Google Antigravity Orchestrator は、単なるもう一つのコード補完プラグインではありません。「単一の AI アシスタント」を「スケジューリング可能な仮想エンジニアリングチーム」へとアップグレードするオーケストレーションエンジンです。 1 つのメインエージェントが実行時に複数のサブエージェントを派生させ、モデリング、フロントエンド、効果音といった異なる役割を並列にこなし、その結果をまとめて返します。開発者にとって、AI コーディングツールの競争軸は「誰がより正確に補完するか」から「誰がより安定して複数のエージェントを編成できるか」へと移りつつあります。
この記事を読むと、次のことが分かります。
- Google Antigravity の 5 つの製品とは何か、Orchestrator はどこに位置するのか
- Antigravity SDK の 3 層アーキテクチャ、そして動的サブエージェントと静的サブエージェントの違い
/swarmと/teamworkという 2 つのマルチエージェントコマンドの用途、そして Pelican Campus Quest の事例でスウォームがどう役割分担するのか- Antigravity と LangChain/LangGraph、CrewAI、AutoGen、Cursor、GitHub Copilot との位置づけの違い
- さまざまなタイプの開発者が、この変化に今どう向き合うべきか
目次: まず概念表と影響の概要で、基礎的な理解を築きます。「客観的事実」のパートでは、製品マトリクス、Orchestrator の公式な位置づけ、SDK アーキテクチャ、Swarm の仕組みと事例、そして既知のセキュリティ課題を順に解説します。「分析と判断」のパートでは、マルチエージェントオーケストレーションがツール選定に持つ意味を論じ、すぐに実行できるオーケストレーションの考え方の例も示します。

Google Antigravity Orchestrator 関連の基礎知識
| 概念 | 簡単な説明 |
|---|---|
| Google Antigravity | Google が 2025 年 11 月 18 日にリリースした AI コーディングエージェントプラットフォーム。Gemini 3 Pro と同じ日に登場しました |
| Orchestrator(オーケストレーター) | Antigravity のマルチエージェント協調の中核エンジン。複数エージェントの作業のスケジューリング、割り当て、集約を担います |
| サブエージェント(Subagent) | メインエージェントから派生する、あるいはあらかじめ定義され、特定の専門タスクを担うエージェント |
| /swarm | Antigravity に組み込まれたスラッシュコマンド。マルチエージェントの並列オーケストレーション(スウォームモード)を起動します |
| /teamwork | もう 1 つのマルチエージェントオーケストレーションコマンド。「Agent teams」協調モードに対応します |
| ファンアウト / ファンイン(Fan-out / Fan-in) | タスクを複数のノードに分割して並列実行し、その結果を再び統合する実行モード |
| HITL | Human-in-the-Loop。人間と AI の協調を指し、重要な局面で人間が確認したり介入したりすること |
| Artifacts | エージェントの作業中に自動生成される Markdown ドキュメント。タスクリスト、実施計画、Walkthrough レポートなどがあり、Claude Artifacts とは別の概念です |
| Workflow Runtime | Antigravity におけるグラフベースの実行エンジン。ルーティング、ループ、リトライ、ネストされたワークフローなどをサポートします |
| Task API | エージェント間でタスクを構造化して委託するためのインターフェース |
| Gemini Spark | Antigravity ランタイムを基盤とするパーソナル AI エージェント製品 |
Google Antigravity Orchestrator の影響をざっと見る
- 現場の開発者:インタラクションの形が「1 つのアシスタントと対話する」から「エージェントチームに目標を指示する」へと変わります。タスクの分解、受け入れ基準の設定、結果のレビューが新たな中核スキルになるでしょう。
- テックリード / アーキテクト:Antigravity は IDE、CLI、SDK、ランタイムを同時に提供します。評価する際は Cursor の同類製品としてだけで捉えるのではなく、既存の LangGraph や CrewAI などのオーケストレーション手法との重なり具合も考慮する必要があります。
- オープンソースの Gemini CLI を使っているユーザー:Antigravity CLI は 2026 年 6 月にオープンソースの Gemini CLI を置き換えました。新しい CLI は Go で書かれ、しかもクローズドソースであるため、オープンソースの監査性に依存しているチームは再評価が必要です。
