中基于图的执行引擎,支持路由、循环、重试、嵌套工作流等
Task API 用于代理之间结构化委托任务的接口
Gemini Spark 基于 Antigravity 运行时的个人 AI 代理产品

Google Antigravity Orchestrator 影响速览

  • 一线开发者:交互方式从“与一个助手对话”变成“给一支代理团队下达目标”。任务拆分、验收标准和结果审查会成为新的核心技能。
  • 技术负责人 / 架构师:Antigravity 同时提供 IDE、CLI、SDK 和运行时。评估时不能只把它当 Cursor 的同类产品看,还要考虑它与现有 LangGraph、CrewAI 等编排方案的重叠程度。
  • 使用开源 Gemini CLI 的用户:Antigravity CLI 已在 2026 年 6 月取代开源 Gemini CLI。新 CLI 用 Go 编写且闭源,依赖开源可审计性的团队需要重新评估。
  • 安全与合规团队:多代理加浏览器集成意味着代理权限面更大。业界已有关于 Antigravity 数据外泄风险的公开讨论,权限隔离需要前置考虑。

Google Antigravity Orchestrator 客观事实

Google Antigravity 的 5 款产品矩阵

Antigravity 表面上看像 VS Code Fork,也常被拿来和 Cursor 比较,但它的产品范围要宽得多。根据官方信息,目前共有五款产品,覆盖 Web、桌面、命令行、编程接口和第三方 IDE。

产品 形态 关键信息
Antigravity App Web 端全功能应用 即 Antigravity 2.0
Antigravity IDE 桌面端 VS Code 分支 深度集成 Gemini
Antigravity CLI 命令行代理工具 Go 语言编写、闭源,2026 年 6 月取代开源 Gemini CLI
Antigravity SDK Python SDK 开源封装层 + 闭源 Go 运行时二进制
Antigravity Extensions IDE 扩展 支持 VS Code、JetBrains、Eclipse、Zed、Xcode、Android Studio

在交互层面,Antigravity 有三个界面(Three Surfaces):Agent Manager Dashboard(代理管理器仪表盘)、传统 VS Code 风格的代码编辑器,以及 Chrome 扩展带来的深度浏览器集成。浏览器集成让代理可以直接打开并测试自己构建的 Web 应用,作用类似 Playwright MCP。

Google Antigravity Orchestrator 的官方定位

Antigravity 官方博客以“Gemini 4 Neon and Orchestrator now in Google Antigravity”为题,宣布 Orchestrator 上线。从标题可以看出,Orchestrator 是与新一代 Gemini 4 模型一同推出的平台级能力,而不是一个附属小功能。

Google 工程总监 Addy Osmani 公开表示:“Orchestrators, agent loops, virtual SWE teams and many other systems are actively available to folks”。也就是说,编排器、代理循环、虚拟软件工程团队这些系统已经在实际提供给用户使用。另一组数据是,Google 内部有超过 40,000 名软件工程师每周使用代理编码,这说明多代理工作流在 Google 内部已有一定规模的实践基础。

模型方面,Antigravity 与 Gemini 深度绑定,并采用 Gemini 4 Carbon、Neon、Hydrogen 的分层模型策略,其中 Carbon 是能力最强的一档。

Google Antigravity Orchestrator 的 SDK 三层架构

从 Antigravity SDK 的 README 看,开发者调用编排能力时有三个抽象层级可选,封装程度从高到低。

层级 用途 关键类
Layer 1 — Simplified 高封装度入口,快速起步 Agent
Layer 2 — Session 有状态的会话管理 Conversation、ChatResponse、Step、ToolCall、AgentConfig、HookRunner、ToolRunner、TriggerRunner
Layer 3 — Adapter 传输与后端抽象 Connection、ConnectionStrategy、LocalConnection

这种分层设计比较常见:简单场景直接用 Agent,需要精细控制工具调用、钩子和触发器时下沉到 Session 层,需要替换传输方式或接入其他后端时再用 Adapter 层。LocalConnection 这一命名也说明,SDK 的开源 Python 层主要负责封装,真正的执行由本地的闭源 Go 运行时完成。

google-antigravity-orchestrator-deep-dive-image-1

Google Antigravity Orchestrator 的子代理体系与编排能力

在 SDK 层面,子代理分两类:

  • Dynamic self-cloning subagents(动态自克隆子代理):主代理在运行时按需派生,适合任务规模事先无法确定的场景。
  • Static custom subagents(静态自定义子代理):预先定义角色和指令,适合分工稳定、需要可复现的流程。

