Глубокий анализ Google Antigravity Orchestrator: 5 продуктов, 3 уровня SDK и полное объяснение мультиагентной оркестрации /swarm

Глубокий анализ Google Antigravity Orchestrator: 5 продуктов, 3 уровня SDK и полное объяснение мультиагентной оркестрации /swarm

Google Antigravity Orchestrator — это не ещё один плагин автодополнения кода, а движок оркестрации, который превращает «одиночного AI-ассистента» в «виртуальную инженерную команду, поддающуюся планированию». Он позволяет главному агенту прямо во время работы порождать несколько субагентов, параллельно выполняющих разные задачи — моделирование, фронтенд, звук, — а затем собирать результаты обратно. Для разработчиков центр тяжести конкуренции в AI-инструментах для кодинга смещается с вопроса «кто точнее дополняет код» к вопросу «кто стабильнее оркестрирует нескольких агентов».

Что вы узнаете, прочитав эту статью?

  • Какие 5 продуктов есть у Google Antigravity и какое место среди них занимает Orchestrator
  • Трёхуровневая архитектура Antigravity SDK, а также разница между динамическими и статическими субагентами
  • Назначение двух мультиагентных команд /swarm и /teamwork и как в кейсе Pelican Campus Quest Swarm распределяет работу между участниками
  • Чем позиционирование Antigravity отличается от LangChain/LangGraph, CrewAI, AutoGen, Cursor и GitHub Copilot
  • Как разным типам разработчиков реагировать на эти изменения

Оглавление: сначала таблица концепций и краткий обзор влияния помогут вам построить базовую картину. В части «Объективные факты» последовательно рассказывается о матрице продуктов, официальном позиционировании Orchestrator, архитектуре SDK, механизме Swarm и кейсе, а также об известных вопросах безопасности. В части «Аналитические суждения» обсуждается значение мультиагентной оркестрации для выбора инструментов и приводится пример подхода к оркестрации, который можно запустить сразу.

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


Концепции Google Antigravity Orchestrator, которые стоит знать

Концепция Краткое пояснение
Google Antigravity Платформа AI-агентов для кодинга, выпущенная Google 18 ноября 2025 года — в тот же день, что и Gemini 3 Pro
Orchestrator (оркестратор) Ключевой движок мультиагентной координации Antigravity: отвечает за планирование, распределение и агрегирование работы нескольких агентов
Субагент (Subagent) Агент, порождённый главным агентом или заданный заранее, который выполняет отдельную специализированную задачу
/swarm Встроенная слэш-команда Antigravity для запуска параллельной мультиагентной оркестрации (режим роя)
/teamwork Ещё одна команда мультиагентной оркестрации, соответствующая режиму совместной работы «Agent teams»
Fan-out / Fan-in (распределение / сборка) Модель выполнения, при которой задача разбивается на несколько узлов для параллельного выполнения, а затем результаты объединяются обратно
HITL Human-in-the-Loop, человеко-машинное взаимодействие — когда на ключевых этапах человек подтверждает или вмешивается
Artifacts Markdown-документы, автоматически генерируемые агентами в процессе работы: списки задач, планы реализации, отчёты Walkthrough. Это не то же самое, что Claude Artifacts
Workflow Runtime Графовый движок выполнения в Antigravity, поддерживающий маршрутизацию, циклы, повторные попытки и вложенные workflow
Task API Интерфейс для структурированной передачи задач между агентами
Gemini Spark Продукт персонального AI-агента, работающий на runtime Antigravity

Краткий обзор влияния Google Antigravity Orchestrator

  • Разработчики на передовой: способ взаимодействия меняется — вместо «диалога с одним помощником» вы «ставите цель команде агентов». Разбиение задач, критерии приёмки и проверка результатов становятся новыми ключевыми навыками.
  • Техлиды / архитекторы: Antigravity одновременно предоставляет IDE, CLI, SDK и runtime. При оценке нельзя рассматривать её просто как аналог Cursor — стоит учитывать и степень её пересечения с существующими оркестрационными решениями вроде LangGraph и CrewAI.
  • Пользователи открытого Gemini CLI: CLI от Antigravity уже в июне 2026 года заменил открытый Gemini CLI. Новый CLI написан на Go и закрыт по исходникам, поэтому командам, зависящим от аудитируемости открытого кода, придётся всё пересматривать.
  • Команды по безопасности и комплаенсу: мультиагентность плюс интеграция с браузером означают более широкую поверхность прав доступа агентов. В индустрии уже есть публичные обсуждения рисков утечки данных через Antigravity, поэтому изоляцию прав доступа нужно продумывать заранее.

