1. Introdução
O Google Antigravity (chamado de Antigravity no restante do documento) é um IDE agêntico do Google. No codelab de introdução ao Antigravity, você pode aprender os conceitos básicos do Antigravity. Neste codelab, vamos usar o Antigravity para criar aplicativos reais. Vamos passar de pesquisas simples na Web para gerar aplicativos full-stack e testes de unidade de nível empresarial.
Pré-requisitos:
- O Google Antigravity está instalado e configurado.
- Noções básicas sobre o Google Antigravity. Recomendamos que você conclua o codelab: Introdução ao Google Antigravity.
2. Sobre os casos de uso
Agora que você tem um entendimento básico do Antigravity, vamos analisar alguns casos de uso para ver como ele funciona. O Antigravity é uma plataforma focada em agentes. Isso significa que, na maioria dos casos, estamos apenas uma instrução ao agente, que então realiza a tarefa, pede permissões se necessário, produz os artefatos e nos notifica quando a tarefa é concluída. Por isso, não podemos produzir todas as respostas da conversa do agente em cada um dos casos de uso a seguir. Vamos compartilhar as instruções e algumas capturas de tela necessárias dos resultados esperados, mas seus resultados podem ser um pouco diferentes.
Os casos de uso que vamos abordar variam desde a automação de algumas tarefas com sites externos até a geração e verificação de casos de teste de unidade para um projeto e o desenvolvimento de um site completo. Vamos lá.
3. Destaques de notícias
Este é um caso de uso simples, mas pode ser a base para usar o navegador da Web para visitar sites, extrair informações, realizar algumas ações e retornar dados ao usuário.
Nesse caso, vamos acessar o site do Google Notícias e extrair algumas informações de lá. Mas você pode testar um site da sua escolha e ver como funciona.
Verifique se você está em Agent Manager e selecionou Playground, conforme mostrado abaixo:
Em seguida, dê a seguinte instrução: "acesse news.google.com e me mostre os destaques do momento."
Isso vai iniciar o processo do agente e determinar que ele precisa abrir o navegador etc. Preste atenção ao processo de pensamento e veja como o agente realiza o trabalho. Se tudo der certo, o navegador Antigravity será aberto e vai acessar o site, conforme mostrado abaixo. A borda azul ao redor do site mostra que o agente agora está controlando o navegador e navegando pelo site para receber as informações.
Quando terminar, você também vai ver os artefatos sendo gerados, conforme mostrado abaixo:
Confira abaixo um exemplo de execução pelo agente:
À esquerda, temos o processo de pensamento. Você também pode rolar pelos pontos e ver a reprodução e outros dados.
O que testar
- Depois de entender isso, escolha um site disponível e de onde você quer que o agente acesse/resuma alguns dados. Pense em um site que você sabe que tem painéis e gráficos e peça para ele escolher alguns valores.
- Tente o seguinte comando:
Visit https://docs.cloud.google.com/release-notes and get me a summary of the release notes, categorized by product.
4. Gerar um site dinâmico com Python + Flask
Agora vamos gerar um aplicativo da Web completo. O aplicativo da Web que vamos criar é um site que fornece informações sobre um evento técnico de um dia, com palestras ao longo do dia de vários palestrantes.
Verifique se você está no Agent Manager e selecionou o Playground. Para começar do zero, inicie uma nova conversa no playground e escolha o modo Planning para garantir que o agente planeje antes de executar.
Dê o seguinte comando:
I would like to generate a website that is a 1-day technical conference informational site.
The website should have the following functionality:
1. A home page that shows the current date, location, schedule and time table.
2. The 1-day event is a list of 8 talks in total.
3. Each talk has 1 or 2 max. speakers.
4. A talk has an ID, Title, Speakers, Category (1 or 2), Description and time of the talk.
5. Each speaker has a First Name, Last Name and LinkedIn url.
6. Allow for users to search by category, speaker, title.
7. Give a lunch break of 60 minutes.
8. Use dummy data for events and speakers, come up with a schedule, the event is about Google Cloud Technologies.
9. Tech Stack: Python and Flask framework on server side. Front-end is basic HTML, CSS and JavaScript.
10. Test out the site on your own for all functionality and provide a detailed README on how to setup, run and make any further changes.
