Google Antigravity Orchestrator 深度解析:5 款產品、3 層 SDK 與 /swarm 多代理編排全解讀

Google Antigravity Orchestrator 深度解析:5 款產品、3 層 SDK 與 /swarm 多代理編排全解讀

Google Antigravity Orchestrator 不是另一個代碼補全插件,而是把“單個 AI 助手”升級爲“可調度的虛擬工程團隊”的編排引擎。 它讓一個主代理在運行時派生多個子代理,並行完成建模、前端、音效等不同分工,再把結果彙總回來。對開發者來說,AI 編碼工具的競爭重點正在從“誰補全得更準”轉向“誰能更穩地編排多個代理”。

您讀完此文能瞭解到什麼?

  • Google Antigravity 的 5 款產品分別是什麼,Orchestrator 處在什麼位置
  • Antigravity SDK 的三層架構,以及動態與靜態子代理的區別
  • /swarm 與 /teamwork 兩個多代理命令的用途,以及 Pelican Campus Quest 案例中蜂羣如何分工
  • Antigravity 與 LangChain/LangGraph、CrewAI、AutoGen、Cursor、GitHub Copilot 的定位差異
  • 不同類型的開發者現在應如何應對這一變化

索引: 先用概念表和影響速覽幫你建立基礎認知。“客觀事實”部分依次講產品矩陣、Orchestrator 的官方定位、SDK 架構、Swarm 機制與案例,以及已知的安全議題。“分析判斷”部分討論多代理編排對工具選型的意義,並給出一個可直接運行的編排思路示例。

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


Google Antigravity Orchestrator 相關概念 To Know

概念 簡要解釋
Google Antigravity Google 於 2025 年 11 月 18 日發佈的 AI 編碼代理平臺,與 Gemini 3 Pro 同日亮相
Orchestrator(編排器) Antigravity 多代理協同的核心引擎,負責調度、分派和彙總多個代理的工作
子代理(Subagent) 由主代理派生或預先定義、承擔某項專門任務的代理
/swarm Antigravity 內置的斜槓命令,用於啓動多代理並行編排(蜂羣模式)
/teamwork 另一個多代理編排命令,對應“Agent teams”協作模式
扇出 / 扇入(Fan-out / Fan-in) 把任務拆給多個節點並行執行,再把結果合並回來的執行模式
HITL Human-in-the-Loop,人機協同,即在關鍵節點由人類確認或介入
Artifacts 代理工作時自動生成的 Markdown 文檔,如任務列表、實施計劃、Walkthrough 報告,與 Claude Artifacts 是不同概念
Workflow Runtime Antigravity 中基於圖的執行引擎,支持路由、循環、重試、嵌套工作流等
Task API 用於代理之間結構化委託任務的接口
Gemini Spark 基於 Antigravity 運行時的個人 AI 代理產品

Google Antigravity Orchestrator 影響速覽

  • 一線開發者:交互方式從“與一個助手對話”變成“給一支代理團隊下達目標”。任務拆分、驗收標準和結果審查會成爲新的核心技能。
  • 技術負責人 / 架構師:Antigravity 同時提供 IDE、CLI、SDK 和運行時。評估時不能只把它當 Cursor 的同類產品看,還要考慮它與現有 LangGraph、CrewAI 等編排方案的重疊程度。
  • 使用開源 Gemini CLI 的用戶:Antigravity CLI 已在 2026 年 6 月取代開源 Gemini CLI。新 CLI 用 Go 編寫且閉源,依賴開源可審計性的團隊需要重新評估。
  • 安全與合規團隊:多代理加瀏覽器集成意味着代理權限面更大。業界已有關於 Antigravity 數據外泄風險的公開討論,權限隔離需要前置考慮。

Google Antigravity Orchestrator 客觀事實

Google Antigravity 的 5 款產品矩陣

Antigravity 表面上看像 VS Code Fork,也常被拿來和 Cursor 比較,但它的產品範圍要寬得多。根據官方信息,目前共有五款產品,覆蓋 Web、桌面、命令行、編程接口和第三方 IDE。

