Google Antigravity laat agents samenwerken via Python-script
3 min. leestijd

Google Antigravity laat agents samenwerken via Python-script

Google heeft zijn codeeromgeving Antigravity uitgebreid met Dynamic Workflows. Met de opdracht /run-workflow schrijft de AI-agent een kort Python-script waarmee een hele groep agents wordt aangestuurd, die tegelijk of na elkaar aan delen van een klus werken. De functie verscheen op 13 november en is te gebruiken met een abonnement op Google AI Pro of Google AI Ultra, zowel in de Antigravity-app als in de CLI.

Een script als regisseur

Volgens de documentatie van Antigravity verloopt een workflow in vier stappen. De agent leest een ingebouwde skill en schrijft daarmee een Python-script voor de taak. De gebruiker keurt dat script goed of vraagt om aanpassingen. Vervolgens draait het op de achtergrond terwijl het gesprek gewoon doorgaat. Is het klaar, dan leest de hoofdagent de logboeken en vat hij de uitkomst samen.

In het script staan bouwstenen als parallel(), waarmee agents tegelijk werken, en pipeline(), waarmee ze een reeks stappen afwerken. Per agent kan de ontwikkelaar een model kiezen (flash_lite, flash of pro) en eventueel een eigen Git-worktree toewijzen, zodat agents elkaars bestanden niet overschrijven. Een geslaagd script kan als .py-bestand in het project blijven staan, zodat je het later opnieuw kunt draaien.

Twee programmeurs overleggen bij een beeldscherm met code

Elke agent werkt in een eigen gesprek

Een agent die door een workflow wordt gestart, ziet het script niet en weet niets van de andere agents. Alles wat hij nodig heeft, moet in zijn opdracht staan. Zijn resultaat levert hij aan in een vast JSON-formaat. AlphaSignal wijst erop dat de bestanden en testuitvoer van die agents zo buiten het contextvenster van het hoofdgesprek blijven. Een aparte prijs is er niet: workflows gebruiken het tegoed dat al bij het abonnement hoort.

Google noemt in de documentatie concrete voorbeelden. Zo kan elk gewijzigd bestand tegelijk worden gecontroleerd op onafgevangen fouten, met een sneller model. Een ander voorbeeld is een vaste reviewer die bugs opsomt, waarna per bug een aparte agent een oplossing maakt en de reviewer die achteraf controleert. Er is wel een nadeel: faalt een van de parallelle onderdelen, dan stopt de rest ook.

Naast Orchestrator en swarm

Dynamic Workflows komen een dag na de Orchestrator, die Google samen met Gemini 4 Hydrogen introduceerde en die binnen een taak tussen modellen wisselt. Antigravity heeft daarnaast al /swarm, waarbij agents via een gedeeld berichtenbord overleggen. Google raadt workflows aan voor klussen die in veel losse stukken of vaste stappen uiteenvallen. Voor taken waarbij agents met elkaar moeten onderhandelen, is swarm weer beter geschikt.

De concurrentie zit niet stil. OpenAI liet GPT-6 Pro in ChatGPT taken verdelen over parallelle agents en Meta kocht Conductor, een start-up die parallelle codeeragents bouwt. Antigravity zelf kreeg eerder al Claude Opus 5.5 en Sonnet 5.5 als keuzemodel.

Wat betekent dit

Voor ontwikkelaars verandert vooral de controle. In plaats van één lang gesprek met een agent, dat halverwege de draad kwijt kan raken, ligt de volgorde van het werk vast in code die je vooraf kunt lezen en goedkeuren. Zo worden grote klussen, zoals een codebase doorlichten of een reeks bugs oplossen, beter herhaalbaar. Hoeveel tegoed zo’n vloot aan agents opslokt, staat niet in de documentatie. Dat moeten gebruikers voorlopig zelf in de gaten houden.