Waktu yang dihabiskan untuk melacak bug secara manual atau memperbarui dokumentasi adalah waktu yang terbuang dari pengembangan fitur baru. Tim berkinerja tinggi sudah memanfaatkan AI untuk mengoptimalkan waktu ini, dan dalam eksperimen lapangan acak, mereka mencatat peningkatan 26% dalam penyelesaian tugas.
Anda juga dapat bergabung dengan jumlah pengguna yang terus bertambah ini dengan menerapkan kasus penggunaan Google Antigravity seperti perbaikan bug otomatis, pembuatan prototipe antarmuka pengguna (UI) yang cepat, dan audit keamanan. Panduan ini menunjukkan cara menggunakan Antigravity dari Google serta menjelaskan cara mengintegrasikan alur kerja ini ke dalam alat-alat yang sudah Anda miliki.
TL;DR: Antigravity adalah pilihan terbaik untuk pekerjaan yang dapat Anda tentukan, serahkan, dan tinggalkan begitu saja. Namun, ini adalah pilihan terburuk untuk pekerjaan yang memerlukan pendekatan yang lebih hati-hati dan teliti.
Lima kasus penggunaan yang sangat berguna: otomatisasi tugas berbasis agen, pembuatan prototipe antarmuka pengguna (UI) dengan umpan balik "browser-in-the-loop", analisis basis kode, audit keamanan, dan orkestrasi lintas alat. Pilihan platform yang Anda gunakan akan memengaruhi hasilnya. Antigravity 2.0 untuk orkestrasi paralel, CLI untuk pekerjaan tanpa antarmuka grafis, IDE untuk pemrograman bersama agen, dan SDK untuk agen kustom.
Keputusan untuk mengadopsi Antigravity sebenarnya bukan soal Antigravity itu sendiri. Yang menjadi pertimbangan adalah apakah tim Anda memiliki tempat untuk menampung hasil kerja agen, seseorang yang bertanggung jawab untuk memeriksanya, dan cara untuk mendeteksi ketika proses persetujuan menjadi sembarangan. Tim yang membangun hal tersebut terlebih dahulu akan mendapatkan manfaat yang terus bertambah. Tim yang mengabaikannya akan lebih cepat menuju basis kode yang tidak dimengerti oleh siapa pun.
Apa Itu Google Antigravity?
Google Antigravity adalah platform pengembangan berbasis agen dari Google. Platform ini menggunakan agen AI otonom yang merencanakan dan menjalankan tugas multi-langkah di editor, terminal, dan browser Anda. Cukup jelaskan apa yang Anda butuhkan, dan agen-agen tersebut akan mengerjakannya, sehingga Anda tidak perlu lagi berpindah-pindah antara editor kode, terminal, dan dokumen Anda untuk menyelesaikan satu pekerjaan.
Fitur ini diluncurkan dalam versi pratinjau publik bersamaan dengan Gemini 3, yang membuka jalan bagi pembaruan baru, Antigravity 2.0. Rilis tersebut mengubah satu IDE menjadi empat antarmuka. Pilihan Anda akan memengaruhi bagaimana contoh penggunaan di bawah ini diterapkan:
- Antigravity 2.0: Mengkoordinasikan beberapa agen otonom di berbagai proyek terpisah melalui aplikasi desktop mandiri tanpa editor yang terintegrasi
- Antigravity CLI: Jalankan agen langsung dari terminal untuk alur kerja berbasis baris perintah dan tanpa antarmuka grafis
- Antigravity IDE: Tulis kode di samping agen di editor asli
- Antigravity SDK: Buat agen kustom di lingkungan Antigravity menggunakan pustaka Python
Agen ini sendiri berjalan di Gemini 3.6 dan 3.5 Flash, Gemini 3.1 Pro, Claude Sonnet 4.6, serta Claude Opus 4.6, dengan GPT-OSS-120b juga dapat dipilih. (Ketersediaan model sering berubah; periksa dokumentasi resmi Antigravity untuk daftar terkini.)
5 Kasus Penggunaan Google Antigravity Teratas untuk Tim Pengembangan
Tim pengembang dapat memaksimalkan manfaat Antigravity dalam lima bidang: otomatisasi tugas berbasis agen, pembuatan prototipe antarmuka pengguna, analisis basis kode, audit keamanan, dan otomatisasi alur kerja lintas alat. Masing-masing bidang ini mengotomatisasi jenis pekerjaan berulang yang berbeda, mulai dari kode boilerplate yang dikerjakan oleh satu pengembang hingga serah terima tugas di seluruh tim.
1. Pengembangan berbasis agen dan otomatisasi tugas
Antigravity mengambil alih siklus eksekusi yang mengganggu konsentrasi pengembang saat bekerja secara mendalam: menulis kode boilerplate, menjalankan rangkaian pengujian, dan melakukan deployment ke lingkungan staging. Siklus-siklus tersebut berjalan lambat dan menyebabkan perpindahan konteks, yang menurunkan produktivitas setiap kali konsentrasi terganggu.