產品 形態 關鍵信息
Antigravity App Web 端全功能應用 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 語言編寫、閉源,2026 年 6 月取代開源 Gemini CLI
Antigravity SDK Python SDK 開源封裝層 + 閉源 Go 運行時二進制
Antigravity Extensions IDE 擴展 支持 VS Code、JetBrains、Eclipse、Zed、Xcode、Android Studio

在交互層面,Antigravity 有三個界面(Three Surfaces):Agent Manager Dashboard(代理管理器儀表盤)、傳統 VS Code 風格的代碼編輯器,以及 Chrome 擴展帶來的深度瀏覽器集成。瀏覽器集成讓代理可以直接打開並測試自己構建的 Web 應用,作用類似 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”爲題,宣佈 Orchestrator 上線。從標題可以看出,Orchestrator 是與新一代 Gemini 4 模型一同推出的平臺級能力,而不是一個附屬小功能。

Google 工程總監 Addy Osmani 公開表示:“Orchestrators, agent loops, virtual SWE teams and many other systems are actively available to folks”。也就是說,編排器、代理循環、虛擬軟件工程團隊這些系統已經在實際提供給用戶使用。另一組數據是,Google 內部有超過 40,000 名軟件工程師每週使用代理編碼,這說明多代理工作流在 Google 內部已有一定規模的實踐基礎。

模型方面,Antigravity 與 Gemini 深度綁定,並採用 Gemini 4 Carbon、Neon、Hydrogen 的分層模型策略,其中 Carbon 是能力最強的一檔。

Google Antigravity Orchestrator 的 SDK 三層架構

從 Antigravity SDK 的 README 看,開發者調用編排能力時有三個抽象層級可選,封裝程度從高到低。

層級 用途 關鍵類
Layer 1 — Simplified 高封裝度入口,快速起步 Agent
Layer 2 — Session 有狀態的會話管理 Conversation、ChatResponse、Step、ToolCall、AgentConfig、HookRunner、ToolRunner、TriggerRunner
Layer 3 — Adapter 傳輸與後端抽象 Connection、ConnectionStrategy、LocalConnection

這種分層設計比較常見:簡單場景直接用 Agent,需要精細控制工具調用、鉤子和觸發器時下沉到 Session 層,需要替換傳輸方式或接入其他後端時再用 Adapter 層。LocalConnection 這一命名也說明,SDK 的開源 Python 層主要負責封裝,真正的執行由本地的閉源 Go 運行時完成。

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

Google Antigravity Orchestrator 的子代理體系與編排能力

在 SDK 層面,子代理分兩類:

  • Dynamic self-cloning subagents(動態自克隆子代理):主代理在運行時按需派生,適合任務規模事先無法確定的場景。
  • Static custom subagents(靜態自定義子代理):預先定義角色和指令,適合分工穩定、需要可復現的流程。

子代理之間支持結構化通信和結果匯聚。在此之上,有三項與編排直接相關的能力:

  1. Workflow Runtime:基於圖的執行引擎,支持路由、扇出/扇入、循環、重試、狀態管理、動態節點、人機協同(HITL)和嵌套工作流。
  2. Task API:結構化的代理間委託,支持多輪任務模式、單輪受控輸出和混合委託模式。
  3. Modular Multi-Agent Systems:可以把多個專業代理組合成靈活的層次結構。

此外,代理在工作過程中會自動生成 Artifacts,即任務列表、實施計劃、Walkthrough 報告等 Markdown 文檔。在多代理場景下,這些文檔實際上起到了“工作留痕”的作用,方便人類回看每個子代理做了什麼。

