Antigravity-Agent

Der Antigravity-Agent ist ein verwalteter Agent für allgemeine Zwecke in der Gemini API. Mit einem einzigen API-Aufruf erhalten Sie einen Agenten, der in Ihrer eigenen sicheren Linux-Sandbox, die von Google gehostet wird, Schlussfolgerungen zieht, Code ausführt, Dateien verwaltet und im Web surft.

Es basiert auf Gemini 3.5 Flash und verwendet dieselbe Harness wie die Antigravity IDE. Sie können sie über die Interactions API und Google AI Studio verwenden.

Python

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    agent="antigravity-preview-05-2026",
    input="Read Hacker News, summarize the top 10 stories, and save the results as a PDF.",
    environment="remote",
)

print(interaction.output_text)

JavaScript

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
    agent: "antigravity-preview-05-2026",
    input: "Read Hacker News, summarize the top 10 stories, and save the results as a PDF.",
    environment: "remote",
}, { timeout: 300000 });

console.log(interaction.output_text);

REST

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
-H "Content-Type: application/json" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H "Api-Revision: 2026-05-20" \
-d '{
    "agent": "antigravity-preview-05-2026",
    "input": "Read Hacker News, summarize the top 10 stories, and save the results as a PDF.",
    "environment": "remote"
}'

Leistungsspektrum

Bei jedem Aufruf kann eine Linux-Sandbox bereitgestellt und ein Tool-Nutzungszyklus gestartet werden. Der Agent plant, handelt, beobachtet Ergebnisse und wiederholt den Vorgang, bis die Aufgabe erledigt ist.

  • Codeausführung:Bash-, Python- und Node.js-Befehle ausführen. Pakete installieren, Tests ausführen, Apps erstellen
  • Dateiverwaltung:Dateien in der Sandbox lesen, schreiben, bearbeiten, suchen und auflisten. Dateien bleiben über Interaktionen hinweg erhalten.
  • Webzugriff:Google Suche und Abrufen von URLs für Daten.
  • Kontextverdichtung:Automatische Kontextverdichtung (wird bei etwa 135.000 Tokens ausgelöst), um lange Sitzungen mit mehreren Turns zu unterstützen, ohne dass der Kontext verloren geht oder Tokenlimits erreicht werden.

Informationen zur Verwendung in mehreren Durchgängen und zum Streaming finden Sie in der Kurzanleitung.

Unterstützte Tools

Standardmäßig hat der Agent Zugriff auf code_execution, google_search und url_context. Dateisystemtools werden automatisch aktiviert, wenn Sie den Parameter environment angeben. Sie müssen den Parameter tools nur angeben, wenn Sie den Standardsatz anpassen oder einschränken möchten:

Tool Typwert Beschreibung
Codeausführung code_execution Shell-Befehle (Bash, Python, Node) mit stdout/stderr-Erfassung ausführen.
Google Suche google_search Im öffentlichen Web suchen
URL-Kontext url_context Webseiten abrufen und lesen
Dateisystem (über environment aktiviert) Dateien in der Sandbox lesen, schreiben, bearbeiten, suchen und auflisten Kein separater Tooltyp – wird automatisch aktiviert, wenn environment festgelegt ist.

Wenn Sie den Agent auf bestimmte Tools beschränken möchten, übergeben Sie nur die benötigten:

Python

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    agent="antigravity-preview-05-2026",
    input="Search for the latest AI research papers on reasoning and summarize them.",
    environment="remote",
    tools=[
        {"type": "google_search"},
        {"type": "url_context"},
    ],
)

print(interaction.output_text)

JavaScript

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
    agent: "antigravity-preview-05-2026",
    input: "Search for the latest AI research papers on reasoning and summarize them.",
    environment: "remote",
    tools: [
        { type: "google_search" },
        { type: "url_context" },
    ],
}, { timeout: 300000 });

console.log(interaction.output_text);

REST

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
-H "Content-Type: application/json" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H "Api-Revision: 2026-05-20" \
-d '{
    "agent": "antigravity-preview-05-2026",
    "input": "Search for the latest AI research papers on reasoning and summarize them.",
    "environment": "remote",
    "tools": [
        {"type": "google_search"},
        {"type": "url_context"}
    ]
}'

Multimodale Eingabe

Der Antigravity-Agent unterstützt multimodale Eingaben. Derzeit werden nur text- und image-Eingaben unterstützt. Bilder müssen als Inline-Base64-codierte Strings (data) angegeben werden.