子代理之间支持结构化通信和结果汇聚。在此之上,有三项与编排直接相关的能力:

  1. Workflow Runtime:基于图的执行引擎,支持路由、扇出/扇入、循环、重试、状态管理、动态节点、人机协同(HITL)和嵌套工作流。
  2. Task API:结构化的代理间委托,支持多轮任务模式、单轮受控输出和混合委托模式。
  3. Modular Multi-Agent Systems:可以把多个专业代理组合成灵活的层次结构。

此外,代理在工作过程中会自动生成 Artifacts,即任务列表、实施计划、Walkthrough 报告等 Markdown 文档。在多代理场景下,这些文档实际上起到了“工作留痕”的作用,方便人类回看每个子代理做了什么。

Google Antigravity Orchestrator 的 /swarm 与 /teamwork 命令

/swarm 是 Antigravity 内置的斜杠命令,在官方文档中被列为 Featured(重点特性)之一,官方描述方向为“Subagents & Teamwork — Parallel multi-agent orchestration”。/teamwork 对应“Agent teams”,与 /swarm 互补,适用于不同的协作模式。

命令 官方表述 文档中的信息
/swarm 多代理并行编排 Featured 特性,Pelican Campus Quest 案例使用此命令
/teamwork Agent teams 与 /swarm 互补,适用于不同协作模式
/plan、/goal、/boost 配套斜杠命令 与上述两个命令配合,组成完整的代理工作流

官方资料对 /plan、/goal、/boost 的具体行为细节披露有限。本文不对它们的内部机制做推断,建议以官方文档的最新说明为准。

Pelican Campus Quest:Google Antigravity Orchestrator 的标志性案例

Google CEO Sundar Pichai 亲自发推展示了 /swarm 的效果:“Using Google Antigravity’s /swarm feature, Carbon built an open-world 3D game where you explore Google’s Mountain View campus as a pelican riding a GBike”。也就是说,Gemini 4 Carbon 借助蜂群功能做出了一款开放世界 3D 游戏,玩家扮演一只骑 GBike 的鹈鹕,在 Google 山景城园区里探索。

这个案例里,蜂群同时协调了三类子代理:

  • 子代理 1:在 Blender 中建模 3D 资产,参考图来自 Omni 和 Nano Banana。
  • 子代理 2:用 Three.js 构建浏览器游戏并编写 WebGL 着色器。
  • 子代理 3:配置程序化 Web Audio 音效和 Lyria 生成的音乐。

可玩版本已在 Google AI Studio 上线。这个案例的价值在于,它跨越了 3D 建模、前端渲染、音频三个完全不同的技术栈,正好是单代理最难兼顾、而多代理并行最有优势的场景。

google-antigravity-orchestrator-deep-dive-image-2

Google Antigravity Orchestrator 相关的安全议题

多代理加浏览器集成,也带来了更大的攻击面。Antigravity 发布一周后,即 2025 年 11 月下旬,技术博主 Simon Willison 发文讨论了 Antigravity 存在数据外泄(exfiltrate data)风险的问题。这类风险通常与提示注入有关:代理读取了不可信内容,进而被诱导把敏感信息发送出去。

这个问题不是 Antigravity 独有的,所有能读网页、能执行工具的代理系统都会面对。但编排器同时运行多个子代理,权限边界是否清晰会直接决定风险大小,这一点值得在落地时重点关注。


Google Antigravity Orchestrator 分析判断

Google Antigravity Orchestrator 与传统框架的定位差异

把 Antigravity 和现有工具放在一起比较,最大的区别不在于某个单点功能,而在于“平台形态”。下表基于参考资料中的对比维度整理。

对比对象 对方的定位 Antigravity 的差异
LangChain / LangGraph 编排库,需要自己搭建运行环境 完整的 IDE + 运行时平台,不只是一个库
CrewAI 角色化多代理框架 Google 级别的基础设施支撑,原生针对 Gemini 优化
AutoGen 多代理对话框架 更强调浏览器集成和全栈开发体验
Cursor / Windsurf AI IDE,以单代理协作为主 具备独特的多代理 Swarm 能力
GitHub Copilot 起步于代码补全 从补全升级为全自主的代理协作

google-antigravity-orchestrator-deep-dive-image-3

LangGraph 在可控性和生态开放度上依然有优势,它不绑定任何模型厂商。但它只是一个库,运行环境、浏览器测试、代码编辑都需要自己拼装。相比之下,Antigravity 把这些环节一次打包好,更适合“开箱即用”的团队;代价是与 Gemini 和 Google 运行时深度绑定。