Google Antigravity Orchestrator 的 /swarm 與 /teamwork 命令

/swarm 是 Antigravity 內置的斜槓命令,在官方文檔中被列爲 Featured(重點特性)之一,官方描述方向爲“Subagents & Teamwork — Parallel multi-agent orchestration”。/teamwork 對應“Agent teams”,與 /swarm 互補,適用於不同的協作模式。

命令 官方表述 文檔中的信息
/swarm 多代理並行編排 Featured 特性,Pelican Campus Quest 案例使用此命令
/teamwork Agent teams 與 /swarm 互補,適用於不同協作模式
/plan、/goal、/boost 配套斜槓命令 與上述兩個命令配合,組成完整的代理工作流

官方資料對 /plan、/goal、/boost 的具體行爲細節披露有限。本文不對它們的內部機制做推斷,建議以官方文檔的最新說明爲準。

Pelican Campus Quest:Google Antigravity Orchestrator 的標誌性案例

Google CEO Sundar Pichai 親自發推展示了 /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”。也就是說,Gemini 4 Carbon 藉助蜂羣功能做出了一款開放世界 3D 遊戲,玩家扮演一隻騎 GBike 的鵜鶘,在 Google 山景城園區裏探索。

這個案例裏,蜂羣同時協調了三類子代理:

  • 子代理 1:在 Blender 中建模 3D 資產,參考圖來自 Omni 和 Nano Banana。
  • 子代理 2:用 Three.js 構建瀏覽器遊戲並編寫 WebGL 着色器。
  • 子代理 3:配置程序化 Web Audio 音效和 Lyria 生成的音樂。

可玩版本已在 Google AI Studio 上線。這個案例的價值在於,它跨越了 3D 建模、前端渲染、音頻三個完全不同的技術棧,正好是單代理最難兼顧、而多代理並行最有優勢的場景。

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

Google Antigravity Orchestrator 相關的安全議題

多代理加瀏覽器集成,也帶來了更大的攻擊面。Antigravity 發佈一週後,即 2025 年 11 月下旬,技術博主 Simon Willison 發文討論了 Antigravity 存在數據外泄(exfiltrate data)風險的問題。這類風險通常與提示注入有關:代理讀取了不可信內容,進而被誘導把敏感信息發送出去。

這個問題不是 Antigravity 獨有的,所有能讀網頁、能執行工具的代理系統都會面對。但編排器同時運行多個子代理,權限邊界是否清晰會直接決定風險大小,這一點值得在落地時重點關注。


Google Antigravity Orchestrator 分析判斷

Google Antigravity Orchestrator 與傳統框架的定位差異

把 Antigravity 和現有工具放在一起比較,最大的區別不在於某個單點功能,而在於“平臺形態”。下表基於參考資料中的對比維度整理。

對比對象 對方的定位 Antigravity 的差異
LangChain / LangGraph 編排庫,需要自己搭建運行環境 完整的 IDE + 運行時平臺,不只是一個庫
CrewAI 角色化多代理框架 Google 級別的基礎設施支撐,原生針對 Gemini 優化
AutoGen 多代理對話框架 更強調瀏覽器集成和全棧開發體驗
Cursor / Windsurf AI IDE,以單代理協作爲主 具備獨特的多代理 Swarm 能力
GitHub Copilot 起步於代碼補全 從補全升級爲全自主的代理協作

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

LangGraph 在可控性和生態開放度上依然有優勢,它不綁定任何模型廠商。但它只是一個庫,運行環境、瀏覽器測試、代碼編輯都需要自己拼裝。相比之下,Antigravity 把這些環節一次打包好,更適合“開箱即用”的團隊;代價是與 Gemini 和 Google 運行時深度綁定。

Cursor 在單人編碼體驗上已經很成熟,但它的核心依然是“一個開發者配一個代理”。Antigravity 的 /swarm 把關注點轉向“一個開發者指揮一組代理”,兩者解決的是不同層級的問題。