- セキュリティ・コンプライアンスチーム:マルチエージェントとブラウザ統合により、エージェントの権限の範囲がより広くなります。Antigravity のデータ流出リスクについては業界で公開議論がすでにあり、権限の分離は事前に検討しておくべき課題です。
Google Antigravity Orchestrator の客観的事実
Google Antigravity の 5 製品マトリクス
Antigravity は一見すると VS Code のフォークのように見え、Cursor と比較されることもよくありますが、その製品範囲ははるかに広いものです。公式情報によると、現在 5 つの製品があり、Web、デスクトップ、コマンドライン、プログラミングインターフェース、サードパーティ IDE をカバーしています。
| 製品 | 形態 | 主要情報 |
|---|---|---|
| Antigravity App | Web 向けフル機能アプリ | すなわち Antigravity 2.0 |
| Antigravity IDE | デスクトップ版 VS Code ブランチ | Gemini を深く統合 |
| Antigravity CLI | コマンドラインエージェントツール | Go 言語で開発、クローズドソース、2026 年 6 月にオープンソースの Gemini CLI を置き換え |
| Antigravity SDK | Python SDK | オープンソースのラッパー層 + クローズドソースの Go ランタイムバイナリ |
| Antigravity Extensions | IDE 拡張機能 | VS Code、JetBrains、Eclipse、Zed、Xcode、Android Studio をサポート |
インタラクション面では、Antigravity には 3 つのサーフェス(Three Surfaces)があります。Agent Manager Dashboard(エージェントマネージャー ダッシュボード)、従来の VS Code スタイルのコードエディター、そして Chrome 拡張機能による深いブラウザー統合です。ブラウザー統合により、エージェントは自分で構築した Web アプリを直接開いてテストできるようになり、その役割は Playwright MCP に似ています。
Google Antigravity Orchestrator の公式な位置づけ
Antigravity の公式ブログは「Gemini 4 Neon and Orchestrator now in Google Antigravity」というタイトルで Orchestrator の提供開始を発表しています。このタイトルからわかるように、Orchestrator は次世代の Gemini 4 モデルと同時に登場したプラットフォームレベルの機能であり、付属的な小機能ではありません。
Google のエンジニアリングディレクターである Addy Osmani 氏は公開的に次のように述べています。「Orchestrator、エージェントループ、仮想SWEチーム、その他多くのシステムが、すでにユーザーに実際に提供されています」。つまり、オーケストレーター、エージェントループ、仮想ソフトウェアエンジニアリングチームといったシステムは、すでに実際にユーザーへ提供されているということです。もう一つのデータとして、Google 社内では 40,000 名を超えるソフトウェアエンジニアが毎週エージェントコーディングを利用しており、マルチエージェントワークフローが Google 社内ですでに一定規模の実践基盤を持っていることを示しています。
モデル面では、Antigravity は Gemini と深く統合されており、Gemini 4 Carbon、Neon、Hydrogen という階層型モデル戦略を採用しています。このうち Carbon が最も高い能力を持つティアです。
Google Antigravity Orchestrator の SDK 3層アーキテクチャ
Antigravity SDK の README を見ると、開発者がオーケストレーション機能を呼び出す際には 3 つの抽象レベルを選択でき、カプセル化の度合いは高いものから低いものへと並んでいます。
| レベル | 用途 | 主要クラス |
|---|---|---|
| Layer 1 — Simplified | 高度に抽象化された入口で、すぐに始められる | Agent |
| Layer 2 — Session | 状態を持つセッション管理 | Conversation、ChatResponse、Step、ToolCall、AgentConfig、HookRunner、ToolRunner、TriggerRunner |