Python

import base64
from google import genai

client = genai.Client()

with open("path/to/chart.png", "rb") as f:
    image_bytes = f.read()

interaction_inline = client.interactions.create(
    agent="antigravity-preview-05-2026",
    input=[
        {"type": "text", "text": "Analyze this chart and summarize the trends."},
        {
            "type": "image",
            "data": base64.b64encode(image_bytes).decode("utf-8"),
            "mime_type": "image/png",
        },
    ],
    environment="remote",
)

JavaScript


import { GoogleGenAI } from "@google/genai";

import * as fs from "node:fs";

const client = new GoogleGenAI({});
const base64Image = fs.readFileSync("path/to/chart.png", { encoding: "base64" });

const interactionInline = await client.interactions.create({
    agent: "antigravity-preview-05-2026",
    input: [
        { type: "text", text: "Analyze this chart and summarize the trends." },
        {
            type: "image",
            data: base64Image,
            mime_type: "image/png",
        },
    ],
    environment: "remote",
}, { timeout: 300000 });

REST

BASE64_IMAGE=$(base64 -w0 /path/to/chart.png)

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
-H "Content-Type: application/json" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H "Api-Revision: 2026-05-20" \
-d "{
    \"agent\": \"antigravity-preview-05-2026\",
    \"input\": [
        {\"type\": \"text\", \"text\": \"Analyze this chart and summarize the trends.\"},
        {
            \"type\": \"image\",
            \"mime_type\": \"image/png\",
            \"data\": \"$BASE64_IMAGE\"
        }
    ],
    \"environment\": \"remote\"
}"

Systemanweisungen

Passen Sie das Verhalten des Agents mit system_instruction für Inline-Prompts an oder hängen Sie Anweisungsdateien in die Umgebung ein:

Python

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    agent="antigravity-preview-05-2026",
    input="Analyze the uploaded CSV and create a report.",
    environment="remote",
    system_instruction="You are a data analyst. Always include visualizations and export results as PDF.",
)

print(interaction.output_text)

JavaScript

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
    agent: "antigravity-preview-05-2026",
    input: "Analyze the uploaded CSV and create a report.",
    environment: "remote",
    system_instruction: "You are a data analyst. Always include visualizations and export results as PDF.",
}, { timeout: 300000 });

console.log(interaction.output_text);

REST

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
-H "Content-Type: application/json" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H "Api-Revision: 2026-05-20" \
-d '{
    "agent": "antigravity-preview-05-2026",
    "input": "Analyze the uploaded CSV and create a report.",
    "environment": "remote",
    "system_instruction": "You are a data analyst. Always include visualizations and export results as PDF."
}'

Der Agent lädt automatisch Anweisungsdateien aus der Umgebung:

  • AGENTS.md: Wird als Systemanweisung angehängt, wenn sie in .agents/ oder im Arbeitsbereich-Stammverzeichnis gefunden wird.
  • SKILL.md: Wird aus .agents/skills/ geladen und als Funktionen registriert, die der Agent aufrufen kann.

Beispiel:

Python

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    agent="antigravity-preview-05-2026",
    input="Analyze the Q1 revenue data and create a slide deck.",
    environment={
        "type": "remote",
        "sources": [
            {
                "type": "inline",
                "target": ".agents/AGENTS.md",
                "content": "You are a data analyst. Always use matplotlib for charts.",
            },
            {
                "type": "inline",
                "target": ".agents/skills/slide-maker/SKILL.md",
                "content": "---\nname: slide-maker\n---\n# Slide Maker\nCreate HTML slide decks...",
            },
        ],
    },
)

print(interaction.output_text)

JavaScript

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
    agent: "antigravity-preview-05-2026",
    input: "Analyze the Q1 revenue data and create a slide deck.",
    environment: {
        type: "remote",
        sources: [
            {
                type: "inline",
                target: ".agents/AGENTS.md",
                content: "You are a data analyst. Always use matplotlib for charts.",
            },
            {
                type: "inline",
                target: ".agents/skills/slide-maker/SKILL.md",
                content: "---\nname: slide-maker\n---\n# Slide Maker\nCreate HTML slide decks...",
            },
        ],
    },
}, { timeout: 300000 });

console.log(interaction.output_text);

