2026年8月3日

Google AI開発プラットフォーム「Antigravity」がもたらす開発革新（第1部）

Popular tags

Content

生成AIによるコード生成や自動バグ修正といった技術が急速に進化する中で、「AIにコーディングをどこまで任せてよいのか」というテーマは、多くのシステム開発責任者やプロジェクトマネージャー、セキュリティ管理者にとって頭の痛い問題ではないでしょうか。

「チャットツールが提示したコードをいちいち手動でエディタにコピペして、手動でコマンドを叩いてビルドを確認するのは正直面倒。もっと自動化したい」「しかし、AIエージェントに直接自社のソースコードを編集させたり、開発サーバー上で勝手にコマンドを実行させたりするのは、セキュリティや品質管理の面から怖くて許可できない」

このような葛藤は、エンタープライズ開発の現場では極めて現実的です。自律的に動くAIエージェントの圧倒的な便利さは理解しつつも、万が一の暴走（予期せぬファイルの破壊、無限ループによるサーバーのクラッシュ、意図しない外部へのデータ送信など）を考えると、本番プロジェクトへの導入に二の足を踏んでしまうのも無理はありません。

この「自律実行による圧倒的な生産性向上」と「セキュリティ・統制の確保」という、一見矛盾する2つの課題をインフラレベルで解決し、人間とAIエージェントが真に伴走できる開発環境を提供するプラットフォームこそが、Googleが開発する「Antigravity（アンチグラビティ）」です。

本連載の第1部となる本記事では、Antigravityの基本概念を整理した上で、自律と安全を両立する「権限モデル（Permissions）」の設計思想、および複雑な課題をチームで解決する「サブエージェント（Subagents）の協調機構」について、具体的なビジネスユースケースを交えながら解説します。小難しい設定手順ではなく、「なぜこれが開発現場に必要なのか」「何が解決するのか」という本質に焦点を当てて見ていきましょう。

Antigravityとは？ AIと人間が「ひとつのチーム」になる次世代開発プラットフォーム

Antigravity（アンチグラビティ）とは、AIエージェントが人間と同じワークスペースを共有し、ファイルの閲覧・編集、シェルコマンドの実行などを安全に自律遂行できる、エージェント指向の次世代開発・実行プラットフォームです。

【徹底対比】従来のCLI/IDE（+AIアシスタント）と「Antigravity」の決定的な違い

開発現場では、これまでコマンド操作のための「CLI」や、エディタを中心とした「IDE（VS Codeなど）」が使われてきました。近年はIDEにAIアシスタントプラグインを導入することも増えましたが、これらとAntigravityは何が違うのでしょうか。それぞれの役割を比較したのが以下の表です。

項目	CLI (ターミナルなど)	IDE + AIプラグイン	Antigravity (GUI/CLI)
主たる行動主体	人間（手動でコマンドを入力）	人間（手動でコード記述、AIは提案のみ）	AIエージェント（自律的に行動）
ワークスペース制御	なし（OSに直接命令）	人間がファイルやタブを管理	AIと人間が共有（ブランチ等の自動制御）
セキュリティ統制	OSのパーミッション依存	なし（警告の提示のみ）	Permissions & サンドボックスによる防御
協調開発プロセス	なし（手動で逐次実行）	一問一答（コピペと手動テストのループ）	Plan/Walkthroughの合意形成サイクル

CLIやIDEは、あくまで「人間が手足を動かし、ツールが受動的に命令を実行する」ためのものでした。AIプラグインを搭載した最新のIDEであっても、AIが提示したコードを最終的にファイルに適用し、テストコマンドを実行するのは人間です。
これに対し、Antigravityは「AIが主体となって自律的に思考し、コードを書き、テストを走らせるための統合エージェント実行プラットフォーム」です。人間は操作員（オペレーター）ではなく、AIの行動方針をチェックし、危険なアクションを許可するかどうかを判断するレビュアーの役割へとシフトします。
従来の「一問一答」の開発支援をはるかに超え、開発プロセス全体の自律化を安全に行えるインフラが用意されている点こそが、CLIやIDEとの決定的な違いです。
Antigravityはこのプロセスを根本から変革します。

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。

Antigravityのプラットフォーム上で動作するAIエージェントは、与えられたゴールに向けて、自身で「調査 ➔ 計画 ➔ 実行 ➔ 報告」のライフサイクルを自律的に繰り返します。あたかも「有能なアシスタントエンジニア」を一人雇ったかのように開発を進めることができるのが特徴です。

