Crie pipelines de desenvolvedor autônomos usando agents.md e skills.md no Antigravity

1. Introdução

Neste codelab, vamos mostrar como configurar uma equipe de desenvolvedores de IA autônomos divertida e com assistência de IA no seu computador usando o IDE Antigravity. Você vai criar um aplicativo funcional guiando um requisito por todo o ciclo de vida dele, desde a especificação técnica até a implantação final, usando um fluxo de trabalho skills.md e agents.md eficiente.

Em vez de ficar preso a uma pilha de tecnologia específica ou escrever scripts complexos de orquestração em Python, vamos usar uma abordagem sem código amigável em que seus requisitos fluem por um ciclo automatizado com base em três princípios principais do Antigravity:

  1. agents.md: para definir exatamente quem está na sua equipe de IA (gerente de produto, front-end, QA, DevOps).
  2. Habilidades e skills.md: um diretório dedicado em que você define habilidades técnicas robustas e regras de transferência de artefatos como arquivos .md modulares.
  3. Workflows (workflows/): para definir comandos de barra personalizados que encadeiam perfeitamente os membros da sua equipe de IA em um pipeline autônomo.

Ao combinar esses três elementos de forma nativa no Antigravity, você vai orientar o Gemini a automatizar completamente o desenvolvimento de um aplicativo pronto para produção do início ao fim.

O que você vai aprender

  • Inicialize o espaço de trabalho: configure seu projeto para que ele seja bem compreendido pelo Antigravity.
  • Defina a equipe: crie um arquivo agents.md para estabelecer seus perfis de IA especializados.
  • Programar as habilidades: crie arquivos .md detalhados em um diretório skills/ para definir regras técnicas estritas e loops de retrabalho iterativos.
  • Definir fluxos de trabalho personalizados: crie um comando de barra /startcycle para automatizar o fluxo de trabalho do estúdio.
  • Inicie a reação em cadeia: use um único comando para executar automaticamente todo o pipeline multiagente de maneira eficiente.

O que você vai fazer

  • Como separar a engenharia de comandos de IA do código do aplicativo.
  • Como criar um agente que pausa ativamente para interpretar comentários e edições do usuário nos arquivos Markdown gerados.
  • Como desenvolver habilidades dinâmicas, independentes de linguagem, de geração e implantação de código.
  • Como criar comandos de macro personalizados (fluxos de trabalho) em um ambiente de desenvolvimento integrado com agente.

O que é necessário

Antes de começar

Para créditos do Google Cloud: para ajudar você a usar o Antigravity com projetos do Google Cloud, resgate seus créditos sem custo financeiro do Google Cloud usando este link. Siga as instruções neste link para ativar o crédito e criar um projeto.

  1. Confira se o Antigravity IDE está instalado (disponível em antigravity.google).
  2. Abra o ambiente de desenvolvimento integrado do Antigravity e verifique se você tem um espaço de trabalho dedicado e atualizado inicializado.
  3. Tenha um terminal aberto enquanto trabalha no modo Editor.

2. Inicializar o espaço de trabalho

Como o Antigravity entende nativamente os arquivos de fluxo de trabalho colocados no diretório .agents, configurar seu pipeline de desenvolvedor autônomo é tão simples quanto criar algumas pastas padrão.

Você pode configurar seu espaço de trabalho:

  1. Abra o IDE do Antigravity.
  2. Abra o Gerenciador de agentes. A qualquer momento, você pode alternar entre o Gerenciador de agentes e o editor pressionando CMD+E (Mac) ou CTRL+E (Windows) ou usando os botões "Abrir editor" e "Abrir Gerenciador de agentes" no canto superior direito da barra de menus. .
  3. Clique em + Abrir espaço de trabalho.

Para iniciar uma nova conversa em um espaço de trabalho, selecione o espaço desejado na guia "Iniciar conversa" ou clique no botão de adição ao lado do nome do espaço na barra lateral.

45e7241be5552e42.png

  1. Clique em "Abrir novo espaço de trabalho", nomeie o espaço de trabalho como skills-codelab e selecione um diretório local. Isso garante que o agente tenha uma pasta raiz específica para criar arquivos sem bagunçar outros projetos. Quando terminar, acesse a visualização do editor e siga as etapas (5), (6) e (7).

d84ba507939a5efc.png

  1. Clique com o botão direito do mouse e crie uma pasta skills-codelab.
  2. Dentro dele, crie dois diretórios: production_artifacts e app_build.
  3. Crie um diretório .agents e, dentro dele, crie as pastas workflows e skills.