Cursor 在单人编码体验上已经很成熟,但它的核心依然是“一个开发者配一个代理”。Antigravity 的 /swarm 把关注点转向“一个开发者指挥一组代理”,两者解决的是不同层级的问题。

Google Antigravity Orchestrator 对开发者意味着什么

第一个判断:任务拆分能力会比提示词技巧更重要。 Pelican Campus Quest 能成功,关键在于建模、前端、音效三块之间的接口足够清晰,可以并行推进。在自己的项目中使用蜂群时,如果模块之间耦合紧密,多个子代理反而容易互相覆盖修改。

第二个判断:闭源化趋势值得团队提前评估。 Antigravity CLI 取代了开源的 Gemini CLI,SDK 的执行核心也是闭源 Go 二进制。对重视可审计性、需要私有化部署的团队来说,这会成为选型时的一个硬性考量。可以把 Antigravity 用于原型和内部工具,而在核心业务中保留基于开放接口的编排层,作为折中方案。

第三个判断(预测):多模型编排会成为常态。 目前 Antigravity 采用 Gemini 内部分层(Carbon、Neon、Hydrogen)。但从行业实践看,不同子代理按任务难度匹配不同档位的模型,是控制成本的常见做法。这一思路并不局限于单一厂商,自建编排时同样可以采用。

🎯 技术建议:如果你想在接入 Antigravity 之前先验证“主代理拆任务、子代理并行执行”的思路是否适合自己的项目,可以通过 API易 apiyi.com 用一个 API Key 同时调用 Gemini、Claude、GPT 等模型,低成本搭出原型并对比各模型在不同子任务上的表现。

用通用接口复现 Google Antigravity Orchestrator 的扇出/扇入思路

Antigravity SDK 的具体调用方式请以官方 README 为准。下面这个示例不调用 Antigravity SDK,而是用 OpenAI 兼容接口演示 Orchestrator 背后最核心的“扇出/扇入”模式:主代理拆分任务,多个子代理并行执行,最后由主代理汇总结果。

import openai
from concurrent.futures import ThreadPoolExecutor

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # API易 apiyi.com 统一接口,可切换多家模型
)
MODEL = "gemini-3-pro-preview"  # 以平台模型列表中的实际名称为准

def ask(system, prompt):
    r = client.chat.completions.create(
        model=MODEL,
        messages=[{"role": "system", "content": system},
                  {"role": "user", "content": prompt}])
    return r.choices[0].message.content

# 扇出:三个静态子代理并行处理
roles = {"3D 资产": "你负责描述 3D 资产清单", "前端": "你负责 Three.js 游戏结构",
         "音效": "你负责 Web Audio 音效方案"}
goal = "做一个骑自行车的鹈鹕在校园里探索的浏览器小游戏"
with ThreadPoolExecutor() as pool:
    results = dict(zip(roles, pool.map(lambda s: ask(s, goal), roles.values())))

# 扇入:主代理汇总
print(ask("你是编排器,负责整合子代理产出", str(results)))
查看带动态子代理与重试的完整实现
import json
import openai
from concurrent.futures import ThreadPoolExecutor

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # 通过 API易 apiyi.com 调用,按量计费
)

PLANNER_MODEL = "gemini-3-pro-preview"   # 主代理:用能力较强的模型拆任务
WORKER_MODEL = "gemini-3-pro-preview"    # 子代理:可换成更轻量的模型以控制成本

def chat(model, system, prompt, retries=2):
    for attempt in range(retries + 1):
        try:
            r = client.chat.completions.create(
                model=model,
                messages=[{"role": "system", "content": system},
                          {"role": "user", "content": prompt}])
            return r.choices[0].message.content
        except Exception as e:
            if attempt == retries:
                return f"[子任务失败] {e}"

def plan(goal):
    """动态派生:由主代理决定拆成哪些子任务"""
    text = chat(PLANNER_MODEL,
                "把目标拆成 2-5 个可并行的子任务,只输出 JSON 数组,"
                "每项包含 role 和 task 字段。",
                goal)
    try:
        return json.loads(text.strip().strip("`").removeprefix("json"))
    except json.JSONDecodeError:
        return [{"role": "通用工程师", "task": goal}]