自律と安全を両立する「Permissions（権限モデル）」と「サンドボックス」の設計思想

AIエージェントが自律的にファイルを書き換えたり、コマンドを実行したりできると聞いて、開発責任者が最も懸念するのは「意図しない変更や破壊的コマンドの実行」でしょう。

「開発プロジェクトの中に、AIに勝手に書き換えられては困る基幹ロジックのファイルがある」
「AIがバグって rm -rf / のようなシステム全体を破壊するコマンドを実行してしまったら取り返しがつかない」

こうした恐怖を物理的・システム的にシャットアウトするのが、Antigravityの強力なPermissions（権限管理モデル）およびSandbox（隔離環境）です。

Antigravityの安全対策は、AIエージェントのアクションそのものをOSレベルで隔離された「安全な専用ルーム（Sandbox）」に閉じ込めつつ、ファイル書き込みやコマンド実行に対して人間の明示的な承認ゲートを設ける多重防御システムです。

これを現実のシステム開発に当てはめると、どのような違いが生まれるでしょうか。ここでは、あるWeb開発プロジェクトのシナリオを用いて、BeforeとAfterを対比してみましょう。

【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。

複雑な課題をチームで解決する「Subagents（サブエージェント）」の協調機構

どれほど高性能なLLMであっても、数万行に及ぶ大規模なプロジェクト全体を一人のエージェント（シングルコンテキスト）で管理しようとすると、すぐに破綻してしまいます。トークン数の制限による情報の忘却や、関連のないコードの読み込みによるノイズの増加が原因で、回答の精度が著しく低下するためです。

現実の開発現場でも、一人のスーパープログラマーに設計からテスト、ドキュメント作成まですべてを任せるのではなく、役割を分担してチームで進めますね。Antigravityは、この「チーム開発」の仕組みをAI同士で再現するSubagents（サブエージェント）機能を備えています。

サブエージェント機能とは、メインエージェントが複雑なタスクを細かい専門領域に分解し、それぞれに特化した「子エージェント」を動的に定義・起動して処理を委任し、その結果を取りまとめるマルチエージェント協調システムです。

この役割分担の効果を、具体的なバグ修正シナリオでイメージしてみましょう。

サブエージェントたちの分業体制の例

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。
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。
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。
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。

このマルチエージェント体制がもたらす最大の強みは、「各AIが、自分が処理すべき最小限のコードだけを見て作業できるため、エラー率が劇的に下がる」という点にあります。さらに、Antigravity CLIではこのエージェントたちの処理はすべて非同期に行われるため、AIがバックグラウンドでテストを走らせている間も、エンジニアの入力画面はフリーズせず（ブロッキングされず）、次の指示や質問（`/btw <質問内容>` コマンドなどのついで質問）を出し続けることができます。

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。

Antigravityがもたらす圧倒的な「ビジネス価値」

Antigravityを開発プロジェクトに導入することは、単にエンジニアの作業が楽になるだけではありません。企業の意思決定者にとっても極めて魅力的な3つのビジネスメリットをもたらします。

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。

まとめ

本記事（第1部）では、人間とAIが「安全かつ自律的」に伴走する次世代プラットフォーム「Antigravity」の基本コンセプトと、それを支える「Permissions」「Subagents」の仕組みについて解説しました。

Antigravityは、AIエージェントが自律的に動き、人間がレビューと承認に専念する新しい開発環境を提供する、インストール後すぐに使えるGUI/CLIアプリである。
Permissions & Sandboxは、危険なコマンド実行やファイル操作をOSレベルの専用ルームに閉じ込め、人間の承認境界でブロックし、安全性を担保する。
Subagentsは、巨大な開発タスクを細分化し、専門のAIたちが役割分担して非同期・並行で解決する仕組みである。

安全な「檻（Sandbox）」の中で、専門のAIたち（Subagents）が自律的に動き回り、人間は司令塔（レビュアー）として意思決定を行う。この新しい開発の形こそが、Antigravityの提案する未来です。

続く第2部では、このAIとの連携において最も重要となる「実装計画書（Plan）とウォークスルー」を用いた具体的な合意形成のフロー、そしてエージェントを自社専用にチューニングする「MCP（Model Context Protocol）接続」や「カスタムスキル」の概念について詳しく見ていきましょう。