Google Antigravity Orchestrator 對開發者意味着什麼

第一個判斷:任務拆分能力會比提示詞技巧更重要。 Pelican Campus Quest 能成功,關鍵在於建模、前端、音效三塊之間的接口足夠清晰,可以並行推進。在自己的項目中使用蜂羣時,如果模塊之間耦合緊密,多個子代理反而容易互相覆蓋修改。

第二個判斷:閉源化趨勢值得團隊提前評估。 Antigravity CLI 取代了開源的 Gemini CLI,SDK 的執行核心也是閉源 Go 二進制。對重視可審計性、需要私有化部署的團隊來說,這會成爲選型時的一個硬性考量。可以把 Antigravity 用於原型和內部工具,而在覈心業務中保留基於開放接口的編排層,作爲折中方案。

第三個判斷(預測):多模型編排會成爲常態。 目前 Antigravity 採用 Gemini 內部分層(Carbon、Neon、Hydrogen)。但從行業實踐看,不同子代理按任務難度匹配不同檔位的模型,是控制成本的常見做法。這一思路並不侷限於單一廠商,自建編排時同樣可以採用。

🎯 技術建議:如果你想在接入 Antigravity 之前先驗證“主代理拆任務、子代理並行執行”的思路是否適合自己的項目,可以通過 API易 apiyi.com 用一個 API Key 同時調用 Gemini、Claude、GPT 等模型,低成本搭出原型並對比各模型在不同子任務上的表現。

用通用接口復現 Google Antigravity Orchestrator 的扇出/扇入思路

Antigravity SDK 的具體調用方式請以官方 README 爲準。下面這個示例不調用 Antigravity SDK,而是用 OpenAI 兼容接口演示 Orchestrator 背後最核心的“扇出/扇入”模式:主代理拆分任務,多個子代理並行執行,最後由主代理彙總結果。

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 統一接口,可切換多家模型
)
MODEL = "gemini-3-pro-preview"  # 以平臺模型列表中的實際名稱爲準

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:三個靜態子代理並行處理
roles = {"3D 資產": "你負責描述 3D 資產清單", "前端": "你負責 Three.js 遊戲結構",
         "音效": "你負責 Web Audio 音效方案"}
goal = "做一個騎自行車的鵜鶘在校園裏探索的瀏覽器小遊戲"
with ThreadPoolExecutor() as pool:
    results = dict(zip(roles, pool.map(lambda s: ask(s, goal), roles.values())))

# 扇入:主代理彙總
print(ask("你是編排器,負責整合子代理產出", str(results)))
查看帶動態子代理與重試的完整實現
import json
import openai
from concurrent.futures import ThreadPoolExecutor

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # 通過 API易 apiyi.com 調用,按量計費
)

PLANNER_MODEL = "gemini-3-pro-preview"   # 主代理:用能力較強的模型拆任務
WORKER_MODEL = "gemini-3-pro-preview"    # 子代理:可換成更輕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"[子任務失敗] {e}"

def plan(goal):
    """動態派生:由主代理決定拆成哪些子任務"""
    text = chat(PLANNER_MODEL,
                "把目標拆成 2-5 個可並行的子任務,只輸出 JSON 數組,"
                "每項包含 role 和 task 字段。",
                goal)
    try:
        return json.loads(text.strip().strip("`").removeprefix("json"))
    except json.JSONDecodeError:
        return [{"role": "通用工程師", "task": goal}]

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

def orchestrate(goal):
    subtasks = plan(goal)                       # 扇出前的規劃
    with ThreadPoolExecutor(max_workers=5) as pool:
        outputs = dict(pool.map(run_worker, subtasks))   # 並行扇出
    summary = chat(PLANNER_MODEL,               # 扇入彙總
                   "你是編排器,檢查各子代理產出的衝突並整合爲一份實施計劃。",
                   json.dumps(outputs, ensure_ascii=False))
    return subtasks, summary

if __name__ == "__main__":
    tasks, report = orchestrate("做一個騎自行車的鵜鶘在校園裏探索的瀏覽器小遊戲")
    print("子任務:", tasks)
    print("彙總報告:\n", report)