Mendelegasikan eksekusi multi-langkah tersebut kepada agen membantu pengembang fokus pada arsitektur dan pemecahan masalah. Berikut beberapa contohnya:
- Otomatisasi perbaikan bug: Minta agen melacak bug, menulis kode perbaikan, menjalankan pengujian, dan memberikan patch yang sudah bersih kepada Anda untuk ditinjau
- Membuat kerangka kode secara instan: Jelaskan fitur dalam bahasa sehari-hari, lalu biarkan agen tersebut menghasilkan seluruh struktur file dan implementasi awal
- Menangani tugas CI/CD: Konfigurasikan agen untuk memicu proses build dan memantau log, sehingga Anda hanya perlu campur tangan jika terjadi kegagalan yang sesungguhnya
Fakta Menarik: Bug komputer pertama adalah seekor ngengat sungguhan, yang ditemukan terjebak di dalam relai komputer Harvard Mark II pada tahun 1947 dan ditempelkan ke dalam buku catatan sebagai bukti.
2. Pembuatan prototipe cepat dan iterasi antarmuka pengguna
Pekerjaan frontend berjalan lebih cepat di sini karena agen dapat melihat apa yang telah dibangunnya. IDE Antigravity menggunakan fitur "browser-in-the-loop". Alih-alih Anda menyesuaikan satu piksel, menyegarkan halaman, dan mengulanginya, agen membaca antarmuka pengguna yang telah dirender dan menyesuaikan kode berdasarkan umpan balik visual.
Hal ini menutup kesenjangan antara mockup dan browser dalam tiga cara:
- Ubah mockup menjadi kode: Berikan tangkapan layar atau berkas desain kepada agen tersebut untuk segera menghasilkan kode frontend yang berfungsi
- Mengulangi pengujian pada komponen: Minta agen untuk menyesuaikan padding atau ketebalan font, lalu lihat bagaimana perubahan tersebut diterapkan pada tampilan browser secara langsung
- Jalankan pengujian visual: Gunakan agen untuk memindai ketidakkonsistenan rendering di berbagai browser secara otomatis
3. Analisis dan pemeliharaan basis kode
Agen Antigravity berfungsi sebagai panduan yang selalu tersedia untuk repositori Anda. Hal ini sangat penting terutama saat berurusan dengan file-file warisan, di mana bahkan insinyur senior pun bisa kehilangan jejak. Ketidakjelasan ini memperlambat pengembangan fitur baru dan meningkatkan utang teknis Anda.
- Melakukan penelitian basis kode: Tanyakan kepada agen bagaimana alur otentikasi tertentu bekerja dan dapatkan penjelasan yang jelas serta dapat dilacak mengenai logikanya
- Membuat dokumentasi: Minta agen tersebut menganalisis skrip Anda untuk menghasilkan berkas README teknis dan komentar inline yang bermanfaat secara otomatis
- Mengidentifikasi kode yang bermasalah: Gunakan agen ini untuk menemukan area yang perlu direfaktori dan biarkan agen tersebut menyarankan implementasi yang lebih rapi untuk disetujui oleh Anda
Lihat bagaimana tim teknik melacak, memprioritaskan, dan mengurangi utang teknis menggunakan refactoring yang dibantu AI dan pengelolaan backlog:
4. Audit keamanan dan deteksi kerentanan
Masalah keamanan tidak lagi menjadi penghambat rilis ketika agen-agen tersebut memindai kode sebelum dikirimkan. Antigravity menandai kerentanan dan mengusulkan perbaikan selama fase penulisan kode. Hal ini mengubah proses peninjauan manual yang dulu menghambat siklus pengembangan Anda menjadi proses latar belakang yang berkelanjutan.
Agen-agen tersebut dapat:
- Pindai kerentanan: Identifikasi risiko umum seperti injeksi SQL atau cross-site scripting (XSS)
- Audit dependensi: Periksa paket pihak ketiga untuk risiko yang sudah diketahui agar Anda tidak mewarisi kerentanan dari pustaka eksternal
- Membuat perbaikan keamanan: Tinjau usulan perubahan kode yang memperbaiki celah yang terdeteksi
5. Integrasi alat lintas fungsi
Antigravity berfungsi sebagai jembatan di seluruh stack Anda. Alat ini memungkinkan agen-agennya menangani tugas-tugas, sehingga menghilangkan kerumitan berpindah-pindah antara terminal, browser, dan alat manajemen proyek. Contoh alur kerja untuk orkestrasi AI:
- Otomatiskan siklus terminal-ke-browser: Biarkan agen menjalankan proses build, mengujinya di browser, dan memposting hasilnya ke saluran tim Anda
- Menghubungkan data yang terputus: Ambil informasi dari API eksternal, perbarui basis data Anda, dan buat laporan ringkasan dalam satu alur kerja
- Gabungkan alat AI Anda: Hubungkan Antigravity dengan alat khusus untuk membangun alur kerja otomatis dari awal hingga akhir
Survei kami menunjukkan bahwa hampir 54% tim bekerja di berbagai sistem yang tersebar, sementara 49% jarang berbagi konteks antar alat. Inilah gambaran ketika silo-silo tersebut benar-benar terhubung:
Fitur utama yang mendukung kasus penggunaan ini
Empat fitur yang mendukung Anda: pengelola agen, umpan balik visual, perencanaan otonom, dan pembuatan artefak. Bersama-sama, fitur-fitur ini menjelaskan bagaimana Antigravity menjalankan tugas bertahap secara mandiri sementara Anda tetap memegang kendali akhir.