| Layer 3 — Adapter | トランスポートとバックエンドの抽象化 | Connection、ConnectionStrategy、LocalConnection |
このような階層設計はよく見られます。シンプルなシナリオでは Agent を直接使い、ツール呼び出し、フック、トリガーを細かく制御したい場合は Session 層に降り、トランスポート方式を差し替えたり他のバックエンドに接続したりする場合は Adapter 層を使います。LocalConnection という命名からもわかるように、SDK のオープンソース Python 層は主にラッパーを担当し、実際の実行はローカルのクローズドソース Go ランタイムが担います。

Google Antigravity Orchestrator のサブエージェント体系とオーケストレーション能力
SDK レベルでは、サブエージェントは 2 種類に分類されます。
- Dynamic self-cloning subagents(動的セルフクローンサブエージェント):メインエージェントが実行時に必要に応じて派生させるもので、タスク規模が事前に確定できないシナリオに適しています。
- Static custom subagents(静的カスタムサブエージェント):役割と指示をあらかじめ定義するもので、分担が安定しており、再現可能なプロセスが必要な場合に適しています。
サブエージェント間では構造化された通信と結果の集約がサポートされています。その上で、オーケストレーションに直接関連する 3 つの能力があります。
- Workflow Runtime:グラフベースの実行エンジンで、ルーティング、ファンアウト/ファンイン、ループ、リトライ、状態管理、動的ノード、Human-in-the-Loop(HITL)、ネストされたワークフローをサポートします。
- Task API:構造化されたエージェント間委任で、マルチラウンドタスクモード、単一ラウンドの制御された出力、ハイブリッド委任モードをサポートします。
- Modular Multi-Agent Systems:複数の専門エージェントを柔軟な階層構造に組み合わせることができます。
さらに、エージェントは作業プロセス中に Artifacts を自動生成します。これはタスクリスト、実施計画、Walkthrough レポートなどの Markdown ドキュメントです。マルチエージェントのシナリオでは、これらのドキュメントが実質的に「作業の足跡」の役割を果たし、各サブエージェントが何をしたかを人間が振り返るのに便利です。
Google Antigravity Orchestrator の /swarm コマンドと /teamwork コマンド
/swarm は Antigravity に組み込まれたスラッシュコマンドで、公式ドキュメントでは Featured(重点機能)の 1 つに挙げられており、公式の説明では「Subagents & Teamwork — Parallel multi-agent orchestration」という方向性が示されています。/teamwork は「Agent teams」に対応しており、/swarm を補完するもので、異なる協調モードに適しています。
| コマンド | 公式の表現 | ドキュメント内の情報 |
|---|---|---|
/swarm |
マルチエージェント並列オーケストレーション | Featured 機能、Pelican Campus Quest のケースではこのコマンドを使用 |
/teamwork |
Agent teams | /swarm を補完し、異なる協調モードに適しています |
/plan、/goal、/boost |
付属のスラッシュコマンド | 上記 2 つのコマンドと連携し、完全なエージェントワークフローを構成します |
公式資料では、/plan、/goal、/boost の具体的な動作についての詳細な開示は限られています。本稿ではそれらの内部メカニズムについて推測は行いません。公式ドキュメントの最新の説明を参照してください。
Pelican Campus Quest:Google Antigravity Orchestrator の象徴的な事例
Google CEO の Sundar Pichai 氏が自らポストし、/swarm の効果を紹介しました。「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」——つまり、Gemini 4 Carbon がスウォーム機能を活用し、GBike に乗ったペリカンとなって Google のマウンテンビュー本社キャンパスを探索するオープンワールド 3D ゲームを作り上げたのです。
この事例では、スウォームが 3 種類のサブエージェントを同時にオーケストレーションしています。
- サブエージェント 1:Blender で 3D アセットをモデリング。参照画像は Omni と Nano Banana から取得します。