(Alternativa) Se você preferir usar o terminal, gere essa estrutura instantaneamente executando:

mkdir skills-codelab && cd skills-codelab
mkdir -p .agents/workflows .agents/skills
mkdir production_artifacts app_build

Confira se a pasta tem esta aparência:

7234ea48c2b175a7.png

O que essas novas pastas fazem?

  • .agents/: é um diretório especial reconhecido nativamente pelo Antigravity. Ao colocar arquivos aqui, você estende o comportamento de IA integrado do Antigravity.
  • skills/: essa pasta é usada para armazenar manuais de instruções técnicas específicas (arquivos .md) para sua IA. Isso informa à IA como realizar tarefas específicas, como escrever código ou implantar apps, substituindo um comando enorme e confuso por etapas modulares.
  • production_artifacts/:esta é nossa pasta compartilhada em que os membros da equipe automatizada vão colocar arquivos intencionalmente para o próximo agente ler.
  • app_build/: o espaço de trabalho designado para o código do aplicativo. O agente Full-Stack Engineer vai gerar todo o código (como package.json, app.py, componentes do React) e salvar diretamente nessa pasta, isolando a origem do aplicativo das instruções da IA.

3. Definir a equipe (agents.md)

Primeiro, precisamos informar à Antigravity quem está trabalhando neste projeto. Em vez de manter instruções em quatro pastas de projetos aninhadas diferentes, centralizamos a identidade da nossa equipe. Crie um arquivo em .agents/agents.md:

Por que precisamos de personas diferentes?

Quando você pede para uma IA criar um aplicativo inteiro do zero, ela pode ficar sobrecarregada se você a obrigar a ser arquiteta, programadora, testadora e líder de implantação ao mesmo tempo. Ao centralizar essas funções em agents.md, você evita que a IA fique confusa. O PM se concentra apenas nos requisitos, o engenheiro apenas na geração de código e o QA apenas na correção de bugs. Você tem especialistas especializados para cada etapa do seu pipeline.

O arquivo agents.md resolve isso centralizando as diferentes personas da sua equipe:

  1. O gerente de produtos (@pm): se concentra apenas no panorama geral. Ele escreve o Technical_Specification.md e gerencia o processo de aprovação com você (o humano).
  2. O engenheiro full-stack (@engineer): não se preocupa com o planejamento. Ele apenas pega a especificação do gerente de projetos e se concentra totalmente em escrever código de alta qualidade em qualquer linguagem que você aprovar.
  3. O engenheiro de controle de qualidade (@qa): atua como um novo par de olhos. Em vez de escrever novos recursos, o único foco é encontrar dependências ausentes, erros de sintaxe ou bugs de lógica no código do engenheiro.
  4. O DevOps Master (@devops): se concentra estritamente no ambiente de execução. Eles sabem como ler o terminal, instalar pacotes (npm install, pip install) e iniciar o servidor local.
# 🤖 The Autonomous Development Team

## The Product Manager (@pm)
You are a visionary Product Manager and Lead Architect with 15+ years of experience.
**Goal**: Translate vague user ideas into comprehensive, robust, and technology-agnostic Technical Specifications.
**Traits**: Highly analytical, user-centric, and structured. You never write code; you only design systems.
**Constraint**: You MUST always pause for explicit user approval before considering your job done. You are highly receptive to user feedback and will enthusiastically re-write specifications based on inline comments.

## The Full-Stack Engineer (@engineer)
You are a 10x senior polyglot developer capable of adapting to any modern tech stack.
**Goal**: Translate the PM's Technical Specification into a beautiful, perfectly structured, production-ready application.
**Traits**: You write clean, DRY, well-documented code. You care deeply about modern UI/UX and scalable backend logic.
**Constraint**: You strictly follow the approved architecture. You do not make assumptions—if the spec says Python, you use Python. You always save your code into the `app_build/` directory.

## The QA Engineer (@qa)
You are a meticulous Quality Assurance engineer and security auditor.
**Goal**: Scrutinize the Engineer's code to guarantee production-readiness.
**Traits**: Detail-oriented, paranoid about security, and relentless in finding edge cases.
**Focus Areas**: You aggressively hunt for missing dependencies in configurations, unhandled promises, syntax errors, and logic bugs. You proactively fix them.

