Antigravity

概要（サマリー）

Antigravity（アンチグラビティ）は、Googleが提供する、プログラミングやソフトウェア開発を支援するための「エージェント型AIコーディング環境」である。

単に質問に対してチャットで答えるだけでなく、プロジェクト全体のディレクトリ構造や依存関係を読み取り、人間の指示に基づいてファイルの作成、編集、テストの実行、デバッグ、検証までを「エージェント行動」として進められることを目指したAI開発ツールである。

詳細解説

Antigravityとは何か（自律して動くAIエージェント）

従来のAIコーディングツール（初期のChatGPTやGitHub Copilotなど）は、主に「1行ずつのコード補完」や「チャット欄に入力した質問に対して単発のコードを返す」という動作が中心であった。この場合、AIが生成したコードをコピーし、エディタに貼り付け、エラーが出たらそのメッセージを再び手動でAIに入力してデバッグする、という「人間の手作業の往復」が必要であった。

Antigravityは、こうした人間の作業を補助する「エージェント型AI」である。ユーザーが「このプロジェクトにユーザー認証機能を追加して」という大まかなゴール（目標）を与えると、Antigravity側がプロジェクト内の既存コードを読み取り、影響を受ける複数のファイルを推測し、必要なコード変更や検証手順を進める。実際の権限や自動実行の範囲は、ツールの設定やユーザーの承認方針に左右される。

エージェントAIと従来のチャットAIの違い

Antigravityのようなエージェント型AIは、以下の3つの要素を備えている点で、従来の単なるLLM（大規模言語モデル）のチャットインターフェースと異なる。

• ツールの使用（Tool Use）：ファイルの読み書き、フォルダ一覧の取得、プログラムの実行（コマンドラインの実行）、Webブラウザの起動といった、実際の開発ツールやコマンドを「自身の手足」として呼び出すことができる。
• 計画の立案と自己修正（Planning & Reflection）：指示を受けると、まず「何から手をつけるべきか」の計画書（Implementation Plan）を作成し、処理中に予期せぬエラーに遭遇した場合は、自らエラーの原因を解析してコードを書き直し、再度実行する。
• ワークスペース全体のコンテキスト理解：開いている1つのファイルだけでなく、フォルダ内のすべてのコードベース、設定ファイル、Gitの履歴までを俯瞰して最適な設計を提案する。

自律的な解決プロセスの疑似フロー

以下は、Antigravityがバグ修正を指示された際に、内部でどのように思考して自律実行するかを示すアクション（思考とコマンド実行）の疑似流れである。

AIエージェントの処理モデル

[ユーザーの指示]: 「ログイン画面でエラーが出るので修正してください」

1. [調査思考]: まずプロジェクト内のファイル一覧を取得する。
   -> アクション: フォルダ内のファイルを探索 (list_dir 実行)
   -> 発見: login_controller.py を見つける。

2. [コード読込]: ログイン処理のソースコードを読み込む。
   -> アクション: login_controller.py を確認 (view_file 実行)
   -> 解析: 85行目の変数定義にスペルミスを発見。

3. [自己修正]: スペルミスを修正したコードに書き換える。
   -> アクション: コードの置換 (replace_file_content 実行)

4. [検証テスト]: 修正が正しいか、テストコードを実行して確認する。
   -> アクション: テストコマンドの実行 (run_command 'pytest' 実行)
   -> 結果: テストが100%成功したことを確認。

5. [完了報告]: ユーザーに修正箇所とテスト成功のログをまとめて日本語で報告する。

このように、人間が介入することなく、AI自身が「調べる → 書き換える → 動かしてテストする」というデバッグのサイクルを回すため、開発効率が飛躍的に向上する。

開発環境（IDE）との融合

Antigravityは、開発者が日常的に使用する統合開発環境（IDE：VS CodeやCursorなど）と密接に統合されて動作する。開発者は、チャットを通じて隣のベテランプログラマーと「ペアプログラミング」を行うような感覚で、複雑なWebアプリケーションの構築や既存コードのリファクタリングをAIに依頼できる。

AIコーディングとの関係

AntigravityはAIコーディングアシスタントそのものであるため、その真価を引き出すには開発者の「プロンプト（指示の出し方）」と「権限の与え方」が重要になる。