- サブエージェント 2:Three.js でブラウザゲームを構築し、WebGL シェーダーを記述します。
- サブエージェント 3:プロシージャルな Web Audio 効果音と、Lyria が生成した音楽を設定します。
プレイ可能なバージョンはすでに Google AI Studio で公開されています。この事例の価値は、3D モデリング、フロントエンドレンダリング、オーディオというまったく異なる 3 つの技術スタックを横断している点にあります。単一エージェントでは最も両立しにくく、マルチエージェントの並列処理が最も力を発揮するシナリオそのものです。

Google Antigravity Orchestrator にまつわるセキュリティ課題
マルチエージェントとブラウザ統合の組み合わせは、攻撃対象領域の拡大をもたらします。Antigravity のリリースから1週間後の2025年11月下旬、技術ブロガーの Simon Willison 氏が、Antigravity にデータ漏洩(exfiltrate data)リスクがある問題について記事を公開しました。この種のリスクは通常、プロンプトインジェクションに関連します。エージェントが信頼できないコンテンツを読み込み、その結果として機密情報を外部に送信するよう誘導されるというものです。
この問題は Antigravity に固有のものではなく、Web ページを読み取ったりツールを実行したりできるエージェントシステムは、すべて直面します。ただし、オーケストレーターが複数のサブエージェントを同時に実行する場合、権限の境界が明確かどうかがリスクの大きさを直接左右します。この点は導入時にこそ、特に注目する価値があります。
Google Antigravity Orchestrator の分析と判断
Google Antigravity Orchestrator と従来フレームワークの位置づけの違い
Antigravity を既存ツールと並べて比較すると、最大の違いは特定の単機能ではなく「プラットフォームの形態」にあります。下表は参考資料の比較軸に基づいて整理したものです。
| 比較対象 | 相手の位置づけ | Antigravity の違い |
|---|---|---|
| LangChain / LangGraph | オーケストレーションライブラリで、実行環境は自分で構築する必要がある | 完全な IDE + ランタイムプラットフォームであり、単なるライブラリではない |
| CrewAI | ロールベースのマルチエージェントフレームワーク | Google 級のインフラ基盤による支援があり、Gemini にネイティブ最適化 |
| AutoGen | マルチエージェント対話フレームワーク | ブラウザ統合とフルスタック開発体験をより重視 |
| Cursor / Windsurf | AI IDE で、単一エージェントによる協働が中心 | 独自のマルチエージェント Swarm 機能を備える |
| GitHub Copilot | コード補完からスタート | コード補完から全自律型のエージェント協働へと進化 |

LangGraph は制御性とエコシステムの開放性において依然として優位に立ち、特定のモデルベンダーに縛られません。ただしあくまでライブラリであり、実行環境、ブラウザテスト、コード編集はすべて自分で組み立てる必要があります。それに対し Antigravity はこれらの工程をまとめてパッケージ化しており、「すぐに使える」ことを重視するチームに适しています。その代償として、Gemini と Google ランタイムに深く縛られることになります。
Cursor は個人のコーディング体験としてはすでに成熟していますが、その中核は依然として「1人の開発者に1つのエージェント」です。Antigravity の /swarm は視点を「1人の開発者がエージェント群を指揮する」へと移しており、両者は異なるレイヤーの問題を解決しています。
Google Antigravity Orchestrator は開発者にとって何を意味するのか
第一の判断:タスク分割能力は、プロンプトのテクニックよりも重要になる。 Pelican Campus Quest が成功した鍵は、モデリング、フロントエンド、サウンドエフェクトという3つの領域の間のインターフェースが十分に明確で、並行して進められたことにあります。自身のプロジェクトでスワームを使う場合、モジュール間の結合が密接だと、複数のサブエージェントがかえって互いの変更を上書きしてしまいやすくなります。
第二の判断:クローズドソース化の傾向は、チームが事前に評価しておく価値がある。 Antigravity CLI はオープンソースの Gemini CLI に取って代わり、SDK の実行コアもクローズドソースの Go バイナリです。監査性を重視し、プライベートデプロイを必要とするチームにとっては、選定時の必須条件となるでしょう。Antigravity はプロトタイプや社内ツールに使い、コアビジネスではオープンなインターフェースに基づくオーケストレーション層を残す、という折衷案が考えられます。
