Google Antigravity verbindet Agent Manager, Plan-Review und Browser-Steuerung in einer Entwicklungsumgebung für AI-Driven Development.

Hinweis (August 2026): Die weiter unten als Alleinstellungsmerkmal beschriebene native Browser-Integration ist inzwischen keines mehr – auch andere Agenten steuern einen Browser mittlerweile selbstständig. Details dazu im Praxistest Claude Code vs. Codex vs. Cursor.

Einführung

Google platziert Antigravity als „Agentic Development Platform“, AI ist hier nicht nur ein Feature, sondern die Grundlage des gesamten Entwicklungsprozesses. Einen ähnlichen Ansatz konnte man auch schon bei Amazon Kiro beobachten (siehe auch meinen Blog‑Post zu Kiro). Die großen Player auf dem Markt reagieren damit zunehmend auf die Erkenntnis, dass AI-Driven Development mehr ist als nur KI-gestützte Code-Vervollständigung. Es geht darum, die gesamte Softwareentwicklung neu zu denken und zu gestalten.

Antigravity geht hierbei noch einen Schritt weiter als andere AI-Development-Tools. Wie wir weiter unten sehen werden, bietet Antigravity beispielsweise einen separaten “Agent Manager”, in dem mehrere Agenten gleichzeitig gestartet, überwacht und koordiniert werden können. Zudem können die Agenten in Antigravity von Haus aus mit dem Editor, dem Terminal und vor allem auch dem Browser arbeiten.

Technisch basiert Antigravity auf einem Fork von Visual Studio Code. Standardmäßig verwendet Antigravity den Open VSX‑Marktplatz für Extensions. Dies kann man manuell umkonfigurieren, um beispielsweise die Extensions von Microsofts Visual Studio Code Marketplace zu nutzen. Trotzdem funktionieren dann einige Extensions nicht, darunter auch die von Microsoft selbst, wie beispielsweise die C# Dev Kit Extension. Für .NET-Entwickler:innen ist Antigravity daher vermutlich trotz der interessanten AI-Driven-Development-Features aktuell keine wirkliche Alternative zu Visual Studio Code.

Offiziell vorgestellt wurde Antigravity im November 2025, es ist aktuell als “Public Preview” kostenlos verfügbar. Es läuft auf Windows, macOS sowie Linux und benötigt Chrome als Browser (wenn man die sehr coole Browser-Integration nutzen möchte, siehe unten). Außerdem ist zumindest für die Preview ein Google-Konto Voraussetzung. Als Modell steht natürlich Gemini 3 Pro zur Verfügung, optional werden auch die Anthropic-Modelle und GPT‑OSS unterstützt. Es gibt Rate Limits, die je nach Abo variieren. Ich konnte allerdings keine genauen Angaben finden. Für das kostenlose “Free”-Modell heißt es in der Doku lediglich: “Meaningful quota, refreshed weekly. Weekly rate limit”. Die anderen Pläne, wie beispielsweise “Google AI Pro”, bieten dann entsprechend mehr (“High, generous quota, refreshed every five hours”). Es ist davon auszugehen, dass sich das Abo-Modell nach Abschluss der Preview-Phase nochmals ändert, aktuell ist aber der kostenlose Zugriff auf Gemini 3 Pro sehr lobenswert. In der IDE selbst habe ich auf Anhieb keine Anzeige gefunden, wie viel von der Quota bereits verbraucht ist oder wie lange es noch bis zum nächsten Reset dauert. Das ist aus meiner Sicht ein klarer Nachteil, da dadurch die Gefahr besteht, dass man mittendrin in einer wichtigen Aufgabe plötzlich nicht mehr weiterarbeiten kann, weil das Limit erreicht ist.

Arbeitsmodi und Oberflächen

Die Editor-Oberfläche von Antigravity entspricht einem klassischen VS‑Code‑Editor mit einem AI-Chat an der Seite. Im Editor selbst werden die üblichen Code-Completion-Funktionen unterstützt. Der Anspruch, eine “Agentic Development Platform” zu sein, wird erstmals deutlich sichtbar, sobald man den Agent Manager öffnet.