REST

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
-H "Content-Type: application/json" \
-H "x-goog-api-key: $API_KEY" \
-d '{
    "agent": "antigravity-preview-05-2026",
    "input": "Analyze the Q1 revenue data and create a slide deck.",
    "environment": {
        "type": "remote",
        "sources": [
            {
                "type": "inline",
                "target": ".agents/AGENTS.md",
                "content": "You are a data analyst. Always use matplotlib for charts."
            },
            {
                "type": "inline",
                "target": ".agents/skills/slide-maker/SKILL.md",
                "content": "---\nname: slide-maker\n---\n# Slide Maker\nCreate HTML slide decks..."
            }
        ]
    }
}'

Das vollständige Format für die Agentendefinition und wiederverwendbare benannte Agenten finden Sie unter Benutzerdefinierte Agenten erstellen.

Umgebungen

Bei jedem Aufruf wird eine Linux-Sandbox erstellt oder wiederverwendet. Der Parameter environment kann drei Formen annehmen:

Formular Beschreibung
"remote" Stellen Sie eine neue Sandbox mit Standardeinstellungen bereit.
"env_abc123" Eine vorhandene Umgebung anhand der ID wiederverwenden, wobei alle Dateien und der Status beibehalten werden.
{...} Vollständige EnvironmentConfig mit benutzerdefinierten Quellen und Netzwerkregeln.

Weitere Informationen zu Quellen (Git, GCS, Inline), Netzwerken, Lebenszyklus und Ressourcenlimits finden Sie unter Umgebungen.

Verfügbarkeit und Preisgestaltung

Der Antigravity-Agent ist in der Vorabversion über die Interactions API in Google AI Studio und der Gemini API verfügbar.

Die Preise basieren auf einem Pay-as-you-go-Modell, das auf den zugrunde liegenden Gemini-Modelltokens und den vom Agent verwendeten Tools basiert. Im Gegensatz zu einer Standard-Chatanfrage, die eine einzelne Ausgabe erzeugt, ist eine Antigravity-Interaktion ein agentischer Workflow. Eine einzelne Anfrage löst einen autonomen Zyklus aus, der aus Denken, Ausführen von Tools, Ausführen von Code und Dateiverwaltung besteht.

Geschätzte Kosten

Die Kosten variieren je nach Komplexität der Aufgabe. Der Agent bestimmt autonom, wie viele Tool-Aufrufe, Codeausführungen und Dateivorgänge erforderlich sind. Die folgenden Schätzungen basieren auf Läufen.

Aufgabenkategorie Eingabetokens Ausgabetokens Normalpreis
Recherche und Informationssynthese 100.000–500.000 10.000–40.000 0,30 $ bis 1,00 $
Dokument- und Inhaltserstellung 100.000–500.000 15.000–50.000 0,30 $ bis 1,30 $
Prozess- und Systemdesign 100.000–400.000 10.000–30.000 0,25 $ bis 0,80 $
Datenverarbeitung und -analyse 300.000–3 Mio. 30.000–150.000 0,70 $ bis 3,25 $

In der Regel werden 50–70% der Eingabetokens im Cache gespeichert. Bei komplexen Agenten-Workflows mit vielen Tool-Aufrufen können sich in einer einzelnen Interaktion 3 bis 5 Millionen Tokens ansammeln, was Kosten von bis zu 5 $ verursacht.

Umgebungsspeicher (CPU, Arbeitsspeicher, Sandbox-Ausführung) wird während des Vorschauzeitraums nicht in Rechnung gestellt.

Beschränkungen

  • Vorabversionsstatus:Der Antigravity-Agent und die Interactions API sind in der Vorabversion verfügbar. Funktionen und Schemas können sich ändern.
  • Nicht unterstützte Generierungskonfiguration:Die folgenden Parameter werden nicht unterstützt und geben einen 400-Fehler zurück: temperature, top_p, top_k, stop_sequences, max_output_tokens.
  • Strukturierte Ausgabe:Der Antigravity-Agent unterstützt keine strukturierte Ausgabe.
  • Nicht verfügbare Tools:file_search, computer_use, google_maps, function_calling und mcp werden noch nicht unterstützt.
  • Dateisystemtool:Derzeit ist kein Dateisystemtool verfügbar. Sie ist Teil der environment.
  • Hintergrund:Der Agent unterstützt die Verwendung von background=True nicht und erfordert store=True.
  • Nicht unterstützte multimodale Typen: Audio-, Video- und Dokumenteingaben werden derzeit nicht unterstützt. Es sind nur Text und Bild zulässig.

Nächste Schritte