- Manajer agen: Pantau beberapa agen aktif dari satu antarmuka kontrol misi dan lacak kemajuan di seluruh proyek
- Umpan balik visual: Amati perubahan antarmuka pengguna dan interaksi browser secara real-time saat agen-agen tersebut secara otomatis menyesuaikan kode frontend
- Perencanaan otonom: Setujui atau sesuaikan rencana implementasi agen sebelum agen tersebut menulis satu baris kode pun
- Pembuatan artefak: Lakukan audit terhadap hasil kerja konkret, seperti tambalan kode atau video panduan, untuk memastikan setiap tindakan agen memenuhi standar Anda
Antigravity mengalihkan fokus pengembang Anda dari menulis kode ke mengevaluasi rencana
Agen Antigravity menangani implementasinya. Tugas pengembang Anda adalah meninjau rencana agen tersebut sebelum mereka menulis satu baris kode pun. Ini merupakan keterampilan yang berbeda dari tinjauan kode, yaitu mengendalikan seberapa cepat pekerjaan diselesaikan.
Keduanya terasa serupa, tetapi sebenarnya berbeda. Tinjauan kode menanyakan, ‘Apakah kode ini berfungsi sesuai yang diharapkan?’ Tujuannya sudah ditentukan sebelum siapa pun membuka editor.
Tinjauan rencana menanyakan, ‘Apakah niatnya sendiri sudah benar?’ dan Anda harus memutuskan hal itu tanpa kode apa pun untuk memverifikasi pemikiran Anda. Sebagian besar insinyur belum mempraktikkan hal ini karena jenjang karier tidak memberikan penghargaan atas hal tersebut. Selain itu, hal ini lebih sulit diajarkan daripada memperbaiki bug.
Desain Antigravity memperhitungkan hal ini. Persetujuan rencana dan mesin izin tiga daftar ( Penolakan mengalahkan Permintaan mengalahkan Izin ) merupakan fitur inti produk, bukan pengaturan opsional. Google membangun platform ini dengan asumsi bahwa tugas manusia adalah memberikan otorisasi.
Masalahnya adalah, penilaian tim Anda mengenai seberapa baik mereka melakukan otorisasi tidak dapat diandalkan. Sebuah studi kausal mengenai adopsi Cursor di berbagai proyek open-source menemukan bahwa kecepatan pengembangan meningkat segera setelah para pengembang mulai menggunakan AI. Namun, kompleksitas kode dan peringatan analisis statis juga meningkat sejalan dengan itu.
Para pengembang merasa prosesnya lebih cepat, tetapi kualitas basis kode justru menurun. Tidak ada yang menyadarinya sampai data menunjukkan hal tersebut.
Inilah mengapa kecepatan bukanlah metrik yang tepat untuk dilacak. Agen-agen tersebut memang dapat meningkatkan kecepatan secara instan, tetapi hal itu tidak memberi tahu Anda apakah pekerjaan yang disetujui tersebut berkualitas baik. Aturan izin, tinjauan artefak, dan titik pemeriksaan manusia yang dijelaskan di bagian selanjutnya dari panduan ini ada untuk melindungi kualitas persetujuan Anda. Angka itulah yang menentukan apakah pengembangan berbasis agen memberikan hasil yang memuaskan.
Antigravity vs. Cursor vs. Claude Code vs. GitHub Copilot
Ada empat pesaing utama dalam pengembangan berbasis agen: Google Antigravity (antarmuka agen khusus), Cursor (di dalam editor Anda), Claude Code (di terminal Anda), dan GitHub Copilot (di dalam pull request Anda). Lokasi agen menentukan antrian mana yang akan menerima hasilnya, dan itulah bagian yang harus dihadapi tim Anda setiap hari.
| Alat | Keunggulan | Batasan | Cocok untuk | Harga* |
|---|---|---|---|---|
| Google Antigravity | Agen memeriksa antarmuka pengguna (UI) yang dirender olehnya sendiri | Hasilnya muncul di tempat yang belum pernah diperhatikan sebelumnya | Tim yang menjalankan pekerjaan latar belakang secara paralel | Individu – Gratis; AI Pro ~$20/bulan, Ultra $100–$250/bulan |
| Kursor | Jarak terpendek antara niat dan pengeditan | Dua kursi yang identik bisa memiliki harga yang sangat berbeda | Pengembang yang bekerja di dalam editor | $20/bulan Pro |
| Claude Code | Menjaga konsistensi logika di seluruh puluhan berkas | Tidak ada antarmuka visual untuk pekerjaan frontend | Insinyur senior yang menangani migrasi besar-besaran | Berbasis penggunaan melalui paket Anthropic |
| GitHub Copilot | Lakukan pekerjaan di dalam sistem yang sudah Anda bangun | Keunggulannya hilang di luar GitHub | Organisasi yang proses peninjauannya sepenuhnya berjalan di GitHub | $10/bulan untuk Individu, $19+ untuk Bisnis |
Google Antigravity
Antigravity memberikan ruang kerja yang paling luas bagi setiap agen. Anda menyetujui sebuah rencana, dan agen tersebut akan bergerak melintasi berkas, terminal, dan peramban sementara Anda melakukan hal lain. Tiga agen lainnya dirancang untuk tetap berada di dekat pengguna, yang sangat membantu hingga Anda ingin menjalankan dua belas tugas sekaligus.