In Antigravity können mehrere Agenten parallel in verschiedenen Workspaces arbeiten. Der Agent Manager bietet eine Übersicht über alle aktiven Agenten, ihre aktuellen Aufgaben, Fortschritte und die Möglichkeit, direkt mit ihnen zu interagieren. Oben im Screenshot ist die “Inbox” zu sehen, in der Entwickler:innen über neue Ergebnisse oder Rückfragen der Agenten informiert werden. Agenten können auch Aufgaben über mehrere Workspaces hinweg durchführen, was meiner Meinung nach in allen nicht-trivialen Projekten beinahe ein Muss ist (beispielsweise um Agenten eine geplante API-Erweiterung im Backend- und Frontend-Workspace konsistent prüfen zu lassen). Bisher kannte ich dieses Feature nur von OpenAI Codex.

Um eine neue Aufgabe zu starten, nutzt man wie gewohnt den unten im Agent Manager angezeigten Chat. Hier ist es auch möglich, den sogenannten “Conversation Mode” einzustellen. Zur Wahl stehen “Planning” und “Fast”. Im “Planning” Mode erstellt der Agent zunächst einen detaillierten Plan, der eine Aufgabe in kleine Schritte zerlegt. Im “Fast” Mode überspringt der Agent die Planerstellung und führt Anweisungen sofort aus. Diese native Unterstützung von Implementierungsplänen hat mir besonders gut gefallen, da ich diesen Ansatz als Voraussetzung für eine erfolgreiche Umsetzung von AI-Driven Development betrachte.

Sobald ein Agent im “Planning” Modus einen Implementierungsplan erstellt hat, wird dieser direkt im Agent Manager angezeigt. Schön gelöst ist hier die Review-Funktion: Entwickler:innen können direkt im Plan Kommentare hinterlassen, die der Agent bei der weiteren Arbeit berücksichtigt (siehe Screenshot). Antigravity geht in diesem Review-Prozess durchaus “intelligent” vor: Kleinere Anmerkungen werden direkt in den Plan integriert und dieser wird dann direkt umgesetzt. Review-Anmerkungen, die zu größeren oder tatsächlich relevanten Änderungen am Plan führen, werden hingegen vom Agenten erkannt und führen zu einer weiteren Review-Runde des Plans, bevor mit der Umsetzung begonnen wird.

Sobald das Review abgeschlossen ist, kann die Umsetzung direkt vom Plan über den “Proceed”-Button gestartet werden. Der Agent startet daraufhin mit der Task-Planung und Ausführung. Der Screenshot unten zeigt beispielsweise die Ausgabe eines Agenten während der Ausführung eines komplexen Tasks. Aufgabe war hier die Umsetzung eines ersten Features in der Beispielanwendung, einer React-SPA zur Verwaltung und Durchführung von Online-Umfragen. Der Agent hat erkannt, dass der Workspace noch komplett leer war (bis auf die Architektur- und Feature-Dokumentation, die die Grundlage für die Umsetzung bildet). Er hat daraufhin selbstständig die Aufgabe entsprechend aufgeteilt, beginnend mit der Projekt-Initialisierung, gefolgt von den einzelnen Umsetzungsschritten. Beeindruckend ist hier auch, wie lange die Agenten an der Aufgabe autonom arbeiten können, ohne sozusagen den Fokus zu verlieren. Während der gesamten Ausführung werden die einzelnen Schritte in der Task-Liste dokumentiert, sodass Entwickler:innen jederzeit nachvollziehen können, was der Agent gerade macht oder bereits gemacht hat.

Implementierungspläne, Task-Listen und die sogenannten Walkthroughs (Dokumentation der ausgeführten Aufgaben) werden von Antigravity von Haus aus als Artefakte eines AI-Driven-Development-Prozesses unterstützt. Zusätzlich kennt Antigravity auch noch Screenshots, Browser Recordings und Knowledge Items (Wissensbasis). Alle Artefakte werden von der IDE automatisch an den “richtigen” Stellen im Entwicklungsprozess erzeugt und können von Entwickler:innen jederzeit eingesehen und kommentiert werden. Einziger großer Nachteil ist hier, dass die Artefakte aktuell nicht als separate Dateien gespeichert oder versioniert werden können, siehe hierzu auch meine Anmerkungen im Abschnitt “Schwächen und Risiken”.

