Архитектура Google Antigravity 2.0: как устроен переход от чат-промптинга к мультиагентной среде разработки на Gemini 3.5 Flash

Архитектура Google Antigravity 2.0: как устроен переход от чат-промптинга к мультиагентной среде разработки на Gemini 3.5 Flash

Разработка программного обеспечения с помощью искусственного интеллекта переживает качественную трансформацию. Если первые этапы внедрения больших языковых моделей строились вокруг интерактивных чат-окон и так называемого «вайб-кодинга», где разработчик вручную копировал фрагменты кода и формулировал длинные цепочки подсказок, то современная индустрия переходит к автономным агентным средам. Обновленная платформа Google Antigravity 2.0, использующая модель Gemini 3.5 Flash в качестве базового высокоскоростного движка, наглядно иллюстрирует этот сдвиг: вместо одного монолитного диалога инженеры получают управляемый мультиагентный рантайм с разделением ролей, изоляцией контекста и долговременной памятью проекта.

Четыре функциональных уровня агентного рантайма

Чтобы понять логику работы современных агентных сред, полезно рассмотреть четыре взаимосвязанных уровня архитектуры, организующих взаимодействие между кодом, разработчиком и языковыми моделями:

+-------------------------------------------------------------------+
| 1. Интерфейс и точка входа (CLI, IDE-плагины, сценарии CI)        |
+-------------------------------------------------------------------+
                                  |
                                  v
+-------------------------------------------------------------------+
| 2. Оркестратор и субагенты (диспетчеризация, изоляция контекста)  |
+-------------------------------------------------------------------+
                                  |
                                  v
+-------------------------------------------------------------------+
| 3. Слой памяти и правил (GEMINI.md, артефакты, правила проекта)   |
+-------------------------------------------------------------------+
                                  |
                                  v
+-------------------------------------------------------------------+
| 4. Модули расширения (Skills, инструменты, серверы протокола MCP) |
+-------------------------------------------------------------------+

1. Интерфейс и воспроизводимая точка входа (CLI & Entrypoint): Основой взаимодействия становится консольная утилита командной строки и интеграция со средой разработки (IDE). В отличие от веб-интерфейсов чатов, CLI-команда фиксирует конкретную рабочую директорию, параметры запуска, целевую модель и набор доступных инструментов. Это позволяет запускать агентные задачи в сценариях непрерывной интеграции (CI), сохранять повторяемые параметры и связывать выполнение задач с коммитами в репозитории.
2. Диспетчеризация и параллельные субагенты (Orchestration & Subagents): Главная роль центрального агента-планировщика — декомпозиция сложной цели на независимые подзадачи. Вместо того чтобы перегружать одну сессию тысячами строк разнородной информации, планировщик порождает специализированных субагентов — автономные рабочие процессы с изолированным контекстным окном и ограниченным набором инструментов. Один субагент может отвечать исключительно за статический анализ и поиск точек вызова устаревшего API, второй — за генерацию патча, а третий — за запуск тестов.
3. Слой постоянной памяти и архитектурных правил (State & Memory): Диалог с нейросетью эфемерен, но правила кодовой базы должны оставаться постоянными. В Antigravity постоянный контекст проекта фиксируется в структурированных файлах (например, системных инструкциях GEMINI.md, файлах правил линтинга и документах архитектурных решений ADR). Все ключевые промежуточные выводы сохраняются в виде версионируемых артефактов в файловой системе, а не накапливаются в оперативной истории чата.
4. Расширяемость через навыки и протокол MCP (Skills & Integrations): Навыки (Skills) представляют собой модульные каталоги инструкций, скриптов и справочных материалов, которые агент загружает по требованию только тогда, когда сталкивается с профильной задачей (например, миграцией схемы базы данных или развертыванием контейнера). Стандарт Model Context Protocol (MCP) позволяет безопасно подключать внешние источники данных и корпоративные трекеры задач через стандартизированный интерфейс с разграничением прав доступа.

Одиночный чат против мультиагентного пайплайна

Главный недостаток одиночной чат-сессии при решении комплексных задач разработки — деградация контекста (context drift). По мере накопления истории сообщений, дампов стека ошибок и промежуточных вариантов кода внимание модели рассеивается. Нейросеть начинает забывать исходные архитектурные ограничения, галлюцинировать несуществующими методами или застревать в циклических попытках исправить одну и ту же синтаксическую ошибку.

Мультиагентный подход устраняет эту проблему за счет жестких границ ответственности:

Управление терминалами и фоновыми процессами

Критически важный компонент агентного рантайма — безопасное управление терминальными командами. В Antigravity агент способен запускать фоновые сборки, тестовые прогоны и внешние утилиты в асинхронном режиме.

Однако надежная автоматизация требует строгого соблюдения инфраструктурных правил:

• Перехват вывода: системный рантайм полностью изолирует потоки stdout и stderr, предотвращая зависание терминала и возвращая агенту управление по завершении команды без необходимости активного опроса (busy polling).
• Тайм-ауты и отмена: любая долгоживущая операция снабжается лимитом времени выполнения, исключая блокировку конвейера зависшим скриптом.
• Разграничение полномочий: запуск терминальных команд должен производиться с минимальными привилегиями, исключая передачу секретных переменных окружения и производственных токенов в недоверенные дочерние процессы.

Практический воркфлоу настройки проекта

Для внедрения многоуровневого агентного процесса в реальный проект рекомендуется придерживаться следующего алгоритма:

1. Фиксация контекста и ограничений: Опишите глобальные стандарты архитектуры, используемые библиотеки и команды запуска тестов в файле инструкций репозитория. Четко укажите пути, которые агентам запрещено изменять (файлы конфигурации production, секреты, lock-файлы зависимостей).
2. Создание контрольной точки (Baseline): Убедитесь, что рабочее дерево Git находится в чистом состоянии, зависимости установлены, а текущий набор тестов успешно проходит.
3. Разделение задач по ролям: Сформулируйте задачу для планировщика. Выделите субагента-исследователя для сбора контекста и составления плана правок, субагента-разработчика для внесения точечных изменений и субагента-валидатора для прогона тестов.
4. Фиксация решений в артефактах: Требуйте от субагентов сохранять промежуточные результаты в виде структурированных markdown-документов, а не просто выводить текст в консоль.
5. Финальная верификация: Перед принятием изменений запустите линтеры, проверку статической типизации и интеграционные тесты. Статус успешного завершения от ИИ-агента никогда не должен отменять стандартное ревью кода человеком.

Переход от наивных чат-ботов к мультиагентным средам разработки делает работу с генеративным ИИ предсказуемой и масштабируемой. Платформа Antigravity 2.0 на базе Gemini 3.5 Flash показывает, что будущее ИИ-разработки строится не на длине контекстного окна, а на дисциплине изоляции задач, строгом контроле прав и инженерной культуре создания артефактов.