Yang berhasil dengan baik:
- Agen yang dapat melihat hasilnya sendiri: Arahkan salah satunya ke halaman yang sudah ditampilkan, dan agen tersebut akan memperbaiki CSS-nya sendiri berdasarkan tampilan yang ditampilkan oleh browser
- Tampilan terpadu atas banyak agen: Pantau beberapa agen yang menjalankan proyek terpisah secara bersamaan dan intervensi hanya jika salah satunya mengalami kendala
- Pekerjaan rutin yang sering terlupakan: Serahkan pengujian harian atau audit dependensi ke fitur Tugas Terjadwal, lalu periksa hasilnya di pagi hari
Keterbatasan:
- Hasil kerja muncul di tempat yang belum diperhatikan oleh siapa pun: Copilot menempatkan hasil kerja ke dalam pull request, sedangkan Cursor meninggalkannya di editor Anda. Artefak Antigravity menunggu di tempat yang harus dibuka secara sengaja, dan mesin izin membatasi eksekusi tanpa melacak proses tinjauan, sehingga backlog tetap tersembunyi hingga ada produk yang dirilis dalam kondisi bermasalah
- Model pihak ketiga tidak tersedia di tingkatan Enterprise: Claude Sonnet 4.6, Claude Opus 4.6, dan GPT-OSS-120b tersedia di paket gratis dan konsumen, tetapi tidak melalui Gemini Enterprise Agent Platform. Jadi, kombinasi model yang diuji coba oleh tim Anda bukanlah kombinasi yang akan Anda dapatkan setelah proses pengadaan selesai.
Lewati saja jika: Anda ingin merasakan respons agen saat mengetik. Agen ini dirancang untuk menangani tugas-tugas secara batch dan kemudian Anda bisa meninggalkannya begitu saja.
Cocok untuk: Tim yang menjalankan pekerjaan latar belakang yang panjang dan berjalan secara paralel, terutama iterasi frontend, di mana agen memeriksa hasil rendernya sendiri dan menghemat siklus peninjauan.
Kursor
Cursor menjaga agen tetap berada di dekat jari Anda. Agen ini membaca posisi kursor Anda dan membuka buffer. Dengan demikian, selisih antara niat dan eksekusi menjadi yang terpendek di antara keempatnya, dan tim VS Code dapat beralih ke agen ini dalam waktu satu sore.
Layanan ini juga menjalankan tugas di luar mesin Anda melalui Cloud Agents, sehingga kritik lama mengenai keterikatan pada editor tidak lagi berlaku. Yang tetap berlaku adalah bahwa produk ini dirancang dengan mengutamakan pengembang yang sedang berada dalam sesi kerja. Mendelegasikan sekelompok agen memang dimungkinkan; hanya saja, hal itu bukanlah tujuan utama dari antarmuka yang ada.
Yang berhasil dengan baik:
- Pengeditan multi-file tanpa diminta ulang: Serahkan tugas yang memakan waktu kepada Composer 2.5, dan alat ini akan menangani pengeditan file serta operasi terminal secara otomatis
- Peninjau pertama sebelum peninjau Anda: Bugbot memberikan komentar pada cabang Anda, sehingga bug yang jelas tidak akan sampai ke antrian peninjau manusia
- Pengaturan batasan di setiap akun: Terapkan mode privasi di seluruh organisasi dan lihat penggunaan per pengembang dari satu tampilan admin
Keterbatasan:
- Dua kursi yang identik bisa memiliki harga yang sangat berbeda: Pilihan model menentukan seberapa cepat seorang pengembang menghabiskan kapasitasnya
- Delegasi membuat Anda kehilangan konteks yang membuatnya cepat: Keunggulan Cursor berasal dari pembacaan buffer yang terbuka dan posisi kursor Anda. Seorang Cloud Agent yang bekerja berdasarkan perintah tertulis tidak memiliki hal tersebut. Artinya, tugas yang sama memerlukan instruksi yang jauh lebih eksplisit.
Lewati bagian ini jika: Kendala utama Anda adalah menjalankan banyak agen di banyak repositori, bukan mempercepat kerja seorang pengembang dalam satu berkas.
Cocok untuk: Pengembang yang menginginkan agen di dalam siklus pengeditan mereka, terutama tim yang sudah menggunakan VS Code sebagai standar.
Claude Code
Claude Code adalah alat yang tepat untuk menangani migrasi yang tak ada yang mau memulai. Ubah nama fungsi yang digunakan di enam puluh tempat, dan alat ini akan melacak rantai panggilan, memperbarui tes, serta mendeteksi dua titik di mana tanda tangan fungsi berubah. Semua ini terjadi tanpa menampilkan tampilan apa pun.
Aplikasi ini dimulai dari terminal dan terintegrasi ke dalam IDE, Slack, web, dan GitHub. Artinya, aplikasi ini dapat beradaptasi dengan lingkungan kerja tim Anda yang sudah ada tanpa menggantikannya. Oleh karena itu, di antara keempat opsi ini, aplikasi ini adalah yang paling mudah diintegrasikan dan yang paling sulit dijelaskan kepada seseorang yang tidak terbiasa menggunakan terminal.