Объективные факты о Google Antigravity Orchestrator

Матрица из 5 продуктов Google Antigravity

На первый взгляд Antigravity выглядит как форк VS Code, и его часто сравнивают с Cursor, но продуктовый охват у него гораздо шире. По официальной информации, сейчас существует пять продуктов, которые покрывают Web, десктоп, командную строку, программный интерфейс и сторонние IDE.

Продукт Форма Ключевая информация
Antigravity App Полнофункциональное веб-приложение Это Antigravity 2.0
Antigravity IDE Десктопный форк VS Code Глубокая интеграция с Gemini
Antigravity CLI Инструмент-агент командной строки Написан на Go, закрытый исходный код, в июне 2026 года заменит Gemini CLI с открытым исходным кодом
Antigravity SDK Python SDK Слой-обёртка с открытым исходным кодом + бинарник Go-рантайма с закрытым исходным кодом
Antigravity Extensions Расширения IDE Поддерживает VS Code, JetBrains, Eclipse, Zed, Xcode, Android Studio

На уровне взаимодействия у Antigravity есть три интерфейса (Three Surfaces): Agent Manager Dashboard (панель управления агентами), редактор кода в традиционном стиле VS Code, а также глубокая интеграция с браузером через расширение Chrome. Интеграция с браузером позволяет агенту напрямую открывать и тестировать созданное им веб-приложение — по сути, это работает как Playwright MCP.

Официальное позиционирование Google Antigravity Orchestrator

Официальный блог Antigravity анонсировал запуск Orchestrator материалом под заголовком «Gemini 4 Neon and Orchestrator now in Google Antigravity». Уже из заголовка видно: Orchestrator — это платформенная возможность, выпущенная вместе с новым поколением модели Gemini 4, а не какая-то второстепенная функция.

Директор по инженерии Google Эдди Османи (Addy Osmani) публично заявил: «Orchestrators, agent loops, virtual SWE teams and many other systems are actively available to folks». То есть оркестраторы, агентные циклы, виртуальные команды разработчиков — все эти системы уже реально доступны пользователям. Ещё одна цифра: более 40 000 инженеров-программистов внутри Google еженедельно используют агентное кодирование — а значит, у мультиагентных рабочих процессов в Google уже есть вполне реальная практическая база.

Что касается моделей, Antigravity тесно связан с Gemini и применяет послойную стратегию Gemini 4 Carbon, Neon, Hydrogen, где Carbon — самый мощный уровень.

Трёхуровневая архитектура SDK Google Antigravity Orchestrator

Судя по README Antigravity SDK, при работе с возможностями оркестрации у разработчика есть три уровня абстракции — от высокой степени инкапсуляции к низкой.

Уровень Назначение Ключевые классы
Layer 1 — Simplified Точка входа с высокой инкапсуляцией, быстрый старт Agent
Layer 2 — Session Управление сессиями с сохранением состояния Conversation、ChatResponse、Step、ToolCall、AgentConfig、HookRunner、ToolRunner、TriggerRunner
Layer 3 — Adapter Абстракция транспорта и бэкенда Connection、ConnectionStrategy、LocalConnection

Такая слоистая схема встречается часто: для простых сценариев берут Agent; когда нужен тонкий контроль над вызовами инструментов, хуками и триггерами — спускаются на уровень Session; когда нужно заменить способ передачи данных или подключить другой бэкенд — используют уровень Adapter. Само название LocalConnection говорит о том, что открытый Python-слой SDK отвечает в основном за обёртку, а реальное исполнение выполняет локальный закрытый Go-рантайм.

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

Система субагентов и возможности оркестрации в Google Antigravity Orchestrator

На уровне SDK субагенты делятся на два типа:

  • Динамические самоклонирующиеся субагенты (Dynamic self-cloning subagents): главный агент порождает их по мере необходимости во время выполнения; подходят для случаев, когда масштаб задачи заранее неизвестен.
  • Статические кастомные субагенты (Static custom subagents): роли и инструкции задаются заранее; подходят для стабильного разделения труда и воспроизводимых процессов.