Antigravityは非常に強力で、自らPC内のファイルを書き換えることができるため、使用する際はAIが自由に読み書きして良いワークスペース（ディレクトリ）の範囲を適切に制限しておく。

また、AIに複雑なタスクを依頼する際は、単に「アプリを作って」と丸投げするのではなく、「まず実装計画を作成して見せて」「デザインを変更する際はVanilla CSSを使い、Tailwind CSSは使わないで」など、プロジェクト固有のルールや制約（コーディング規約）を事前にルールファイル（.claude/CLAUDE.md や AGENTS.md など）に記載して読ませておくことで、意図通りの綺麗なコードベースを維持させることができる。

よくある勘違い

Antigravityがあれば、人間はプログラミングの勉強を一切しなくてよくなる？

AIが自律してコードを書き、テストまで実行してくれるとしても、人間側の「コードを読み取る力（コードリーディング）」や「システム設計を評価する力」は依然として不可欠である。

AIが生成したプログラムに、仕様の認識違いや、長期的な運用のしにくさ（スパゲッティコードの温床）、あるいは特定の状況でしか発生しないセキュリティ上の脆弱性が含まれている場合、それを発見して正しい方向に軌道修正（指示の出し直し）をするのは人間のエンジニアの役割である。AIを正しく「操縦」するためには、プログラミングの基礎知識が絶対に必要である。

AIエージェントは勝手にプログラムを書き換えて本番環境を破壊しない？

Antigravityのようなツールは、ファイルを書き換えたりテストコマンドを実行したりできるため、承認設定やアクセス権限の確認が重要になる。

人間が確認しやすい承認フローにしておけば、AIの提案を見ながら段階的に進められる。ただし、提案された変更内容をよく確認せずに広い権限を与えたり、すべての実行をまとめて許可したりすると、予期しないバグやファイル操作が紛れ込む原因になる。提案された差分（GitのDiffなど）を丁寧に目視確認する癖をつける必要がある。

従来の大規模言語モデル（GPTやGeminiなど）のブラウザ版チャットと同じもの？

ブラウザからChatGPTやGeminiの画面を開いて「プログラムを書いて」と頼む形式は、AIが自身の回答結果（テキスト）が実際に動作したかを確認できない「一方通行」のシステムである。

これに対しAntigravityは、ローカル開発環境のエディタ、ターミナル、ブラウザなどと連携し、AI自身が「ファイルを実際に書き換える」「プログラムを実行してエラーメッセージを読み取る」といった作業に関与できる双方向の「エージェントシステム」である。このため、通常のチャットAIよりも、実装から検証までの往復を短くしやすい。

まとめ

• Antigravityは、Googleが提供するエージェント型のAIコーディング環境である。
• 単発の回答だけでなく、ファイルの検索、読み書き、コマンド実行、検証テストまでを支援できる。
• 安全に使うには、実行権限、承認設定、差分確認の運用を人間側で整える必要がある。
• AIの暴走を防ぎ、意図通りのコードを維持するためには、開発者自身によるルールの定義と差分の確認が重要である。
• プログラミング知識を持つ人間が「指示・監査役」として使うことで、調査、実装、検証の往復を大きく短縮できる。

情報ソース

• Google Antigravity 公式サイト

より詳しくAIに聞いてみよう

• AIコーディングにおける「自律型AIエージェント（Antigravityなど）」と、「コード自動補完ツール（GitHub Copilotなど）」の違いを、開発フローの観点からわかりやすく説明してください。
• AIエージェントに「このWebサイトのデータベース処理で起きているエラーを自律的にデバッグして」と依頼する際、セキュリティ上の懸念を防ぐための安全な運用方法を教えてください。
• AIエージェントが自律的に作成する「実装計画（Implementation Plan）」とは何か、開発者がその内容をレビューする際に注目すべきチェックポイントを教えてください。
• AntigravityなどのAIエージェントが、エラーに遭遇した際にどのように「自己修正（セルフリフレクション）」を行い、正しいコードへとたどり着くのか、その仕組みを教えてください。
• AIエージェントを最大限に活用するために、プロジェクトのルートディレクトリに配置しておくべき「指示ルールファイル（CLAUDE.mdなど）」の書き方と効果的な設定例を教えてください。