Yang berhasil dengan baik:
- Alur kerja yang dapat Anda jalankan kembali pada kuartal berikutnya: Minta agen tersebut menulis skrip yang mengelola banyak subagen secara paralel
- Agen paralel yang tidak saling bertabrakan: Agent Teams memberikan setiap agen worktree tersendiri, sehingga beberapa agen dapat bekerja pada repositori yang sama tanpa saling menimpa
- Konsistensi di seluruh proses migrasi: Berikan tugas yang mencakup puluhan berkas, dan logikanya tetap konsisten dari awal hingga akhir
Keterbatasan:
- Pekerjaan frontend dilakukan tanpa melihat tampilan: Karena tidak ada yang ditampilkan, memperbaiki antarmuka pengguna berarti menjelaskan apa yang terlihat salah, bukan menunjukkannya. Hal ini menambah satu langkah pada setiap perubahan visual
- Kemampuan bervariasi tergantung penyedia: Akses melalui penyedia cloud tidak menyediakan rangkaian fitur yang sama seperti penyedia langsung. Oleh karena itu, implementasi di tingkat perusahaan perlu dilakukan pemeriksaan kesetaraan terlebih dahulu
Lewati saja jika: Pekerjaan utama Anda adalah iterasi visual, atau orang-orang yang paling membutuhkan agen ini lebih memilih tidak membuka terminal.
Cocok untuk: Insinyur senior yang melakukan refaktorisasi dan migrasi kompleks, di mana kualitas penalaran menentukan hasilnya.
GitHub Copilot
GitHub Copilot bersaing berdasarkan penempatan, bukan kemampuan mentah. Agennya bekerja di dalam pull request, isu, dan tindakan Anda. Hasilnya muncul di antrean yang sudah dibuka oleh tim Anda setiap pagi.
Penempatan tersebut juga mengatasi masalah tata kelola yang dibiarkan terbuka oleh ketiga metode lainnya. Pekerjaan agen melewati perlindungan cabang, tinjauan yang diwajibkan, dan CODEOWNERS. Artinya, sistem pengendalian yang telah Anda konfigurasi selama bertahun-tahun tetap berfungsi tanpa perlu kebijakan baru sama sekali.
Yang berhasil dengan baik:
- Pull request yang sesungguhnya, bukan tambalan sembarangan: Tetapkan sebuah masalah, dan agen cloud akan membuka pull request dengan perlindungan yang sama seperti yang diterapkan pada cabang yang dikelola oleh manusia
- Agen dari vendor lain dalam alur yang sama: Alihkan tugas ke Claude Code atau Codex dari dalam Copilot tanpa perlu keluar dari GitHub
- Tinjauan awal pada setiap perubahan: Biarkan alat ini menangani masalah gaya dan cacat yang jelas sehingga peninjau dapat fokus pada keputusan desain
Keterbatasan:
- Keunggulan ini hilang di luar GitHub: Jika tinjauan dilakukan di GitLab atau CI Anda berada di tempat lain, Anda hanya bisa membandingkan kemampuan agen mentah seperti halnya alat lainnya
- Tugas harus dirumuskan sebagai isu terlebih dahulu: Agen ini bekerja berdasarkan isu yang cakupannya telah ditentukan dengan jelas dan menghasilkan diff. Oleh karena itu, pekerjaan eksploratif memerlukan campur tangan manusia untuk mendefinisikan hasil yang diharapkan sebelum dapat dimulai
Lewati bagian ini jika: Anda menginginkan agen yang memiliki kendali lokal yang luas atas terminal, browser, dan sistem berkas Anda.
Cocok untuk: Tim yang proses peninjauannya sudah sepenuhnya berjalan di GitHub dan ingin AI terintegrasi ke dalam alur tersebut, bukan hanya berjalan secara terpisah.
Cara Memulai Menggunakan Google Antigravity
Proses penyiapan terdiri dari enam langkah: pilih permukaan kerja Anda, instal dan sinkronkan, hubungkan ruang kerja Anda, atur model agen, aktifkan Browser Agent, dan tetapkan tugas pertama berisiko rendah. Paket Individual gratis dan mencakup semua fitur, sehingga Anda dapat menjalankan agen sungguhan sebelum ada yang menandatangani pesanan pembelian. Berikut urutannya.
- Pilih platform Anda: Pilih Antigravity 2.0 untuk orkestrasi agen secara paralel, CLI untuk alur kerja tanpa antarmuka grafis dan melalui terminal, atau IDE jika pengembang Anda ingin tetap berada di dalam editor. SDK ini digunakan untuk membangun agen kustom
- Instal dan sinkronkan: Unduh dari antigravity.google di macOS, Linux, atau Windows. Pindahkan pengaturan VS Code atau Cursor yang sudah ada untuk transisi yang mulus
- Hubungkan ruang kerja Anda: Buka folder proyek lokal dan berikan waktu beberapa menit kepada agen untuk mengindeks repositori agar ia memahami logika dan struktur proyek Anda
- Tentukan model agen Anda: Mulailah dengan Gemini 3.5 Flash untuk kecepatan dalam pekerjaan rutin. Beralihlah ke Gemini 3.1 Pro untuk tugas penalaran yang lebih berat, seperti refaktorisasi multi-file.