Между субагентами поддерживаются структурированное взаимодействие и агрегация результатов. Поверх этого есть три возможности, напрямую связанные с оркестрацией:

  1. Workflow Runtime: движок выполнения на основе графов, который поддерживает маршрутизацию, fan-out/fan-in, циклы, повторные попытки, управление состоянием, динамические узлы, human-in-the-loop (HITL) и вложенные рабочие процессы.
  2. Task API: структурированное делегирование между агентами с поддержкой многораундовых режимов задач, контролируемого вывода за один раунд и гибридного режима делегирования.
  3. Modular Multi-Agent Systems: позволяет объединять несколько специализированных агентов в гибкие иерархические структуры.

Кроме того, в процессе работы агенты автоматически создают Artifacts — Markdown-документы вроде списков задач, планов реализации и отчётов Walkthrough. В мультиагентных сценариях эти документы фактически служат «следом проделанной работы»: по ним человек может просмотреть, что делал каждый субагент.

Команды /swarm и /teamwork в Google Antigravity Orchestrator

/swarm — встроенная слэш-команда Antigravity. В официальной документации она числится в разделе Featured (ключевые возможности), а её описание звучит так: «Subagents & Teamwork — Parallel multi-agent orchestration». Команда /teamwork соответствует «Agent teams»: она дополняет /swarm и применяется в других режимах совместной работы.

Команда Официальная формулировка Что сказано в документации
/swarm Параллельная оркестрация нескольких агентов Ключевая возможность, в кейсе Pelican Campus Quest используется именно эта команда
/teamwork Agent teams Дополняет /swarm, подходит для иных режимов совместной работы
/plan, /goal, /boost Сопутствующие слэш-команды Работают вместе с двумя предыдущими и образуют полный рабочий процесс агента

В официальных материалах довольно скупо описано, как именно ведут себя /plan, /goal и /boost. Мы не будем строить догадки об их внутренней механике — лучше ориентироваться на актуальные пояснения в официальной документации.

Pelican Campus Quest: показательный кейс Google Antigravity Orchestrator

Генеральный директор Google Сундар Пичаи сам опубликовал твит с демонстрацией того, что умеет /swarm: «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». Иначе говоря, Gemini 4 Carbon с помощью роевой функции сделал открытую 3D-игру: игрок в роли пеликана на GBike исследует кампус Google в Маунтин-Вью.

В этом кейсе рой одновременно координировал три типа субагентов:

  • Субагент 1: моделировал 3D-ассеты в Blender, референсные изображения брал из Omni и Nano Banana.
  • Субагент 2: собирал браузерную игру на Three.js и писал шейдеры WebGL.
  • Субагент 3: настраивал процедурные звуковые эффекты Web Audio и музыку, сгенерированную Lyria.

Играбельная версия уже доступна в Google AI Studio. Ценность кейса в том, что он охватывает три совершенно разных технологических стека — 3D-моделирование, фронтенд-рендеринг и звук. Именно в таких задачах одиночному агенту труднее всего всё охватить, а параллельная работа нескольких агентов раскрывается лучше всего.

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

Вопросы безопасности, связанные с Google Antigravity Orchestrator

Интеграция нескольких агентов с браузером тоже увеличивает поверхность атаки. Через неделю после релиза Antigravity, в конце ноября 2025 года, технический блогер Simon Willison опубликовал материал, в котором обсуждал риск утечки данных (exfiltrate data) в Antigravity. Такой риск обычно связан с инъекцией промптов: агент читает недоверенный контент, и его склоняют к тому, чтобы отправить конфиденциальную информацию наружу.

Эта проблема не уникальна для Antigravity — с ней сталкиваются все агентские системы, которые умеют читать веб-страницы и выполнять инструменты. Но оркестратор одновременно запускает несколько субагентов, и то, насколько чётко очерчены границы прав доступа, напрямую определяет масштаб риска. На это стоит обратить особое внимание при внедрении.


Анализ и оценка Google Antigravity Orchestrator

Различия в позиционировании Google Antigravity Orchestrator и традиционных фреймворков

Если поставить Antigravity рядом с существующими инструментами, главное отличие будет не в какой-то отдельной функции, а в «форме платформы». Таблица ниже составлена на основе сравнительных измерений из справочных материалов.

