Google Antigravity 2.0: Das vollständige Entwicklerhandbuch

Google hat zur I/O 2026 nicht nur ein Replace ausgeliefert. Sie haben die Karte neu gezeichnet.

Google Antigravity 2.0 wurde am 19. Mai eingestellt^Th und es ist keine IDE-Aktualisierung. Es handelt sich um einen vollständigen Plattform-Pivot von KI-unterstützter Codierung bis hin zur Multi-Agenten-Orchestrierung als zentralem Entwicklungsmodell. Wenn Sie das Agentic-Codierungsrennen zwischen Cursor, GitHub Copilot und allen anderen im Auge behalten haben, ist Google hier mit seinen zwei Cent.

Was ist Google Antigravity?

Antigravity wurde erstmals im November 2025 mit Gemini 3 veröffentlicht, als Antwort von Google auf die Frage, was es als kostenlose IDE für Agenten bieten könnte. Es battle ein leistungsfähiges Produkt, aber sein Anwendungsbereich battle begrenzt. Dadurch stand dem Benutzer ein intelligenter Codierungsassistent in einer vertrauten Benutzeroberfläche zur Verfügung.

Antigravity 2.0 wurde von Google komplett als eigenständige Desktop-Anwendung neu entwickelt, die keine Verbindung zu Antigravity 1.0 hat. Stattdessen wurde die Model 2.0 von Grund auf so erstellt und konzipiert, dass sie die Funktionalität der Agenten-Orchestrierung unterstützt. Antigravity 1.0 ist weiterhin verfügbar, aber Antigravity 2.0 ist ihr neues Flaggschiffprodukt geworden. Antigravity 2.0 wurde für einen Workflow entwickelt, bei dem der Benutzer Agenten anweist, anstatt eine Autovervollständigungs-Engine aufzufordern.

Der Grundgedanke von Antigravity hat sich nicht geändert, das heißt, man kann immer noch eine Idee aufgreifen und sie als Produktions-App liefern. Der Hauptunterschied besteht darin, dass es jetzt auch eine CLI, ein SDK und verwaltete Cloud-Agenten gibt, die dem Benutzer viel mehr Oberfläche bieten, als dies bei Antigravity 1.0 der Fall battle.

Hauptmerkmale von Antigravity 2.0

Die herausragenden Funktionen von Antigravity 2.0 sind:

1. Die eigenständige Desktop-App

Die neue Desktop-Anwendung wird als Hauptfunktion der Model dienen. Diese Anwendung dient als Ihr primärer Hub für die Koordinierung mehrerer Agenten, die gleichzeitig ausgeführt werden, sowie für die Erstellung benutzerdefinierter Arbeitsabläufe für Unteragenten und für die Planung von Aufgaben, die automatisch im Hintergrund ausgeführt werden.

Die Funktion der geplanten Aufgabe gehört zu den Dingen, die leicht übersehen werden können. Es ist jedoch ziemlich revolutionär. Wenn Sie bisher möchten, dass ein Agent eine Aufgabe für Sie ausführt, müssen Sie ihn jedes Mal auffordern, wenn Sie die Aufgabe ausführen lassen möchten. Durch die Erstellung einer Aufgabenkonfiguration und die Möglichkeit, diese Aufgabe automatisch auszuführen, gleicht der Agent nun eher einem kontinuierlichen Hintergrundprozess.

Darüber hinaus gibt es native Sprachbefehle, mit denen Sie Antigravity 2.0 steuern können. Es scheint vielleicht keine große Ergänzung zu sein. Es steht jedoch im Einklang mit der Sprachintegration, die in Gmail und Docs implementiert wird, und passt daher intestine.

2. Die Antigravity-CLI

Für Entwickler, die das Terminal bevorzugen, hat Google in Go eine brandneue Antigravity-CLI von Grund auf entwickelt. Es bewegt sich schneller als das, was es zuvor gab. Und es ersetzt vollständig das Gemini-CLI das in den Ruhestand geht.

