Google Antigravity: мощные ИИ-агенты с навыками

Введение

Сейчас ясно, что наступила эра ИИ-агентов, где разработчики переходят к инструментам, которые не просто генерируют код по запросу, а понимают процессы, стоящие за этим.

Google Antigravity предлагает решения для создания гибких агентов. Мы разберем три основных элемента: правила, навыки и рабочие процессы, чтобы раскрыть их возможности.

Здесь показано, как связать эти компоненты для создания надежных агентов и автоматизированных цепочек. В качестве примера настроим рабочего процесса для агента по проверке качества кода на основе правил и навыков.

Три ключевых понятия

Сначала разберем элементы экосистемы Google Antigravity.

• Правило: это базовые ограничения, определяющие поведение агента, адаптацию к стеку и стилю. Хранятся в файлах markdown.
• Навык: это пакет знаний для решения конкретных задач. Размещается в папке с файлом SKILL.md.
• Рабочий процесс: это координатор, объединяющий все. Запускается командами с слешем, например /deploy. Он направляет агента по структурированному плану из шагов, автоматизируя задачи без потери точности.

Практическая настройка

Переходим к примеру: настроим Antigravity для проверки Python-кода, исправления форматирования и генерации тестов — без внешних инструментов.

Сначала установите Google Antigravity. Запустите приложение, добавьте папку проекта через меню "File >> Add Folder to Workspace...".

В корне проекта создайте папку .agents с подпапками rules и skills — там разместятся правила и навыки агента.

Начнем с правила для соблюдения стандартов Python. В rules создайте python-style.md со следующим содержимым:

# Python Style Rule
Always use PEP 8 standards. When providing or refactoring code, assume we are using `black` for formatting. Keep dependencies strictly to free, open-source libraries to ensure our project remains free-friendly.

В правой панели редактора выберите правило. Установите режим активации "glob" с паттерном **/*.py.

Теперь агент будет применять правило к Python-файлам.

Далее научим агента навыку генерации тестов для Python-кода. В skills создайте папку pytest-generator с файлом SKILL.md.

Для теста создайте в корне flawed_division.py с кодом:

def divide_numbers( x,y ): return x/y

В правой панели в "Workflows" нажмите "+Workspace", создайте qa-check со следующим:

# Title: Python QA Check
# Description: Automates code review and test generation for Python files.
Step 1: Review the currently open Python file for bugs and style issues, adhering to our Python Style Rule.
Step 2: Refactor any inefficient code.
Step 3: Call the `pytest-generator` skill to write comprehensive unit tests for the refactored code.
Step 4: Output the final test code and suggest running `pytest` in the terminal.

С открытым проблемным файлом запустите агента командой qa-check.

Агент исправит код:

Агент также создаст тесты для pytest, например:

import pytest
from flawed_division import divide_numbers

def test_divide_numbers_normal():
    assert divide_numbers(10, 2) == 5.0
    assert divide_numbers(9, 3) == 3.0

def test_divide_numbers_negative():
    assert divide_numbers(-10, 2) == -5.0
    assert divide_numbers(10, -2) == -5.0
    assert divide_numbers(-10, -2) == 5.0

def test_divide_numbers_float():
    assert divide_numbers(5.0, 2.0) == 2.5

def test_divide_numbers_zero_numerator():
    assert divide_numbers(0, 5) == 0.0

def test_divide_numbers_zero_denominator():
    with pytest.raises(ValueError, match="Cannot divide by zero"):
        divide_numbers(10, 0)

Агент сначала проверил код по правилам, затем применил навык для тестов, адаптированных к проекту.

Итоги

Мы объединили правила, навыки и рабочие процессы Google Antigravity, чтобы превратить обычных агентов в специализированных помощников. Пример показал, как агент форматирует код и создает тесты QA.