第三の判断(予測):マルチモデルオーケストレーションが常態化する。 現在の Antigravity は Gemini の内部階層(Carbon、Neon、Hydrogen)を採用しています。しかし業界の実践を見ると、サブエージェントごとにタスクの難易度に応じて異なるグレードのモデルを割り当てるのは、コストを抑える一般的な手法です。この考え方は単一ベンダーに限らず、自前でオーケストレーションを構築する場合にも同様に採用できます。
🎯 技術的な提案:Antigravity に接続する前に、「メインエージェントがタスクを分割し、サブエージェントが並行実行する」という考え方が自分のプロジェクトに適しているかを検証したい場合は、APIYI apiyi.com を通じて1つの APIキーで Gemini、Claude、GPT などのモデルを同時に呼び出し、低コストでプロトタイプを作って各モデルのサブタスクごとのパフォーマンスを比較できます。
汎用インターフェースで Google Antigravity Orchestrator のファンアウト/ファンイン発想を再現する
Antigravity SDK の具体的な呼び出し方法は公式 README を参照してください。以下のサンプルは Antigravity SDK を呼び出すものではなく、OpenAI 互換インターフェースを使って Orchestrator の背後にある最も核となる「ファンアウト/ファンイン」パターンを示すものです。メインエージェントがタスクを分割し、複数のサブエージェントが並列実行し、最後にメインエージェントが結果を集約します。
import openai
from concurrent.futures import ThreadPoolExecutor
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1" # APIYI apiyi.com の統一インターフェース。複数のモデルを切り替え可能
)
MODEL = "gemini-3-pro-preview" # プラットフォームのモデル一覧にある実際の名称を基準とする
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
# ファンアウト:3つの静的サブエージェントを並列処理
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())))
# ファンイン:メインエージェントが集約
print(ask("你是编排器,负责整合子代理产出", str(results)))
動的サブエージェントとリトライを含む完全実装を見る
import json
import openai
from concurrent.futures import ThreadPoolExecutor
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1" # APIYI apiyi.com 経由で呼び出し、従量課金
)
PLANNER_MODEL = "gemini-3-pro-preview" # メインエージェント:能力の高いモデルでタスクを分割
WORKER_MODEL = "gemini-3-pro-preview" # サブエージェント:より軽量なモデルに替えてコストを抑えられる
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):
"""動的派生:メインエージェントがどのサブタスクに分割するかを決める"""
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) # ファンアウト前の計画
with ThreadPoolExecutor(max_workers=5) as pool:
outputs = dict(pool.map(run_worker, subtasks)) # 並列ファンアウト
summary = chat(PLANNER_MODEL, # ファンイン集約
"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)
このサンプルは Antigravity におけるブラウザテスト、Artifacts による記録、HITL 承認といった機能を省略していますが、あなたのプロジェクトがきれいに並列可能なサブタスクへ分割できるかどうかを判断するには十分です。もし分割できなければ、/swarm に切り替えても目立った効果は得にくいでしょう。
🚀 クイックスタート:上記のコードは、
YOUR_API_KEYを APIYI apiyi.com で取得したキーに置き換えるだけで実行できます。新規ユーザーには無料のテストクレジットがあり、オーケストレーションの進め方が実現可能かどうかを検証するのに適しています。