Browser-Integration

Ein weiteres Alleinstellungsmerkmal von Antigravity ist die native Unterstützung von Browser-Interaktionen durch die Agenten. Das bedeutet, dass Agenten nicht nur mit dem Code-Editor und Terminal arbeiten können, sondern auch eigenständig die implementierten Features in einem Browser testen können. Voraussetzung hierfür ist die Nutzung von Chrome. In der Praxis bedeutet das, dass Agenten beispielsweise automatisch die React-SPA starten, die sie gerade entwickeln, und dann eigenständig Tests durchführen können, um die Funktionalität zu überprüfen. Die Agenten können dabei nicht nur die Anwendung bedienen, sondern auch Screenshots und Browser Recordings erstellen sowie das DOM auslesen. Gerade für die Entwicklung von Webanwendungen ist diese native Browser-Integration ein echter Game-Changer. In anderen AI-Driven Development Tools, die ich bisher ausprobiert habe, musste ich mir beispielsweise zur Behebung von Layout-Fehlern immer mit Screenshots behelfen, die ich manuell erstellen und dann den Agenten als Kontext mitgeben musste. In Antigravity können die Agenten direkt auf die Anwendung zugreifen und die notwendigen Informationen eigenständig sammeln, was den Entwicklungsprozess deutlich effizienter macht.

Schwächen und Risiken

Die größte Schwäche von Antigravity, die mir während meiner Tests aufgefallen ist, ist gleichzeitig eine seiner Stärken: Die wichtigsten Artefakte eines AI-Driven Development Prozesses, also beispielsweise Implementierungspläne und Walkthroughs, werden nativ und automatisch unterstützt. Die UI-Unterstützung ist hervorragend, wie man schön an der sehr liebevoll umgesetzten Review-Funktionalität erkennen kann. Allerdings werden diese Artefakte nicht als separate Dateien im Workspace abgelegt (zumindest nicht in offensichtlicher Form). Dies entspricht nicht dem zumindest von mir erwarteten Standard für einen AI-Driven Development-Workflow, bei dem alle Artefakte versioniert und nachvollziehbar gespeichert werden sollten.

Ein weiterer Nachteil ist die fehlende Transparenz bezüglich der Quota und Rate Limits. Es gibt keine Möglichkeit, den aktuellen Verbrauch oder die verbleibende Zeit bis zum nächsten Reset einzusehen. Dies war jedoch auch bei anderen AI-Development-Tools, wie z. B. Codex, zu Beginn ähnlich und wurde dann relativ schnell nachgeliefert. Vermutlich wird Google hier ebenfalls kurzfristig reagieren.

Der hohe Autonomie-Level der Agenten bringt, wie auch in anderen Tools, Risiken mit sich. Dies ist kein Antigravity-spezifisches Problem, sondern eine generelle Herausforderung bei AI-Driven Development. Es besteht die Gefahr, dass Agenten unvorhergesehene Aktionen durchführen oder unerwünschte Änderungen vornehmen. Antigravity bietet hierfür jedoch diverse Konfigurationsmöglichkeiten, um die Autonomie der Agenten zu steuern und zu begrenzen. Beispielsweise können Entwickler:innen festlegen, dass Agenten vor der Durchführung bestimmter Aktionen eine Bestätigung benötigen oder dass sie nur bestimmte Befehle im Terminal ausführen dürfen.

Ob das eingeschränkte Extension-Ökosystem von Antigravity ein Problem darstellt, hängt von den individuellen Anforderungen und dem jeweiligen Projekt ab. Für Entwickler:innen, die stark auf bestimmte Extensions angewiesen sind, könnte dies jedoch ein Hindernis darstellen.

Fazit

Antigravity ist aus meiner Sicht ein sehr vielversprechendes Tool für AI-Driven Development. Besonders beeindruckend finde ich die native Unterstützung von Implementierungsplänen inklusive der Inline-Reviews und die Browser-Integration. Auch der Agent Manager und die Möglichkeit, mehrere Agenten parallel über mehrere Workspaces hinweg arbeiten zu lassen, sind sehr gut umgesetzt.

Aus meiner Sicht ist die aktuelle Marktentwicklungsphase für AI-Driven Development Tools sehr spannend, da zunehmend innovative Lösungen veröffentlicht werden. Um möglichst viele Entwickler:innen zu überzeugen, setzen die Anbieter auf kostenlose Downloads und großzügige Quotas selbst für die leistungsfähigsten Modelle. Ich kann nur empfehlen, diese Phase aktiv zu nutzen und sich einen umfangreichen Marktüberblick zu verschaffen. Niemand kann es sich aktuell leisten, eine der momentan verfügbaren Lösungen frühzeitig als “die Beste” zu deklarieren und für sich auszuwählen. Meine klare Empfehlung zumindest für die kommenden 12 Monate lautet: Regelmäßig neue Tools ausprobieren, die Entwicklungen beobachten und dynamisch auf die Veränderungen am Markt reagieren.