Für den Verbraucherzugriff auf Gemini CLI gibt es für AI Professional-, AI Extremely- und Free-Tarif-Benutzer ein Enddatum am 18. Juni 2026. Dies ist keine sanfte Abwertung, sondern eher ein harter Abbruch.

Die CLI behält die von den Entwicklern verwendeten Gemini-CLI-Bits, Agentenfähigkeiten, Hooks, Subagenten und Erweiterungen bei (aber jetzt sind sie umbenannt). Antigravitations-Plugins). Das Wichtigste ist, dass die CLI und die Desktop-App auf demselben zugrunde liegenden Agentensystem ausgeführt werden. Alle Verbesserungen, die Google in die Kernagenten einbringt, landen automatisch auf beiden Oberflächen. Sie müssen sich nicht für eines entscheiden und die fortlaufenden Updates des anderen verpassen.

3. Das Antigravity SDK

Mit dem SDK erhalten Sie programmgesteuerten Zugriff auf dieselbe Agentenumgebung, die auch die internen Dinge von Google unterstützt. Es wurde für Gemini-Modelle entwickelt und ermöglicht es Ihnen, benutzerdefiniertes Agentenverhalten zu gestalten und es dann überall dort auszuführen, wo sich Ihre eigene Infrastruktur befindet. Im Grunde ist dies die Wahl für Ingenieurteams, die Agenten im Antigravity-Stil in ihre Produkte integrieren möchten, ohne auf die Cloud von Google angewiesen zu sein.

4. Verwaltete Agenten in der Gemini-API

Dies ist die Funktion, die ehrlich gesagt bei Backend-Entwicklern am häufigsten genutzt wird. Mit nur einem API-Aufruf können Sie einen Agenten starten, der begründet, dann Instruments verwendet und dann Code an einem isolierten Linux-Ort ausführt.

Drei Dinge machen es möglich:

• Antigravitationsmittel-Geschirr: Die gleiche Artwork von Technologie verwendet Google intern, gemeinsam optimiert mit Gemini 3.5 Flash.
• Permanente isolierte Umgebungen: Jedes Mal, wenn Sie interagieren, wird eine Umgebung geschaffen, die Sie später bei Folgeanrufen wieder aufnehmen können. Die Dateien und der Standing bleiben zwischen den Durchgängen intakt, es gibt additionally keine Zurücksetzungen.
• Benutzerdefinierte Agentendefinitionen: Sie können den Foundation-Agenten mithilfe von Markdown-Ability-Dateien erweitern, und im Google AI Studio Playground gibt es neue Agenten-Vorlagen, die Ihnen den schnellen Einstieg erleichtern.

5. Antigravitation in der Gemini Enterprise Agent Platform

Wenn Sie Kunde von Google Cloud sind, können Sie Antigravity über den Enterprise-Pfad direkt mit Ihren bestehenden Google Cloud-Projekten verbinden. Dies ist wichtig für Groups, die Agenten-Workflows benötigen, die sich innerhalb ihrer aktuellen Cloud-Infrastruktur befinden, sowie über geeignete Zugriffskontrollen und einen vollständigen Prüfpfad verfügen.

Das Modell, das alles beherrscht: Gemini 3.5 Flash

Das gesamte Antigravity 2.0-Ökosystem verwendet standardmäßig Gemini 3.5 Flash. Laut Google übertrifft es das Gemini 3.1 Professional auch in den meisten Benchmarks und ist etwa viermal schneller als andere Frontier-Modelle. Diese Lücke ist sehr wichtig, wenn Sie mit der Ausführung mehrerer paralleler Agenten beginnen, da die Modelllatenz nicht bestehen bleibt. Es stapelt sich ziemlich schnell.

Sogar ein 200ms Unterschied professional Anruf führt zu einer Verzögerung von einigen Sekunden, wenn zehn Agenten gleichzeitig feuern. Auch, Gemini 3.5 Flash wurde nicht auf völlig separate Weise gebaut: Es wurde gemeinsam mit Antigravity selbst entwickelt. Das Google-Crew nutzte dieselben Agenten-Workflows, die es jetzt für alle einführt.