Объект сравнения Позиционирование конкурента Отличие Antigravity
LangChain / LangGraph Библиотека оркестрации, среду выполнения нужно собирать самому Полноценная IDE + платформа среды выполнения, а не просто библиотека
CrewAI Ролевой мультиагентный фреймворк Инфраструктурная поддержка уровня Google, нативная оптимизация под Gemini
AutoGen Фреймворк мультиагентных диалогов Больший акцент на интеграции с браузером и опыте full-stack разработки
Cursor / Windsurf AI IDE, с акцентом на сотрудничество с одним агентом Обладает уникальными возможностями мультиагентного Swarm
GitHub Copilot Начинался с автодополнения кода Эволюционировал от автодополнения к полностью автономному взаимодействию агентов

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

У LangGraph по-прежнему есть преимущество в управляемости и открытости экосистемы — он не привязан ни к какому вендору моделей. Но это всего лишь библиотека: среду выполнения, тестирование в браузере и редактирование кода приходится собирать самому. Antigravity, напротив, упаковывает все эти звенья в один пакет — это лучше подходит для команд, которым нужно «работать из коробки». Плата за это — глубокая привязка к Gemini и среде выполнения Google.

Cursor уже вполне зрел в опыте одиночного программирования, но его суть по-прежнему — «один разработчик плюс один агент». /swarm в Antigravity смещает акцент на «один разработчик командует группой агентов» — эти два инструмента решают задачи разного уровня.

Что Google Antigravity Orchestrator означает для разработчиков

Первый вывод: умение декомпозировать задачи станет важнее приёмов промптинга. Успех Pelican Campus Quest объясняется именно тем, что интерфейсы между тремя частями — моделированием, фронтендом и звуком — были достаточно чёткими, чтобы работать параллельно. Если в собственном проекте использовать swarm, то при тесной связи модулей несколько субагентов, наоборот, могут начать перезаписывать изменения друг друга.

Второй вывод: командам стоит заранее оценить тренд к проприетарным решениям. Antigravity CLI заменил открытый Gemini CLI, а исполнительное ядро SDK — тоже закрытый бинарник на Go. Для команд, которым важна возможность аудита и нужно развёртывание on-premise, это станет жёстким критерием при выборе. Можно использовать Antigravity для прототипов и внутренних инструментов, а в основных бизнес-задачах сохранить слой оркестрации на основе открытых интерфейсов — как компромиссный вариант.

Третий вывод (прогноз): мультимодельная оркестрация станет нормой. Сейчас в Antigravity используется внутренняя градация моделей Gemini (Carbon, Neon, Hydrogen). Но практика отрасли показывает: чтобы контролировать затраты, разные субагенты часто сопоставляют с моделями разного уровня в зависимости от сложности задачи. Этот подход не привязан к одному вендору — его можно применять и при собственной оркестрации.

🎯 Техническая рекомендация: если вы хотите ещё до подключения Antigravity проверить, подходит ли вашему проекту схема «главный агент разбивает задачи, субагенты выполняют их параллельно», можно через APIYI apiyi.com с помощью одного API-ключа одновременно вызывать Gemini, Claude, GPT и другие модели, с небольшими затратами собрать прототип и сравнить, как разные модели справляются с отдельными подзадачами.

Воспроизводим паттерн fan-out/fan-in из Google Antigravity Orchestrator на универсальном API

Конкретный способ вызова Antigravity SDK смотрите в официальном README. Пример ниже не обращается к Antigravity SDK — он показывает на OpenAI-совместимом интерфейсе самую суть паттерна «fan-out/fan-in», на котором держится Orchestrator: главный агент разбивает задачу на части, несколько субагентов выполняют их параллельно, а в конце главный агент сводит результаты воедино.

import openai
from concurrent.futures import ThreadPoolExecutor

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Единый интерфейс APIYI apiyi.com, можно переключаться между разными моделями
)
MODEL = "gemini-3-pro-preview"  # Ориентируйтесь на фактическое имя в списке моделей платформы

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

# Fan-out: три статических субагента работают параллельно
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())))

# Fan-in: главный агент сводит результаты
print(ask("你是编排器,负责整合子代理产出", str(results)))
Посмотреть полную реализацию с динамическими субагентами и повторными попытками
import json
import openai
from concurrent.futures import ThreadPoolExecutor

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # вызов через APIYI apiyi.com, оплата по факту использования
)

PLANNER_MODEL = "gemini-3-pro-preview"   # главный агент: берём модель посильнее для декомпозиции задач
WORKER_MODEL = "gemini-3-pro-preview"    # суб-агент: можно заменить на более лёгкую модель, чтобы сэкономить

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):
    """Динамическое порождение: главный агент сам решает, на какие подзадачи разбить цель"""
    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)                       # планирование перед разветвлением
    with ThreadPoolExecutor(max_workers=5) as pool:
        outputs = dict(pool.map(run_worker, subtasks))   # параллельное разветвление
    summary = chat(PLANNER_MODEL,               # сведение результатов (fan-in)
                   "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)

В этом примере опушены такие возможности Antigravity, как браузерное тестирование, журналирование артефактов и HITL-утверждение, но его достаточно, чтобы понять главное: можно ли ваш проект чисто разбить на параллельные подзадачи. Если разбить не получается, то даже переход на /swarm вряд ли даст заметный выигрыш.

