Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).

Antigravity CLI 2 (agy) – Referenz & Praxisleitfaden¶

Der Antigravity CLI (agy) ist die hochleistungsfähige, terminalbasierte Schnittstelle der Google Antigravity Agentic Platform. Er ermöglicht es Entwickler:innen und KI-Agenten, direkt in der Konsole komplexe Softwareentwicklungs-, Refactoring- und Automatisierungsaufgaben auszuführen.

🚀 Was ist der Antigravity CLI?¶

Der Antigravity CLI ist ein autonomes Agenten-Werkzeug für das Terminal, das auf modernen LLMs (wie Gemini 3.5 Pro/Flash) basiert. Im Gegensatz zu reinen Chat-Bots führt agy Befehle aus, liest und editiert Dateien im Projektverzeichnis, verwaltet Hintergrundaufgaben und orchestriert Subagenten.

graph TD
    User(["Entwickler / CI-Pipeline"]) -->|"CLI-Befehl / Prompt"| AGY[Antigravity CLI 'agy']
    AGY -->|Instruktionen| AGENTS["AGENTS.md & Rules"]
    AGY -->|"Kontext & Skills"| SKILLS["Skills & MCP-Plugins"]
    AGY -->|Tool Execution| TOOLS["Builtin Tools & Shell Sandbox"]
    AGY -->|Delegation| SUB["Subagents & Background Tasks"]

Gegenüberstellung: CLI vs. IDE vs. Antigravity 2.0¶

🧩 Antigravity CLI Basic & Bausteine¶

1. AGENTS.md – KI-Regeln & Steuerung¶

Die Datei AGENTS.md bildet das zentrale Regelwerk für den CLI-Agenten in einem Projekt. Sie wird beim Start von agy im aktuellen Arbeitsverzeichnis gelesen.

Beispiel einer AGENTS.md¶

# Projekt-Regeln für Antigravity CLI

## Build & Validierung
- Vor jedem Commit zwingend `.venv/bin/zensical build` ausführen.
- Keine fehlerhaften internen Links zulassen.

## Verbotene Befehle
- `mkdocs build` oder `mkdocs serve` dürfen NIEMALS verwendet werden.
- Nutze ausschließlich `.venv/bin/zensical`.

2. Skills – Wiederverwendbare Fähigkeiten¶

Skills erweitern die Funktionalität des CLI-Agenten um spezialisierte Handlungsanweisungen, Vorlagen und Skripte.

• Ablageort: .gemini/skills/<skill-name>/SKILL.md (projektbezogen) oder global.
• Aufbau: Enthält YAML-Frontmatter (name, description) sowie detaillierte Instruktionen.

---
name: zensical-docs
description: Hilft beim Erstellen und Validieren von Dokumentationsseiten mit Zensical.
---

# Zensical Docs Skill
Instruktionen für die Erstellung von Dokumentationsseiten...

3. Context – Kontext- & Speicherverwaltung¶

Der Antigravity CLI verwaltet den Gesprächs- und Dateikontext hochgradig token-effizient:

• Transkripte: Alle Interaktionen werden in .system_generated/logs/transcript.jsonl protokolliert.
• Kontext-Trimming: Ältere Werkzeugausgaben werden automatisch gekürzt, um das Token-Fenster optimal zu nutzen.
• Dateikontext: Dateien werden nur bei Bedarf über view_file oder grep_search in den Kontext geladen.

4. Modes – Betriebsmodi¶

Der CLI unterstützt verschiedene Interaktionsmodi je nach Anwendungsfall:

agy

/plan "Refaktoriere die Authentifizierungs-Pipeline"

agy --prompt "Prüfe den Build-Status und behebe Fehler"

5. Tools – Integrierte Werkzeuge¶

Dem CLI-Agenten stehen integrierte Werkzeuge zur Verfügung:

6. Plugins & MCP (Model Context Protocol)¶

Über das Model Context Protocol (MCP) kann der Antigravity CLI mit externen Tools, Datenbanken und APIs verbunden werden.