Erste Schritte mit Antigravity 2.0

Schritt 1: Herunterladen

Gehen Sie rüber antigravity.google/obtainholen Sie sich das Installationsprogramm für Ihr Betriebssystem und führen Sie es aus.

Schritt 2: Onboarding

Starten Sie die App und klicken Sie sich durch das Setup. Wenn Sie nach dem Agentenmodus gefragt werden, wählen Sie Evaluate-getriebene Entwicklung (empfohlen). Dadurch kann der Agent selbstständig handeln, fragt aber dennoch nach Ihrer Zustimmung, bevor etwas „Großes“ passiert, wie etwa bedeutsame Änderungen.

Schritt 3: Anmelden

Melden Sie sich mit Ihrem Google-Konto an. Im kostenlosen Kontingent erhalten Sie Zugriff auf Gemini 3.1 Professional, Claude Sonett 4.5Und gpt-ossgrundsätzlich.

Schritt 4: Öffnen Sie einen Arbeitsbereich

Klicken Ordner öffnen und wählen Sie Ihr Projektverzeichnis aus. Sie sollten im Agenten-Supervisor landen und ihn als Ihre Missionssteuerung für alle Agentenaktivitäten betrachten.

Schritt 5: Installieren Sie die Browsererweiterung

Wenn Sie möchten, dass der Agent im Web surft, geben Sie ihm eine Aufgabe mit einer URL (z. B. „Gehe zu“) antigravity.google). Sie werden aufgefordert, die Chrome-Erweiterung zu installieren. Klicken Sie auf „Setup“ und folgen Sie einfach den Anweisungen auf dem Bildschirm.

Schritt 6: Beginnen Sie ein Gespräch

Drücken Gespräch beginnengeben Sie Ihre Aufgabe ein und wählen Sie Ihren Agentenmodus aus. Für komplexe Arbeiten mit mehreren Dateien wählen Sie „Plan“. Für schnelle Einzeiler entscheiden Sie sich für „Quick“, Sie müssen nicht lange nachdenken. Sie können auch verwenden @filename um bestimmte Dateien als zusätzlichen Kontext anzuhängen.

Während der Ausführung erstellt der Agent Artefakte: Aufgabenlisten, Umsetzungspläne, Code-Unterschiede. Sie überprüfen diese im Agent Supervisor, fügen bei Bedarf Kommentare hinzu oder genehmigen sie, damit der Vorgang fortgesetzt wird.

Praktisch: Erstellen Sie eine To-Do-App von Grund auf

Gebäude: Ein FastAPI-Backend zum Hinzufügen, Auflisten und Löschen von Elementen sowie ein HTML- und JS-Frontend.

1. Starten Sie mit Agent Supervisor eine neue Konversation im Arbeitsbereich und wechseln Sie zu Planmodus.

2. Geben Sie die folgende Eingabeaufforderung ein:

“Create a to-do utility with FastAPI because the backend and plain HTML and Javascript because the entrance finish. The endpoints are: 
- add a job 
- listing all duties 
- delete a job utilizing its ID. 
All duties shall be saved in reminiscence. Present a necessities.txt file.”

3. Überprüfen Sie die vom Agenten erstellten Pläne zur Erstellung der Aufgabenliste und des Implementierungsplans, bevor Dateien erstellt wurden. Wenn Sie Änderungen vornehmen müssen, fügen Sie Kommentare hinzu. Wenn alles in Ordnung ist, klicken Sie auf die Schaltfläche „Genehmigen“.

4. Beobachten Sie beim Erstellen der App, wie die Dateien im Editor in Echtzeit hinzugefügt werden. Folgende Dateien werden erstellt: important.py, index.html, necessities.txt. Um Dateien während ihrer Erstellung anzuzeigen, klicken Sie auf die Registerkarte „Editor“.