- Aktifkan Browser Agent: Jalankan tugas sederhana untuk memicu pemasangan ekstensi Chrome sekali saja yang akan membuka fitur umpan balik visual
- Berikan tugas berisiko rendah: Mulailah dengan berkas README untuk satu modul atau uji unit untuk satu fungsi, bukan layanan penagihan Anda
Bagaimana Cara Mendapatkan Hasil yang Andal dari Google Antigravity?
Hasil yang andal bergantung pada lima praktik untuk adopsi AI yang sukses: perintah yang jelas, izin yang telah dikonfigurasi sebelumnya, tinjauan artefak sebelum penggabungan, tugas awal berisiko rendah, dan pelacakan iterasi. Jika salah satu diabaikan, hasil agen akan menurun tanpa pemberitahuan. Berikut panduan lengkapnya.
- Tulis perintah yang jelas dan lengkap: Berikan konteks basis kode, format keluaran, dan batasan apa pun kepada agen. Instruksi yang tidak jelas akan menghasilkan hasil yang tidak jelas
- Konfigurasikan izin sebelum memberikan otonomi: Kelompokkan setiap tindakan sensitif ke dalam tiga daftar izin Antigravity. Perintah yang berpotensi merusak dimasukkan ke dalam daftar "Deny", akses kredensial dan produksi ke dalam daftar "Ask", sedangkan daftar "Allow" hanya mencakup panggilan rutin seperti membaca berkas repositori atau menjalankan pengujian
- Periksa artefak sebelum melakukan penggabungan: Perlakukan kode yang dihasilkan agen seperti permintaan pull dari pengembang junior. Jalankan kode tersebut berdasarkan daftar periksa tinjauan kode agar manusia memvalidasi logikanya, bukan hanya perbedaannya
- Mulailah dengan tugas-tugas berisiko rendah: Serahkan dokumentasi, uji unit untuk kode yang sudah ada, dan analisis basis kode terlebih dahulu. Tugas-tugas tersebut dapat membangun kepercayaan tanpa risiko paparan, dan layanan penagihan Anda bukanlah kandidat yang tepat untuk hari pertama
- Pantau dan lakukan iterasi: Lacak prompt mana yang berhasil, tugas mana yang terus gagal diselesaikan oleh agen, dan di mana intervensi manusia paling sering terjadi. Titik-titik intervensi tersebut memberi tahu Anda apa yang perlu diperbaiki selanjutnya, baik itu prompt, aturan izin, maupun tugas itu sendiri
Kiat Pro: Tentukan daftar izin Anda sebelum menjalankan tugas, bukan saat sedang berjalan. Izin yang disetujui di tengah tugas akan disetujui secara refleks, karena begitu agen berhenti pada prompt keempat, Anda akan mengklik "Izinkan" hanya agar prosesnya terus berjalan. Logika yang sama berlaku untuk rencana: periksa rencana tersebut untuk mencari asumsi yang salah, bukan bug, karena premis yang salah akan menghasilkan kode yang berfungsi sempurna namun memecahkan masalah yang salah, dan perbandingan kode (diff) akan terlihat konsisten secara internal.
Cara Mengatasi Keterbatasan Google Antigravity
Antigravity memiliki lima batasan yang perlu diperhatikan dalam perencanaan: hasil yang "meyakinkan namun salah", batas kuota mingguan, latensi asinkron saja, kesetaraan fitur yang tidak merata di berbagai platform, serta pertanyaan kepatuhan yang belum terselesaikan terkait kode sensitif. Memahami hal-hal ini sejak awal akan menjaga ekspektasi tetap realistis dan mencegah kejutan di tengah proyek.
- Verifikasi setiap perubahan yang ditulis oleh agen: Bersiaplah menghadapi kode yang salah, persyaratan yang salah dipahami, dan kesalahan yang terdengar meyakinkan. Pada dasarnya, agen ini masih didukung oleh model bahasa besar (LLM). Perlakukan hasilnya sebagai draf sampai telah diuji
- Anggarkan sesuai batas kuota: Rencanakan batas penggunaan mingguan yang akan memblokir akses Anda hingga periode tersebut berakhir. Perlu diperhatikan juga bahwa kapasitas tambahan berasal dari kredit AI yang dijual terpisah kepada pelanggan Pro dan Ultra. Google tidak mempublikasikan berapa banyak pekerjaan agen yang dapat dibeli dengan satu kredit, sehingga perkiraan biaya per pengembang masih bersifat perkiraan belaka
- Rancang untuk pekerjaan asinkron, bukan pemrograman berpasangan: Antre agen di latar belakang dan kerjakan tugas secara batch, alih-alih mengharapkan respons real-time saat Anda mengkodekan bersama mereka
- Periksa kesetaraan fitur di berbagai platform: Bandingkan aplikasi desktop, CLI, IDE, dan SDK sebelum menetapkan satu platform sebagai standar untuk tim Anda. Hal ini penting karena tidak semua platform tersebut menyediakan kemampuan yang sama
- Lakukan audit kepatuhan sebelum mengintegrasikan kode sensitif: Evaluasi apakah Antigravity memenuhi persyaratan keamanan dan privasi data organisasi Anda sebelum menggunakannya pada repositori milik perusahaan.