// ~/.gemini/antigravity-cli/settings.json (Auszug)
{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres", "postgresql://localhost/mydb"]
    }
  }
}

7. Hooks – Lifecycle-Automatisierung¶

Hooks erlauben das Ausführen von benutzerdefinierten Skripten bei bestimmten Lifecycle-Events:

• pre_command: Vor der Ausführung eines Shell-Befehls.
• post_tool_call: Nach Abschluss eines Tool-Aufrufs.
• on_error: Bei Auftreten von Laufzeit- oder Build-Fehlern.

8. Subagents – Multi-Agenten-Orchestrierung¶

Der CLI kann eigenständige Hintergrund-Agenten (Subagents) starten, um komplexe Aufgaben parallel abzuarbeiten.

• invoke_subagent: Spawnt einen neuen Subagenten mit definierter Rolle und Prompt.
• define_subagent: Definiert zur Laufzeit neue Subagenten-Typen.
• send_message: Kommuniziert asynchron mit laufenden Subagenten.

graph LR
    Parent[Haupt-CLI Agent] -->|invoke_subagent| Sub1["Subagent: Research"]
    Parent -->|invoke_subagent| Sub2["Subagent: Doc-Checker"]
    Sub1 -->|send_message| Parent
    Sub2 -->|send_message| Parent

🔄 Antigravity CLI Workflow & Praxis¶

Berechtigungsmodi & Sicherheit¶

Der Antigravity CLI arbeitet standardmäßig in einer abgesicherten Sandbox. Werkzeugzugriffe erfordern je nach Konfiguration explizite Rechte:

1. Interactive Approval: Der Benutzer bestätigt kritische Shell-Befehle oder Dateiänderungen manuell.
2. Auto-Approve / Sandbox Scopes: Über ask_permission kann der Agent eng definierte Berechtigungen (z. B. write_file für Unterverzeichnisse) anfordern.
3. Admin Escalation: Befehle mit erhöhten Rechten müssen explizit vom Benutzer freigegeben werden.

Plan-Modus (/plan)¶

Der Plan-Modus strukturiert komplexe Entwicklungsaufgaben in transparente Teilschritte:

1. Analyse: Der Agent liest Relevanzdateien und analysiert das Problem.
2. Planerstellung: Ein Markdown-Artefakt (plan.md) wird generiert, das alle Teilschritte detailliert beschreibt.
3. Review: Entwickler:innen prüfen den Plan und geben Feedback oder die Freigabe.
4. Ausführung: Der Agent arbeitet den Plan Schritt für Schritt ab und validiert jeden Teilerfolg.

Sitzungen verwalten praxisbezogen¶

Sitzungen (Sessions) im Antigravity CLI sind hochgradig persistent:

# Neue Sitzung im aktuellen Projekt starten
agy

# Zu einer bestehenden Sitzung zurückkehren
agy --resume <session-id>

Verwende 'schedule' für Timer oder führe Befehle im Hintergrund aus.
Verwende 'manage_task', um Hintergrund-Prozesse zu steuern:
- manage_task Action="status" TaskId="..."
- manage_task Action="kill" TaskId="..."

💡 Anwendungspraktiken & Best Practices¶

1. Empirische Validierung vor Erfolgsmeldung: Verlassen Sie sich nicht darauf, dass Code korrigiert wurde, nur weil eine Datei geschrieben wurde. Führen Sie stets den Build- oder Testbefehl aus (z. B. .venv/bin/zensical build).

2. Kompakte & präzise Prompting-Strategie: Verwenden Sie Slash-Commands wie /plan, /goal oder /learn, um komplexe Workflows effizient einzuleiten.

3. Multi-Replacements nutzen: Bei mehreren Änderungen in derselben Datei ist multi_replace_file_content dem mehrfachen Einzelaufruf vorzuziehen.

🔗 Verwandte Themen¶

• KI Coding Grundlagen
• Continue.dev & Tabby AI Setup
• Vibe Coding & Engineering
• Zurück zur KI-Übersicht

Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).