Antigravity SDK 登场

当开发者需要将 AI 能力嵌入自有应用时，常见做法是通过 API 调用远程 Agent 服务，但这种方式存在延迟高、定制性差、依赖网络等问题。据悉，Google 在 I/O 2026 大会上给出了另一种解法 ---- Antigravity SDK，这是一个让开发者可以在本地构建、自定义和部署 AI Agent 的 Python 库。

便捷创建 Agent 实例

只需 20 行符合惯用法的 Python 代码，开发者就能创建一个功能完整的 Agent 实例，而驱动它的正是 Google Antigravity 平台自用的运行时引擎(Antigravity Runtime)。这套运行时最初支撑着 Antigravity 2.0 网页应用和命令行工具，如今被封装成 SDK 对外开放。开发者在本地创建的 Agent 继承了同样的执行环境，包括内置的工具集、声明式的安全策略引擎、用于观察和引导每次工具调用的生命周期钩子，以及跨交互持久化的有状态多轮会话。更关键的是，随着 Google 对运行时本身的优化，SDK 中的 Agent 无需任何代码改动即可自动受益。

Agent 类的使用

Agent 类的使用非常直观。采用 async with 模式管理完整生命周期，一段不到 15 行的代码就能实现一个回答问题的 Agent：导入必要的模块，配置 LocalAgentConfig，然后通过 agent.chat() 方法发起对话即可。这个 Agent 的逻辑与运行环境完全解耦，未来只需切换为远程运行模式，同一套代码就能部署到云端，而开发者只需关注 Agent 要做什么，而不必操心它如何以及在哪里运行。

内置工具集与定制

每个 Agent 在初始化时就拥有完整内置工具集，包括文件读写、代码编辑、Shell 执行、目录搜索、图片生成、子 Agent 委托等。开发者可以在此基础上通过系统指令为 Agent 设定身份、添加领域特定的指导，或者完全替换默认工具。SDK 在设计时特别考虑了 AI 友好的原则，其 API 表面使用清晰的 Python 类型、结构化输出和明确的命名约定，这些设计决策使得 AI Agent 能够像人类开发者一样流畅地读取、编写和维护 SDK 代码。事实上，Antigravity 本身在构建 SDK 代码时也在使用这个 Agent。

四类工具集支持

SDK 支持四类工具集，它们共享同一套执行管道、流式基础设施和安全策略。内置工具覆盖了常见的文件操作和代码执行；自定义 Python 函数允许将任何 Python 可调用对象注册为 Agent 可调用的工具；MCP 服务器可以连接任何 Model Context Protocol 服务器，将其工具暴露给 Agent；Agent 技能包则允许通过配置中的 skills_paths 提供包含指令、工具和上下文的可复用技能包路径。一次定义的策略或钩子会统管所有工具，无论其来源是什么。

安全策略与钩子系统

安全策略是 SDK 的另一核心特性。LocalAgentConfig 默认启用所有内置工具，但默认应用 confirm_run_command() 策略，大多数工具可以无摩擦使用，但 Shell 访问默认被拒绝。如果需要完全自主执行，传入 policies=[policy.allow_all()] 即可。开发者还可以用声明式方式精细控制：deny 策略默认阻止所有操作，然后通过 allow 显式放行特定工具，对于 Shell 执行则用 ask_user 策略将决定权交给人类。超越策略之外，钩子系统提供了生命周期级别的控制能力。钩子分为三类：Inspect 是只读非阻塞的，用于观察事件以实现日志记录、指标收集或审计追踪；Decide 同样是只读阻塞的，用于批准或拒绝操作；Transform 则是可修改的阻塞钩子，用于在数据传输过程中进行清理或错误恢复。SDK 提供了九个具体的钩子注入点，每个钩子都有装饰器形式的快捷方式来快速接入。

I/O 能力与状态管理

在 I/O 能力方面，Agent 支持流式输出，开发者可以通过 async for chunk in response 获取实时内容；多模态输入允许将图片、PDF、音频和视频与文本提示一起传递；子 Agent 功能可以生成具有独立工具、指令和上下文的子 Agent 实例，这是构建 Agent 团队的基本构建块；推理深度控制则通过 GenerationConfig 为每个请求设置 MINIMAL、LOW、MEDIUM 或 HIGH 四个级别；触发器功能可以运行响应外部事件的后台任务并将消息推入 Agent。在状态管理方面，对话可以通过 conversation_id 在保存的会话 ID 之间恢复；结构化输出允许开发者定义响应模式，Agent 通过 response.structured_output() 返回经过验证的类型化数据；人机交互功能让 Agent 可以在任务中途暂停，向用户提出带有预定义选项的结构化问题并根据回答分支执行。

可观测性与模型支持

可观测性方面，SDK 提供每个轮次和累计的令牌使用量统计，可通过 usage_metadata 获取；推理追踪功能允许在输出的同时访问模型的实时推理过程。SDK 默认使用 Gemini 3.5 Flash 作为模型，该模型也是支撑整个平台性能的核心。

未来发展与开源情况

当前 SDK 处于研究预览阶段，Google 正在根据开发者、研究人员和平台工程师的反馈塑造其未来发展路线图。即将推出的功能包括远程 Harness 部署、TypeScript 和 Go 语言支持、Gemma 集成、插件系统以及更深入的可观测性支持。SDK 采用 Apache 2.0 许可证开源，提供两个层次的示例代码，完整的 API 文档已上线，开发者可以通过 pip install google - antigravity 直接安装体验。对于希望在自有项目中深度定制 AI Agent 行为的开发者而言，Antigravity SDK 提供了一个介于完全托管 API 和完全自建之间的中间地带，既有 Google 基础设施的支撑，又保留了本地执行的灵活性和完整的定制空间。