Cara Mengatur Agen Antigravity di ClickUp
Mesin izin Antigravity membatasi apa yang dapat dilakukan oleh agen selama proses berjalan. Mesin ini tidak mengelola apa yang terjadi pada hasil keluaran setelahnya: siapa yang meninjaunya, berapa lama waktu yang dibutuhkan untuk persetujuan, atau apakah ada yang mendeteksi asumsi yang salah sebelum hasil tersebut dirilis. Itu adalah masalah koordinasi tim, dan platform agen tidak menyelesaikan masalah koordinasi tim.
ClickUp berfungsi di kedua ujung proses. Codegen mengambil konteks lengkap seputar suatu tugas (deskripsi, kriteria penerimaan, spesifikasi yang tertaut, riwayat komentar) dan menyampaikannya ke agen sebelum eksekusi dimulai. Ini merupakan masukan yang berbeda dari prompt yang diketik di terminal. Hasilnya dikembalikan sebagai pull request (PR) yang tertaut dengan status, penanggung jawab, dan tanggal jatuh tempo yang sudah terisi.
Untuk rencana yang dibuat di luar ClickUp, tempelkan salah satunya ke dalam deskripsi tugas, dan ClickUp Brain akan menganalisisnya berdasarkan data sprint real-time: konflik apa yang terjadi minggu ini, patch agen mana yang dibatalkan bulan ini dan apa yang mereka miliki bersama, serta di mana subtugas tinjauan harus ditempatkan.
Brain juga menjalankan Claude, GPT, dan Gemini melalui satu langganan. Anda dapat memilih model yang tepat untuk tugas tersebut.
Selang waktu semalam adalah tantangan yang lebih berat. Fitur Tugas Terjadwal Antigravity akan mengirimkan patch terlepas dari apakah antrian Anda sudah kosong atau belum. Super Agents di ClickUp memeriksa setiap rencana yang masuk berdasarkan cakupan sprint, mengurutkannya berdasarkan risiko, dan menugaskan item berisiko tinggi kepada peninjau paling berpengalaman Anda. Segala hal yang belum ditinjau setelah 24 jam akan ditingkatkan prioritasnya. Anda akan membuka antrian yang telah diprioritaskan di pagi hari dengan alasan yang terlampir.
Mariah Wilcox, Kepala Staf CBO & CMO di Seismic, membahas tentang agen-agen di ClickUp:
Proses penerimaan permintaan pemasaran kami dulu sering kali diwarnai dengan bolak-balik yang tak berujung antara pengirim dan produser, serta terhenti setiap kali ada yang sedang tidak di kantor. Kini, seorang agen di ClickUp meninjau setiap permintaan, mengumpulkan persyaratan, dan memastikan ketersediaan sumber daya sebelum menyerahkan tugas. Tim kreatif kami langsung mulai bekerja, fokus pada pengembangan, bukan mengejar formulir permintaan. Agen-agen ini tidak mengambil cuti!
Proses penerimaan permintaan pemasaran kami dulu sering kali diwarnai dengan bolak-balik yang tak berujung antara pengirim dan produser, dan sering terhenti setiap kali ada yang sedang tidak di kantor. Kini, seorang agen di ClickUp meninjau setiap permintaan, mengumpulkan persyaratan, dan memastikan ketersediaan sumber daya sebelum menyerahkan tugas. Tim kreatif kami langsung mulai bekerja, fokus pada pengembangan, bukan mengejar formulir permintaan. Agen-agen ini tidak mengambil cuti!
Hal-hal yang efektif dalam mengelola hasil kerja agen secara khusus:
- Setiap patch yang dikirimkan agen akan masuk ke alur tinjauan Anda secara otomatis: Saat seorang agen membuka pull request, ClickUp Automations akan terpicu melalui integrasi GitHub. Hal ini akan membuat tugas di Daftar Output agen Anda dengan tautan ke pull request tersebut, status ditetapkan ke "Rencanakan Tinjauan", dan tanggal jatuh tempo diterapkan. Automations yang sama akan mencegah status berubah menjadi "Disetujui" kecuali kolom peninjau telah diisi
- Anda dapat melacak dengan tepat siapa yang menyetujui apa dan mengapa: Simpan rencana implementasi di Docs, tautkan ke tugas, dan tandai sebagai wiki. Riwayat versi mencatat setiap pengeditan; komentar peninjau dan cap waktu status tetap tercatat di tugas tersebut
- Masalah kapasitas dan kualitas terdeteksi sebelum dilaporkan oleh siapa pun: Pantau waktu rata-rata dalam status untuk "Plan Review" dan "Code Review" pada kartu ClickUp Dashboards. Kartu yang menunjukkan tugas-tugas yang mundur menandakan masalah kualitas. Ketika angka pertama naik sementara throughput tetap stabil, Anda menghadapi masalah kapasitas. Ketika angka kedua naik, Anda menghadapi masalah kualitas.
Keterbatasan yang perlu diperhatikan: ClickUp mengelola lapisan koordinasi terkait hasil kerja agen. Khusus untuk eksekusi Antigravity, titik koneksinya adalah integrasi GitHub, sehingga tim yang agennya membuka PR akan mendapatkannya secara otomatis; pengguna lain harus membuat tugas atau menghubungkan webhook.