5. App ausführen. Um den genauen Befehl zu finden, der zum Ausführen der ersten Datei des Agenten verwendet wurde, sehen Sie sich das Walkthrough-Artefakt des Agenten an, indem Sie Folgendes verwenden:

uvicorn important:app –reload 

Überprüfen Sie nach dem Ausführen des Befehls http://localhost:8000 in Ihrem Webbrowser und überprüfen Sie alle drei Endpunkte. Wenn Probleme auftreten, erstellen Sie eine Folgeaufforderung mit einer Beschreibung des Issues, damit der Agent das Downside in Echtzeit während der aktuellen Sitzung lösen kann.

Vergleichszusammenfassung: Antigravity 1.0 vs. Antigravity 2.0

Wissenswertes vor dem Bau

Hier sind einige Dinge, die Sie bei der Verwendung von Antigravity 2.0 beachten sollten:

• Der Der CLI-Grenzwert vom 18. Juni 2026 ist absolut. Wenn Ihr Crew über CI-Pipelines oder Skripte verfügt, die mit Gemini CLI erstellt wurden, handelt es sich um eine dringende Migration. Behandle es als solches.
• Managed Agent-Sitzungen laufen zwar ab: Sie bestehen professional Runde (innerhalb einer Sitzung), bleiben jedoch nicht auf unbestimmte Zeit bestehen. Einzelheiten zur Sitzungs-TTL finden Sie in der Interactions API-Dokumentation. Sie müssen den Sitzungsablauf in alle lang andauernden Arbeitsabläufe einbauen, sonst stoßen Sie auf eine Wand, wenn Sie es am wenigsten erwarten.
• Parallele Agenten sind von Natur aus völlig voneinander isoliert. Wenn daher mehrere Instanzen eines Agenten auf dieselbe Codebasis zugreifen, können sie nicht auf die Dateiänderungen der anderen Instanzen zugreifen, es sei denn, Sie leiten ihre Ausgaben absichtlich über eine gemeinsame Ebene. Dafür sollten Sie planen.

Abschluss

Antigravity 2.0 ist mittlerweile tatsächlich eine voll funktionsfähige Plattform. Die Desktop-App mit Multi-Agent-Orchestrierung, die Managed Brokers für dauerhaft isolierte Umgebungen, die Go-basierte CLI, die die aktuellsten Verbesserungen aus dem Agent-Harness integriert, und das SDK für benutzerdefinierte Bereitstellungen zeigen, dass Entwickler die Fähigkeiten von Antigravity ernst nehmen müssen.

Die I/O-Keynote-Demo hat das deutlich gemacht. Varun Mohan stand auf der Bühne und ließ die Parallelagenten von Antigravity für weniger als 1.000 US-Greenback Rechenleistung einen funktionierenden Betriebssystemkern von Grund auf aufbauen. Daraufhin wurde ein Reside-Doom-Klon ausgeführt. Ob sich diese Artwork von Demo direkt auf Ihre tägliche Arbeit übertragen lässt, ist eine berechtigte Frage. Aber die zugrunde liegende Infrastruktur, die sich herausstellte, ist sehr actual.

Knowledge Science Trainee bei Analytics Vidhya
Derzeit arbeite ich als Knowledge Science Trainee bei Analytics Vidhya, wo ich mich auf die Entwicklung datengesteuerter Lösungen und die Anwendung von KI/ML-Techniken zur Lösung realer Geschäftsprobleme konzentriere. Meine Arbeit ermöglicht es mir, fortschrittliche Analysen, maschinelles Lernen und KI-Anwendungen zu erforschen, die es Unternehmen ermöglichen, intelligentere, evidenzbasierte Entscheidungen zu treffen.
Mit einem starken Fundament in den Bereichen Informatik, Softwareentwicklung und Datenanalyse ist es mir eine Leidenschaft, KI zu nutzen, um wirkungsvolle, skalierbare Lösungen zu schaffen, die die Lücke zwischen Technologie und Geschäft schließen.
📩 Du kannst mich auch erreichen unter (e-mail protected)