這個示例省略了 Antigravity 中的瀏覽器測試、Artifacts 留痕、HITL 審批等能力,但足以幫你判斷:你的項目能否被幹淨地拆成可並行的子任務。如果拆不開,就算換成 /swarm 也難有明顯收益。

🚀 快速開始:上面的代碼只需把 YOUR_API_KEY 替換爲在 API易 apiyi.com 獲取的密鑰即可運行。新用戶有免費測試額度,適合用來驗證編排思路是否可行。

Google Antigravity Orchestrator 落地時需要關注的變量

有幾個條件會直接影響上述判斷是否成立:

  • 任務可並行度:跨技術棧、接口清晰的項目最受益,強耦合的單體代碼庫收益有限。
  • 成本結構:多個子代理並行意味着 token 消耗成倍增長。是否允許子代理使用更輕量的模型檔位,會影響總成本。
  • 權限隔離:結合前文提到的數據外泄討論,子代理能訪問哪些文件、哪些網頁、能否對外發請求,需要在啓用蜂羣前設定好。
  • 生態鎖定:閉源運行時與 Gemini 深度綁定,團隊應評估未來遷移到其他模型或編排框架的成本。

💰 成本優化:做多代理方案評估時,建議先用同一批子任務對比不同檔位模型的效果與消耗。通過 API易 apiyi.com 的 OpenAI 兼容接口,只需修改 model 參數即可切換,便於快速找到質量和成本的平衡點。

接下來值得關注的有三點:/teamwork 與 /swarm 在實際項目中的分工邊界會如何沉澱爲最佳實踐;Antigravity SDK 是否會進一步開放運行時或支持非 Gemini 後端;以及 Gemini Spark 等基於同一運行時的產品,會把多代理編排帶到編碼之外的哪些場景。對於現在就想動手的團隊,先用通用接口驗證任務拆分方式,再決定是否遷移到 Antigravity,是風險較低的路徑。如需同時對比 Gemini、Claude、GPT 在編排中的表現,可以在 API易 apiyi.com 上用一個 Key 完成。


📚 參考資料

  1. Google Antigravity 官方網站:產品入口與介紹

    • 鏈接:antigravity.google
    • 說明:五款產品及 Orchestrator 的官方信息來源
  2. Google Antigravity 文檔:功能總覽

    • 鏈接:antigravity.google/docs/overview
    • 說明:包含 /swarm 等 Featured 特性說明
  3. Google Antigravity SDK README:Python SDK 說明

    • 鏈接:github.com/google-antigravity/antigravity-sdk-python
    • 說明:SDK 三層架構與子代理相關能力
  4. Simon Willison 博客:Antigravity 發佈解讀

    • 鏈接:simonwillison.net/2025/Nov/18/google-antigravity/
    • 說明:發佈日當天的第一手體驗與分析
  5. Simon Willison 博客:Antigravity 數據外泄風險討論

    • 鏈接:simonwillison.net/2025/Nov/25/google-antigravity-exfiltrates-data/
    • 說明:瞭解代理系統安全風險的參考
  6. Simon Willison 博客:llm-gemini 更新與 /swarm 推文引用

    • 鏈接:simonwillison.net/2026/Nov/10/llm-gemini/
    • 說明:包含 Sundar Pichai 關於 Pelican Campus Quest 的推文
  7. Simon Willison 博客:Google I/O 2026 與 Gemini Spark

    • 鏈接:simonwillison.net/2026/May/20/google-io/
    • 說明:Gemini Spark 相關信息

作者:APIYI 技術團隊
技術交流:如需探討多代理編排方案或多模型接入問題,歡迎通過 API易 apiyi.com 首頁聯繫我們,更多資料可訪問 docs.apiyi.com 文檔中心

延伸閱讀

Similar Posts