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
/swarmи/teamworkи 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.

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.

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:
- 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.
- Task API: структурированное делегирование между агентами с поддержкой многораундовых режимов задач, контролируемого вывода за один раунд и гибридного режима делегирования.
- 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.

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 |

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_KEYна 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
-
Официальный сайт Google Antigravity: точка входа в продукт и описание
- Ссылка:
antigravity.google - Пояснение: официальный источник информации о пяти продуктах и Orchestrator
- Ссылка:
-
Документация Google Antigravity: обзор возможностей
- Ссылка:
antigravity.google/docs/overview - Пояснение: включает описание функций из раздела Featured, в том числе
/swarm
- Ссылка:
-
README Google Antigravity SDK: описание Python SDK
- Ссылка:
github.com/google-antigravity/antigravity-sdk-python - Пояснение: трёхуровневая архитектура SDK и возможности, связанные с субагентами
- Ссылка:
-
Блог Simon Willison: разбор релиза Antigravity
- Ссылка:
simonwillison.net/2025/Nov/18/google-antigravity/ - Пояснение: впечатления и анализ из первых рук в день релиза
- Ссылка:
-
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
- Ссылка:
-
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
- Ссылка:
-
Блог Simon Willison: Google I/O 2026 и Gemini Spark
- Ссылка:
simonwillison.net/2026/May/20/google-io/ - Пояснение: информация о Gemini Spark
- Ссылка:
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