11. Launch the web application for me to review.
Você pode iniciar a conversa com o comando acima:
À medida que o agente realiza a tarefa, ele cria os artefatos:
- Artefato de tarefa
- Artefato de implementação
- Artefato de tutorial
O artefato de tarefa abaixo foi a sequência inicial de tarefas que o agente decifrou que deveria fazer com base na tarefa atribuída a ele. Confira abaixo uma captura de tela de exemplo da execução:
Em seguida, clique no artefato Plano de implementação. Confira abaixo uma captura de tela de exemplo:
Por fim, há o artefato Tutorial. Ele contém tudo o que o agente fez, conforme mostrado abaixo:
Ele iniciou o servidor e me forneceu o URL. Clique nele para acessar o aplicativo. Confira abaixo uma captura de tela de exemplo:
Se eu mudar para o Editor, observe na tela que ele contém a pasta em que o aplicativo Python Flask é gerado. Você também vai notar que o Agent mode está marcado à direita, e você pode continuar a conversa por lá também.
Agora, digamos que queremos adicionar mais palestras ao evento. Podemos ficar no Editor e no painel do agente e dar um comando como Add two more talks to the schedule.
Isso vai fazer com que o agente analise o requisito, atualize a tarefa, o plano de implementação e valide a funcionalidade atualizada também. Confira um exemplo de conversa abaixo:
Se quiser, você pode voltar para o Gerenciador de agentes. Esse processo ajuda você a entender a transição do Gerente de agente para o Editor, fazer as mudanças necessárias e assim por diante.
O que testar
- Adicione outras funcionalidades que você quer ao aplicativo. Forneça os detalhes ao agente e observe como ele realiza a tarefa, primeiro modificando a lista de tarefas, depois o plano de implementação e assim por diante.
- Peça ao agente para gerar um README ou mais documentação para o aplicativo.
5. Gerar um app de produtividade simples
Agora vamos gerar um aplicativo da Web simples de timer Pomodoro.
Verifique se você está no Agent Manager e selecionou o Playground. Dê o seguinte comando:
Create a productivity app that features a Pomodoro timer. Give a calm and aesthetic look to the application.
Perceba como ele cria a lista de tarefas, o plano de implementação e depois segue em frente. Continue prestando atenção ao fluxo, porque pode haver situações em que ele vai pedir sua revisão. Confira um exemplo de execução abaixo.
Nesse caso, ele também precisa iniciar o navegador Antigravity, fazer os próprios testes e confirmar que eles foram concluídos. Uma das coisas que ele gerou foi um artefato de mídia que contém o vídeo da verificação. Essa é uma ótima maneira de ver o que foi testado. Também sugeri algumas mudanças de estilo, já que elas não entraram em vigor, e a IA conseguiu fazer isso.
O app final ficou parecido com o abaixo e ficou muito bom.
Que tal adicionar uma imagem de timer ao aplicativo? Basta emitir uma instrução de acompanhamento, conforme mostrado abaixo:
Add an image to the application that displays a timer.
Isso fez com que o agente adicionasse uma nova tarefa ao artefato de tarefa:
Em seguida, ele gerou uma imagem enquanto realizava a tarefa:
Por fim, o app tinha a imagem conforme solicitado:
O que testar
- O plano de fundo do ícone de ampulheta no aplicativo não é transparente. Tente pedir para o agente deixar transparente.
- Teste algumas variações de qualquer aplicativo que você queira gerar. Brinque com os estilos, imagens, peça mudanças etc.
6. Gerar testes de unidade, stubs de simulação e validar testes
O último caso de uso que vamos testar aqui é a geração de testes de unidade para um arquivo de código específico que temos. O agente também vai executar e validar os testes.
Para isso, vamos ter um espaço de trabalho com um único arquivo Python, como mostrado abaixo:
from typing import Dict
# --- Custom Exceptions ---
class InventoryShortageError(Exception):
"""Raised when there is not enough item stock."""
pass
class PaymentFailedError(Exception):
"""Raised when the payment gateway rejects the transaction."""
pass
class InvalidOrderError(Exception):
"""Raised when the order violates business rules."""
pass
# --- External Service Interfaces (To be Mocked) ---
class InventoryService:
def get_stock(self, product_id: str) -> int:
"""Connects to DB to check stock."""
raise NotImplementedError("Real connection required")
def decrement_stock(self, product_id: str, quantity: int):
"""Connects to DB to reduce stock."""
raise NotImplementedError("Real connection required")
class PaymentGateway:
def charge(self, amount: float, currency: str) -> bool:
"""Connects to Stripe/PayPal."""
