Cómo crear agentes personalizados con Antigravity SDK

El Antigravity SDK es el componente de Google que te permite construir agentes personalizados e integrarlos directamente en tu código fuente, sin perder las capacidades del entorno Antigravity. Si eres desarrollador y quieres modificar el comportamiento de un agente a nivel de prompt dentro de tus propios microservicios, esta es la herramienta que necesitas.

Hasta ahora habíamos trabajado con los componentes propios de Google: el IDE, Antigravity 2.0 y la CLI. Todos usan su propio harness, y ahí está el problema: crear agentes altamente customizables no encaja del todo bien en ese tipo de estructura. El SDK resuelve justamente eso.

Qué es el Antigravity SDK y por qué importa

El SDK te da la libertad de construir agentes tal como son a nivel de prompting, pero llevándolos directo a tu source code. En lugar de quedarte dentro del IDE, puedes incrustar la lógica del agente en tus servicios y controlarla desde Python.

¿Qué es el Antigravity SDK? Es un componente de Google que permite crear agentes personalizados a nivel de prompt e integrarlos directamente en tu código fuente en Python, manteniendo las capacidades del ecosistema Antigravity.

Y aquí viene lo interesante: aunque es una herramienta bastante nueva, abre la puerta a construir subagentes, análisis de código, llamadas a herramientas externas e incluso pools de agentes que se comunican entre sí.

Cómo instalar el SDK paso a paso

La instalación es sencilla y directa. Estos son los pasos que sigues [00:40]:

1. Entra a la página oficial en antigravity.google.
2. Abre el menú de productos y selecciona la última opción, Antigravity SDK.
3. Copia el comando de pip que aparece en la documentación.
4. Abre una terminal en el IDE desde Terminal y luego New Terminal.
5. Ejecuta el comando (en algunos casos necesitarás usar pip 3) y espera a que termine.

Una vez instalado, ya puedes empezar a construir tu primer agente dentro de un archivo Python.

Cómo se estructura el código de un agente

El siguiente paso es crear un archivo separado de las carpetas de tus microservicios [01:20]. En el ejemplo se llama contractvalidator.py, y su función es generar un validador de contratos entre dos microservicios: uno de reports y otro de notifications.

El código tiene una estructura clara y fácil de seguir:

• Se importa os para leer una variable de entorno.
• Se importan los objetos Agent y LocalAgentConfig desde la librería Google Antigravity.
• Se define un string con las instrucciones del agente, que es lo que modifica su comportamiento en el momento en que le enviamos indicaciones específicas.

Esa cadena de instrucciones es el corazón del agente. Ahí defines qué debe hacer y cómo debe responder, sin tener que repetir especificaciones en cada prompt.

Cómo obtener y configurar la API key de Gemini

Para ejecutar este componente necesitas una API de Gemini. El camino más rápido es entrar a la plataforma Google AI Studio [02:30].

1. Abre el navegador y pega la URL de AI Studio.
2. Si es tu primera vez, acepta los términos y condiciones.
3. En la esquina superior derecha, haz clic en Create API Key.
4. Mantén el proyecto por defecto o selecciona uno de tu Google Cloud Console.
5. Da clic en Create Key y copia el valor.

Con la clave lista, la exportas como variable de entorno desde la terminal con el comando export GEMINI_API_KEY= seguido de tu clave entre comillas dobles [03:20]. El código la recupera desde ahí, así evitas escribirla directo en el archivo.

¿Por qué usar una variable de entorno para la API key? Porque mantiene la clave fuera del código fuente. El agente la lee desde el entorno con os, lo que evita exponerla y facilita cambiarla sin tocar el script.

Cómo se configura y se llama al agente

La configuración es mínima. Solo necesitas la sintaxis del comando y pasarle la API key que ya generaste y que se lee desde las variables de entorno.

Después se hace una llamada asíncrona al agente. En el ejemplo, se le pide comparar transacciones contra los presupuestos que espera consumir, y si detecta un overspend, lo confirma [03:50].

Aquí hay un punto que conviene entender bien: en el estado actual, los microservicios no tienen comunicación directa entre ellos. Para lograr que se comuniquen, Antigravity en su modo manager levanta estos servicios mediante NPM. Por eso, si le pides al agente algo que sabemos que claramente no existe, su respuesta lo reflejará.

Por qué la respuesta puede tardar varios minutos

Al ejecutar el script con Python y presionar Enter, la respuesta no aparece de inmediato. Esto tiene una explicación técnica [04:40].

• Cuando usas el SDK vía Python, el razonamiento del modelo no se muestra en pantalla.
• Por eso la espera puede sentirse larga, pero en unos dos o tres minutos obtienes tu respuesta.
• La respuesta es la típica de un LLM, con la diferencia de que ya no incluyes especificaciones de estructura en el prompt.

Esa es la ventaja clave: las estructuras de respuesta ya viven dentro de las instrucciones del agente, así que tus prompts quedan más limpios y enfocados.

¿Por qué el SDK no muestra el razonamiento del modelo? Porque al ejecutarlo desde Python el proceso de reasoning corre en segundo plano y no se imprime en la terminal, lo que hace que la respuesta tarde entre dos y tres minutos.

Hasta dónde llega el poder del SDK

El potencial va mucho más allá de un simple validador de contratos. Con el SDK puedes imaginar escenarios de mayor escala:

• Construir subagentes para análisis de código.
• Llamar a herramientas externas desde tus agentes.
• Crear un pool de agentes que se comunican entre sí para generar valor en tus procesos.
• Levantar procesos multiagente similares a los que se generan en el ADK.

Si te interesa este mundo multiagente y cómo desplegarlo en producción, en Platzi existe un curso donde se despliegan agentes en Agent Platform, la plataforma de producción de Google para este tipo de procesos.

En la próxima clase terminaremos de afinar los agentes que hemos construido para ver por fin el resultado final. ¿Ya pensaste qué tipo de agente personalizado construirías tú con el SDK? Cuéntamelo en los comentarios.