Siapa yang cocok menggunakannya: Tim yang menjalankan beberapa agen secara paralel, di mana pertanyaannya telah bergeser dari ‘apakah agen dapat melakukan pekerjaan ini’ menjadi ‘apakah kita mampu terus memverifikasinya’. Seorang pengembang yang menjalankan dua agen untuk proyek sampingan tidak memerlukan ini. Pengelola agen Antigravity sudah cukup.
Lihat bagaimana alur kerja agen bergerak dari pemicu hingga hasil yang telah ditinjau di dalam ClickUp:
Sederhanakan Alur Kerja Pengembangan AI Anda dengan ClickUp
Kasus penggunaan Google Antigravity menawarkan jalan yang jelas untuk mengurangi beban kerja manual melalui perbaikan bug otomatis dan pembuatan prototipe yang cepat. Namun, kesuksesan Anda tidak hanya bergantung pada teknologi saja. Anda memerlukan petunjuk yang jelas, batasan yang tegas, dan pengawasan manusia yang konsisten untuk menjaga stabilitas basis kode Anda.
Anda mungkin menghabiskan terlalu banyak waktu untuk berpindah-pindah konteks. Meskipun platform berbasis agen menawarkan solusi, platform tersebut hanya berfungsi jika dipadukan dengan manajemen alur kerja yang solid. Penting untuk mempelajari cara membuat agen AI bekerja lebih cepat sehingga Anda akhirnya dapat meluangkan waktu untuk pekerjaan kreatif.
Jika Anda siap untuk mengintegrasikan pengembangan AI dan manajemen proyek Anda ke dalam satu platform, mulailah menggunakan ClickUp secara gratis. Lihat sendiri bagaimana ruang kerja terintegrasi ini menghilangkan tumpukan alat yang berlebihan dan memastikan peta jalan proyek Anda tetap berjalan lancar.
Pertanyaan yang Sering Diajukan tentang Kasus Penggunaan Google Antigravity
Apa saja yang berubah di Antigravity 2.0?
Antigravity 2.0 menghadirkan aplikasi desktop yang didesain ulang, antarmuka baris perintah, dan SDK untuk alur kerja agen kustom. Aplikasi desktop ini memungkinkan Anda mengelola beberapa agen sekaligus, merancang alur kerja subagen kustom, serta menjadwalkan tugas untuk dijalankan di latar belakang, dengan integrasi untuk Google AI Studio, Android, dan Firebase. Hal ini menandai pergeseran dari satu IDE menuju platform pengelolaan agen yang lebih luas.
Untuk apa saja Anda dapat menggunakan Google Antigravity selain untuk menulis kode?
Google secara eksplisit mendokumentasikan alur kerja bagi non-pengembang, termasuk riset kompetitif dan web, dokumentasi, serta pekerjaan ilmiah. Agen-agennya menguasai lebih dari 20 basis data ilmiah utama, termasuk AlphaFold Database, UniProt, PubChem, dan ChEMBL, serta model-model terdepan seperti AlphaGenome. Codelab CLI milik Google sendiri membagi latihan-latihannya menjadi tugas-tugas untuk pengembang dan non-pengembang.
Mengapa Antigravity mengatakan bahwa saya telah mencapai kuota, dan bagaimana cara mendapatkan kuota tambahan?
Antigravity menerapkan kuota dasar dan batas penggunaan mingguan. Kuota dasar diperbarui setiap lima jam pada paket Google AI Pro dan Ultra; jika mencapai batas mingguan, model akan terkunci hingga periode tersebut berakhir. Pelanggan paket Pro dan Ultra dapat membeli kredit AI untuk penggunaan melebihi kuota, dengan harga $25 untuk 2.500 kredit. Google tidak mempublikasikan berapa banyak pekerjaan agen yang dapat dibeli dengan satu kredit, sehingga perkiraan per pengembang masih bersifat estimasi.
Apakah tim dan perusahaan dapat menggunakan Google Antigravity?
Ya, tim dan perusahaan dapat menggunakan Google Antigravity. Layanan ini tersedia bagi pelanggan Google Cloud melalui Gemini Enterprise Agent Platform, terpisah dari tingkatan langganan Google AI perorangan. Akun perorangan beroperasi berdasarkan syarat dan ketentuan layanan konsumen Google; sementara penerapan untuk tim beroperasi berdasarkan syarat dan ketentuan Google Cloud. Evaluasi layanan ini sesuai dengan persyaratan keamanan dan privasi data Anda sendiri sebelum mengarahkan agen ke repositori milik perusahaan.
Apa perbedaan Antigravity dengan Gemini CLI?
Antigravity CLI telah menggantikan Gemini CLI. Google meluncurkan Antigravity CLI, sebuah antarmuka terminal berbasis Go yang menggunakan kerangka kerja agen Antigravity, dan menghentikan dukungan Gemini CLI untuk pengguna umum. Perbedaan praktisnya: Gemini CLI adalah agen terminal yang lebih ringan dan berorientasi sesi, sedangkan Antigravity CLI menjalankan agen otonom, mengeksekusi perintah shell, dan mengelola subagen latar belakang di bawah mesin izin yang sama dengan aplikasi desktop.