def run_worker(item):
    return item["role"], chat(WORKER_MODEL,
                              f"你是{item['role']},只完成分配给你的部分。",
                              item["task"])

def orchestrate(goal):
    subtasks = plan(goal)                       # 扇出前的规划
    with ThreadPoolExecutor(max_workers=5) as pool:
        outputs = dict(pool.map(run_worker, subtasks))   # 并行扇出
    summary = chat(PLANNER_MODEL,               # 扇入汇总
                   "你是编排器,检查各子代理产出的冲突并整合为一份实施计划。",
                   json.dumps(outputs, ensure_ascii=False))
    return subtasks, summary

if __name__ == "__main__":
    tasks, report = orchestrate("做一个骑自行车的鹈鹕在校园里探索的浏览器小游戏")
    print("子任务:", tasks)
    print("汇总报告:\n", report)

这个示例省略了 Antigravity 中的浏览器测试、Artifacts 留痕、HITL 审批等能力,但足以帮你判断:你的项目能否被干净地拆成可并行的子任务。如果拆不开,就算换成 /swarm 也难有明显收益。

🚀 快速开始:上面的代码只需把 YOUR_API_KEY 替换为在 API易 apiyi.com 获取的密钥即可运行。新用户有免费测试额度,适合用来验证编排思路是否可行。

Google Antigravity Orchestrator 落地时需要关注的变量

有几个条件会直接影响上述判断是否成立:

  • 任务可并行度:跨技术栈、接口清晰的项目最受益,强耦合的单体代码库收益有限。
  • 成本结构:多个子代理并行意味着 token 消耗成倍增长。是否允许子代理使用更轻量的模型档位,会影响总成本。
  • 权限隔离:结合前文提到的数据外泄讨论,子代理能访问哪些文件、哪些网页、能否对外发请求,需要在启用蜂群前设定好。
  • 生态锁定:闭源运行时与 Gemini 深度绑定,团队应评估未来迁移到其他模型或编排框架的成本。

💰 成本优化:做多代理方案评估时,建议先用同一批子任务对比不同档位模型的效果与消耗。通过 API易 apiyi.com 的 OpenAI 兼容接口,只需修改 model 参数即可切换,便于快速找到质量和成本的平衡点。

接下来值得关注的有三点:/teamwork 与 /swarm 在实际项目中的分工边界会如何沉淀为最佳实践;Antigravity SDK 是否会进一步开放运行时或支持非 Gemini 后端;以及 Gemini Spark 等基于同一运行时的产品,会把多代理编排带到编码之外的哪些场景。对于现在就想动手的团队,先用通用接口验证任务拆分方式,再决定是否迁移到 Antigravity,是风险较低的路径。如需同时对比 Gemini、Claude、GPT 在编排中的表现,可以在 API易 apiyi.com 上用一个 Key 完成。


📚 参考资料

  1. Google Antigravity 官方网站:产品入口与介绍

    • 链接:antigravity.google
    • 说明:五款产品及 Orchestrator 的官方信息来源
  2. Google Antigravity 文档:功能总览

    • 链接:antigravity.google/docs/overview
    • 说明:包含 /swarm 等 Featured 特性说明
  3. Google Antigravity SDK README:Python SDK 说明

    • 链接:github.com/google-antigravity/antigravity-sdk-python
    • 说明:SDK 三层架构与子代理相关能力
  4. Simon Willison 博客:Antigravity 发布解读

    • 链接:simonwillison.net/2025/Nov/18/google-antigravity/
    • 说明:发布日当天的第一手体验与分析
  5. Simon Willison 博客:Antigravity 数据外泄风险讨论

    • 链接:simonwillison.net/2025/Nov/25/google-antigravity-exfiltrates-data/
    • 说明:了解代理系统安全风险的参考
  6. Simon Willison 博客:llm-gemini 更新与 /swarm 推文引用

    • 链接:simonwillison.net/2026/Nov/10/llm-gemini/
    • 说明:包含 Sundar Pichai 关于 Pelican Campus Quest 的推文
  7. Simon Willison 博客:Google I/O 2026 与 Gemini Spark

    • 链接:simonwillison.net/2026/May/20/google-io/
    • 说明:Gemini Spark 相关信息

作者:APIYI 技术团队
技术交流:如需探讨多代理编排方案或多模型接入问题,欢迎通过 API易 apiyi.com 首页联系我们,更多资料可访问 docs.apiyi.com 文档中心

延伸阅读

类似文章