Google Antigravity Orchestrator を導入する際に注目すべき変数
いくつかの条件が、上記の判断が成立するかどうかに直接影響します。
- タスクの並列化可能性:技術スタックをまたぎ、インターフェースが明確なプロジェクトが最も恩恵を受けます。密結合のモノリシックなコードベースでは、効果は限定的です。
- コスト構造:複数のサブエージェントが並列で動作すると、トークン消費が倍増します。サブエージェントに軽量なモデルティアの利用を許可するかどうかが、総コストに影響します。
- 権限分離:前述のデータ漏えいに関する議論を踏まえると、サブエージェントがどのファイルやどのWebページにアクセスできるか、外部へリクエストを送信できるかどうかを、スウォームを有効化する前に設定しておく必要があります。
- エコシステムロックイン:クローズドソースのランタイムが Gemini と深く結びついているため、チームは将来、他のモデルやオーケストレーションフレームワークへ移行する際のコストを見積もるべきです。
💰 コスト最適化:マルチエージェント構成を評価する際は、まず同じサブタスク群を使って、異なるティアのモデルの性能と消費量を比較することをおすすめします。APIYI apiyi.com の OpenAI 互換インターフェースなら、
modelパラメータを変更するだけで切り替えられるため、品質とコストのバランスが取れるポイントをすばやく見つけられます。
今後注目すべき点は3つあります。/teamwork と /swarm が実際のプロジェクトでどのように役割分担の境界を定め、ベストプラクティスとして定着していくのか。Antigravity SDK がランタイムをさらに開放するのか、あるいは Gemini 以外のバックエンドをサポートするのか。そして Gemini Spark など同じランタイムを基盤とする製品が、マルチエージェントオーケストレーションをコーディング以外のどのようなシーンに広げていくのか、です。今すぐ着手したいチームにとっては、まず汎用インターフェースでタスク分割方法を検証し、その後 Antigravity へ移行するかどうかを決めるのが、リスクの低い進め方です。Gemini、Claude、GPT のオーケストレーションでの性能を同時に比較したい場合は、APIYI apiyi.com 上で1つの Key を使って完結できます。
📚 参考資料
-
Google Antigravity 公式サイト:製品入口と紹介
- リンク:
antigravity.google - 説明:5つの製品と Orchestrator の公式情報源
- リンク:
-
Google Antigravity ドキュメント:機能概要
- リンク:
antigravity.google/docs/overview - 説明:
/swarmなどの Featured 機能の解説を含む
- リンク:
-
Google Antigravity SDK README:Python SDK の説明
- リンク:
github.com/google-antigravity/antigravity-sdk-python - 説明:SDK の3層アーキテクチャとサブエージェント関連の機能
- リンク:
-
Simon Willison ブログ:Antigravity 公開の解説
- リンク:
simonwillison.net/2025/Nov/18/google-antigravity/ - 説明:公開当日のファーストハンド体験と分析
- リンク:
-
Simon Willison ブログ:Antigravity のデータ漏洩リスクに関する議論
- リンク:
simonwillison.net/2025/Nov/25/google-antigravity-exfiltrates-data/ - 説明:エージェントシステムのセキュリティリスクを理解するための参考資料
- リンク:
-
Simon Willison ブログ:llm-gemini のアップデートと /swarm のツイート引用
- リンク:
simonwillison.net/2026/Nov/10/llm-gemini/ - 説明:Pelican Campus Quest に関する Sundar Pichai のツイートを含む
- リンク:
-
Simon Willison ブログ:Google I/O 2026 と Gemini Spark
- リンク:
simonwillison.net/2026/May/20/google-io/ - 説明:Gemini Spark に関する情報
- リンク:
著者:APIYI 技術チーム
技術交流:マルチエージェントオーケストレーションの方案やマルチモデル接続の問題について議論したい方は、APIYI apiyi.com のトップページからお気軽にお問い合わせください。詳細な資料は docs.apiyi.com のドキュメントセンターをご覧ください。
