Antigravityがもたらす開発スタイルの変革

• 従来のAIコーディング（人間がコピペ役）
  人間が指示を出し、AIが提示したコードを人間がコピーし、手動でテストを実行してエラーが出たらまたAIに投げる。人間がAIの「手足」として働くため、作業の切り替えコストが常に発生します。
• Antigravityのコーディング（AIが自律行動し、人間は指揮・レビュー役）
  人間は「〇〇のバグを修正して」とゴールを指示するだけ。エージェント自身が自律的にファイルを調査し、計画を立て、修正し、テストを実行してデバッグを行います。人間は計画の確認と、危険なアクションの承認（ワンクリック）のみを行います。

【Before】安全対策がない場合（野良AIエージェントの暴走）

エージェントに直接シェルコマンドの実行権限やファイル編集権限を渡している場合、以下のような重大なリスクが生じます。

• 意図しない過剰なアクセス（暴走）： AIエージェントがバグを直そうとする過程で、関係のない基幹設定ファイル（例：データベース接続情報）を誤って上書きしてしまい、システム全体が起動しなくなる。
• セキュリティインシデント： モデルがプロンプトインジェクション攻撃を受けたり、推論エラーを起こしたりして、サーバー上の重要な機密データファイルを外部へ送信するコマンドを実行してしまう。
• 無限ループと課金爆発： テストスクリプトの実行コマンドをAIが自律的にループさせてしまい、クラウドのCPU使用率やAPI利用料金が数時間で天文学的な金額に達してしまう。

【After】安全対策がある場合（「安全な専用ルーム」と「承認ゲート」）

エージェントの全アクションが安全機能によって制御されることで、すべてのリスクが完全に排除されます。

• OSレベルでのプロセス隔離（Sandbox）： Linuxの nsjail、macOSの sandbox-exec、Windowsの AppContainer といったOSネイティブのセキュリティ壁を使い、AIの活動領域を実験用の隔離スペース（専用ルーム）に閉じ込めます。グローバル設定ファイル（~/.gemini/antigravity-cli/settings.json）に "enableTerminalSandbox": true を指定することで有効になり、本番システムやOS全体への影響を物理的に防ぎます。
• 人間が介入する「レビュー境界」（Permissions）： エージェントがファイルを書き換えたり、コマンドを実行しようとしたりする際、画面上に確認ポップアップが立ち上がり、処理が一時停止します。人間が確認して「Approve」ボタンを押すまでは、実際のシステムやコードに一切の変更は加えられません。
• 一時的なオーバーライドの可視化： デバッグなどの目的で agy --sandbox=false を使用して一時的に安全設定をオフにする場合、CLIの設定画面に警告インジケータが表示され、チーム内の安全ポリシー遵守状況を可視化します。

PermissionsとSandboxがあることで、具体的に何ができるようになるか？

• 危険なコマンドや破壊的操作の物理的遮断： AIエージェントがバグを追いかける過程で誤って rm -rf や無関係なファイルの削除を試みても、サンドボックス環境の壁によりOS全体への破壊活動は自動ブロックされます。
• 人間の意思決定に基づく承認ゲート： エージェントがコードの書き換えやテストコマンドを実行しようとした瞬間に画面上で一時停止。人間が承認するまで実際のコード変更やコマンド実行は保留され、セキュリティを確実に確保します。
• セキュリティ侵害や情報流出の防止： プロンプトインジェクション等によってAIが攻撃者の命令に従い、ローカルの機密ファイルを外部のサーバーへ送信しようとした場合でも、外部通信の許可制限により被害を未然に100%防止できます。

サブエージェントたちの分業体制の例

1. メインエージェント（指揮官）:
   人間から「ユーザー管理APIの例外エラーを直して」というゴールを受け取ります。タスクを「リサーチ」「実装」「検証」の3つに分解し、子エージェントたちを順次起動します。
2. リサーチ担当サブエージェント（調査員）:
   共有されたワークスペースから関連するエラーログとAPIの定義ファイルだけを読み込み、原因箇所を特定します。無関係なUIのコードなどは読み込まないため、非常に高精度に原因を突き止め、指揮官に「バリデーション関数に境界値チェックが漏れています」と報告します。
3. 実装担当サブエージェント（プログラマー）:
   指示を受けて、該当のバリデーション関数のみを修正します。この際、作業用ブランチが一時的にクローンされた隔離環境（ブランチ分離モード）で安全にコードを編集します。
4. テスト担当サブエージェント（テスター）:
   修正されたコードに対してテストコードを追加し、前述のPermissionsゲートを介して人間にテスト実行の承認を求めながら npm test を走らせ、無事にパスしたことを確認します。

Subagents（サブエージェント）があることで、具体的に何ができるようになるか？

• 巨大なプロジェクトの分業・非同期並行処理： 複数のサブエージェントが裏で同時にリサーチやテストを行うため、エンジニアはAIの処理完了を待つ必要がありません。タスク全体の処理ステータスやログは、/agents コマンドで「Agent Manager Panel」を開くことで一覧確認・制御できます。
• 不要な情報の遮断による精度向上： 各サブエージェントには、必要なファイルやログだけが個別に共有されます。無関係なコードを一切読み込まないため、ハルシネーション（記憶の混乱）を最小限に抑えて極めて正確な結果を導き出します。
• 隔離ブランチでの安全な同時並行開発： 複数のサブエージェントが、それぞれ個別のサンドボックス（別ブランチ）で作業を並行して進めることができるため、お互いの変更が競合してコードが壊れるのを防ぎます。

① 開発リードタイム（Time to Market）の圧倒的短縮

エンジニアが「AIに指示を出す ➔ テストを手動で実行する ➔ エラーをコピーしてAIに戻す」という作業のループから完全に解放されます。エージェント自身が裏でバグを自律デバッグし、動作確認済みの成果物を上げてくるため、開発スピードの体感的な向上が期待できます（向上幅はプロジェクトの規模やレビュー体制によって変動するため、導入時には自社環境での検証を推奨します）。

② セキュリティインシデントに伴う「見えないコスト」の削減

AIによる重要ファイルの誤削除や、外部へのデータ流出、過剰なループ実行によるクラウド請求の爆発といったトラブルを、Permissionsによる「インフラレベルの檻」と「安全な専用ルーム」で完全に防御します。社会的信用の失墜や復旧人件費などの巨大なリスクコストを未然に防ぎます。

③ シニアエンジニアの「本質的設計・意思決定」への集中

バグの調査、定型的なテストコードの作成、修正コードの実装といった「作業」をサブエージェントのチームに任せることで、人間のシニアエンジニアは「AIが提示した設計計画（Plan）のレビュー」や「全体のシステムアーキテクチャの設計」といった最も付加価値の高い意思決定に専念できます。