raise NotImplementedError("Real connection required")
# --- Main Business Logic ---
class Order:
def __init__(self,
inventory_service: InventoryService,
payment_gateway: PaymentGateway,
customer_email: str,
is_vip: bool = False):
self.inventory = inventory_service
self.payment = payment_gateway
self.customer_email = customer_email
self.is_vip = is_vip
self.items: Dict[str, Dict] = {} # {product_id: {'price': float, 'qty': int}}
self.is_paid = False
self.status = "DRAFT"
def add_item(self, product_id: str, price: float, quantity: int = 1):
"""Adds items to the cart. Rejects invalid prices or quantities."""
if price < 0:
raise ValueError("Price cannot be negative")
if quantity <= 0:
raise ValueError("Quantity must be greater than zero")
if product_id in self.items:
self.items[product_id]['qty'] += quantity
else:
self.items[product_id] = {'price': price, 'qty': quantity}
def remove_item(self, product_id: str):
"""Removes an item entirely from the cart."""
if product_id in self.items:
del self.items[product_id]
@property
def total_price(self) -> float:
"""Calculates raw total before discounts."""
return sum(item['price'] * item['qty'] for item in self.items.values())
def apply_discount(self) -> float:
"""
Applies business logic:
1. VIPs get flat 20% off.
2. Regulars get 10% off if total > 100.
3. No discount otherwise.
"""
total = self.total_price
if self.is_vip:
return round(total * 0.8, 2)
elif total > 100:
return round(total * 0.9, 2)
return round(total, 2)
def checkout(self):
"""
Orchestrates the checkout process:
1. Validates cart is not empty.
2. Checks stock for all items.
3. Calculates final price.
4. Charges payment.
5. Updates inventory.
"""
if not self.items:
raise InvalidOrderError("Cannot checkout an empty cart")
# 1. Check Inventory Logic
for product_id, data in self.items.items():
available_stock = self.inventory.get_stock(product_id)
if available_stock < data['qty']:
raise InventoryShortageError(f"Not enough stock for {product_id}")
# 2. Calculate Final Price
final_amount = self.apply_discount()
# 3. Process Payment
try:
success = self.payment.charge(final_amount, "USD")
if not success:
raise PaymentFailedError("Transaction declined by gateway")
except Exception as e:
# Catching generic network errors from the gateway
raise PaymentFailedError(f"Payment gateway error: {str(e)}")
# 4. Decrement Stock (Only occurs if payment succeeded)
for product_id, data in self.items.items():
self.inventory.decrement_stock(product_id, data['qty'])
self.is_paid = True
self.status = "COMPLETED"
return {"status": "success", "charged_amount": final_amount}
Verifique se você tem o arquivo Python acima localmente em uma pasta e carregue-o como um espaço de trabalho no Antigravity.
Este é um serviço de pedidos simples que tem a seguinte funcionalidade principal na função checkout:
- Valida se o carrinho não está vazio.
- Verifique o estoque de todos os itens.
- Calcula o preço final.
- Cobrança do pagamento.
- Atualiza o inventário.
Vamos atribuir ao agente a tarefa de gerar casos de teste de unidade, fornecer implementações de simulação e executar os testes para garantir que eles sejam bem-sucedidos.
Vamos abrir a pasta específica do espaço de trabalho. Você vai notar que agora também podemos usar o símbolo @ para referenciar o arquivo. Por exemplo, podemos fazer o seguinte:
Isso aparece com alguma explicação sobre o que é esse arquivo:
Podemos pedir para gerar uma visualização melhor usando o comando:
Can you visually show this class for better understanding
A próxima etapa é gerar os testes de unidade e pedir ao agente para testá-los. Dou o seguinte comando:
generate unit tests for this module and test it out with mock implementations.
Ele gerou o seguinte artefato de tarefa e seguiu com a tarefa.
Você também pode conferir os detalhes dos testes executados:
Um dos arquivos gerados também era o arquivo de teste. Confira uma captura de tela abaixo:
O que testar
Pegue seu próprio código e veja o que você pode pedir ao agente, desde adicionar mais funcionalidades até refatorar partes do código.
7. Parabéns
Parabéns! Você usou o Google Antigravity para:
- Pesquise na Web de forma autônoma.
- Crie e itere aplicativos da Web de pilha completa.
- Gere recursos e refine a estética da interface.
- Escrever e validar testes de unidade complexos com simulações.
Agora você pode deixar o Antigravity cuidar do trabalho pesado nos seus próprios projetos.
Documentos de referência
- Codelab : como começar a usar o Google Antigravity
- Site oficial : https://antigravity.google/
- Documentação: https://antigravity.google/docs
- Casos de uso : https://antigravity.google/use-cases
- Download : https://antigravity.google/download
- Canal do YouTube do Google Antigravity : https://www.youtube.com/@googleantigravity