🚀 Быстрый старт: чтобы запустить код выше, достаточно заменить YOUR_API_KEY на ключ, полученный в APIYI apiyi.com. Новым пользователям даётся бесплатный тестовый лимит — как раз чтобы проверить, работает ли ваша идея с оркестрацией.

Факторы, которые нужно учитывать при внедрении Google Antigravity Orchestrator

Есть несколько условий, от которых напрямую зависит, останутся ли в силе приведенные выше выводы:

  • Степень распараллеливания задач: больше всего выигрывают проекты с несколькими технологическими стеками и четкими интерфейсами; у сильно связанных монолитных кодовых баз выгода ограничена.
  • Структура затрат: параллельная работа нескольких субагентов означает кратный рост расхода токенов. Будет ли разрешено субагентам использовать более легкие модели, влияет на общую стоимость.
  • Изоляция прав доступа: с учетом упомянутого выше обсуждения утечек данных нужно заранее определить, к каким файлам и веб-страницам имеют доступ субагенты и могут ли они отправлять внешние запросы, — еще до запуска режима swarm.
  • Привязка к экосистеме: закрытая среда выполнения тесно связана с Gemini, поэтому командам стоит оценить затраты на будущую миграцию на другие модели или фреймворки оркестрации.

💰 Оптимизация затрат: при оценке мультиагентных решений стоит сначала на одной и той же партии подзадач сравнить результаты и расход моделей разных уровней. В OpenAI-совместимом интерфейсе APIYI (apiyi.com) для переключения достаточно изменить параметр model — так проще быстро найти баланс между качеством и стоимостью.

Дальше стоит наблюдать за тремя вещами: как разделение обязанностей между /teamwork и /swarm в реальных проектах закрепится в виде лучших практик; начнет ли Antigravity SDK дополнительно открывать среду выполнения или поддерживать бэкенды не на Gemini; и в какие сценарии за пределами программирования продукты на той же среде выполнения, например Gemini Spark, выведут оркестрацию нескольких агентов. Командам, которые хотят начать уже сейчас, лучше сначала проверить подход к разбиению задач через универсальный интерфейс, а затем решать, переходить ли на Antigravity, — это менее рискованный путь. Если нужно одновременно сравнить, как Gemini, Claude и GPT проявляют себя в оркестрации, это можно сделать на APIYI apiyi.com с одним API-ключом.


📚 Справочные материалы

  1. Официальный сайт Google Antigravity: точка входа в продукт и описание

    • Ссылка: antigravity.google
    • Пояснение: официальный источник информации о пяти продуктах и Orchestrator
  2. Документация Google Antigravity: обзор возможностей

    • Ссылка: antigravity.google/docs/overview
    • Пояснение: включает описание функций из раздела Featured, в том числе /swarm
  3. README Google Antigravity SDK: описание Python SDK

    • Ссылка: github.com/google-antigravity/antigravity-sdk-python
    • Пояснение: трёхуровневая архитектура SDK и возможности, связанные с субагентами
  4. Блог Simon Willison: разбор релиза Antigravity

    • Ссылка: simonwillison.net/2025/Nov/18/google-antigravity/
    • Пояснение: впечатления и анализ из первых рук в день релиза
  5. Блог Simon Willison: обсуждение риска утечки данных в Antigravity

    • Ссылка: simonwillison.net/2025/Nov/25/google-antigravity-exfiltrates-data/
    • Пояснение: полезный материал для понимания рисков безопасности агентных систем
  6. Блог Simon Willison: обновление llm-gemini и упоминание твита про /swarm

    • Ссылка: simonwillison.net/2026/Nov/10/llm-gemini/
    • Пояснение: содержит твит Сундара Пичаи о Pelican Campus Quest
  7. Блог Simon Willison: Google I/O 2026 и Gemini Spark

    • Ссылка: simonwillison.net/2026/May/20/google-io/
    • Пояснение: информация о Gemini Spark

Автор: техническая команда APIYI
Обсуждение технических вопросов: если хотите обсудить схемы оркестрации нескольких агентов или вопросы подключения разных моделей — напишите нам через главную страницу APIYI apiyi.com, а больше материалов найдёте в центре документации docs.apiyi.com

Читайте также

Похожие записи