## The DevOps Master (@devops)
You are the elite deployment lead and infrastructure wizard.
**Goal**: Take the final code in `app_build/` and magically bring it to life on a local server.
**Traits**: You excel at terminal commands and environment configurations.
**Expertise**: You fluently use tools like `npm`, `pip`, or native runners. You install all necessary modules seamlessly and provide the local URL directly to the user so they can see the final product!

Observe como definimos metas, características e restrições para cada persona.

  • As metas informam ao agente qual é a responsabilidade exata dele no pipeline.
  • Os traços dão a ele uma personalidade comportamental, dizendo como agir (por exemplo, "desenvolvedor sênior 10x" ou "paranoico em relação à segurança").
  • As restrições atuam como diretrizes rígidas (por exemplo, "nunca escreva código", "siga estritamente a arquitetura aprovada").

Estruturar os comandos dessa forma reduz drasticamente as alucinações de IA e garante que o agente siga rigorosamente o fluxo de trabalho necessário.

Confira se a pasta tem esta aparência:

4. Programar as habilidades especializadas (skills/)

A engenharia de instruções detalhadas é a chave para a mágica sem código. Vamos criar arquivos de texto altamente específicos para cada habilidade, garantindo que o PM faça um laço para trás se você pedir uma revisão.

1. Habilidade de especificação

Essa habilidade serve como ponto de partida. O agente de PM usa essa ferramenta para entrevistar você e desenvolver a arquitetura antes de escrever qualquer código, evitando horas de programação potencialmente desperdiçadas.

Crie .agents/skills/write_specs.md:

# Skill: Write Specs

## Objective
Your goal as the Product Manager is to turn raw user ideas into rigorous technical specifications and **pause for user approval**.

## Rules of Engagement
- **Artifact Handover**: Save all your final output back to the file system.
- **Save Location**: Always output your final document to `production_artifacts/Technical_Specification.md`.
- **Approval Gate**: You MUST pause and actively ask the user if they approve the architecture before taking any further action.
- **Iterative Rework**: If the user leaves comments directly inside the `Technical_Specification.md` or provides feedback in chat, you must read the document again, apply the requested changes, and ask for approval again!

## Instructions
1. **Analyze Requirements**: Deeply analyze the user's initial idea request.
2. **Draft the Document**: Your specification MUST include:
   - **Executive Summary**: A brief, high-level overview.
   - **Requirements**: Functional and non-functional requirements.
   - **Architecture & Tech Stack**: Suggest the absolute best framework (e.g., Python/Django, Node/Express, React/Next.js) for the job and outline the layout/API structure.

   - **State Management**: Briefly outline how data should flow.
3. Save the document to disk.
4. **Halt Execution**: Explicitly ask the user: "Do you approve of this tech stack and specification? You can safely open `Technical_Specification.md` and add comments or modifications if you want me to rework anything!" Wait for their "Yes" or feedback before the sequence continues!

Observe o "Portal de aprovação" estrito. Em vez de criar todo o app de uma só vez e esperar que ele esteja certo, a IA recebe instruções explícitas para pausar, esperar sua decisão final e reler ativamente o documento se você deixar comentários inline.

2. A habilidade de geração de pilha completa

Essa habilidade é o criador principal. O agente Engineer lê a pilha de tecnologia exata da especificação do PM e cria dinamicamente todos os arquivos de código de front-end e back-end necessários.

Crie .agents/skills/generate_code.md:

# Skill: Generate Code

## Objective
Your goal as the Full-Stack Engineer is to write the physical code based entirely on the PM's approved specification.

## Rules of Engagement
- **Dynamic Coding**: You are not limited to HTML/JS. You must write code in the exact language/framework defined in the approved `Technical_Specification.md`.
- **Save Location**: Save all your raw code, accurately retaining necessary folder structures, directly inside `app_build/`.

## Instructions
1. **Read the Spec**: Open and carefully study `production_artifacts/Technical_Specification.md`.
2. **Scaffold Structure**: Generate all core backend and frontend application files.
3. **Output**: Dump your code perfectly into the `app_build/` directory. Do not skip or summarize any code blocks. Ensure all `package.json` or `requirements.txt` files are present.

Essa habilidade não tem uma pilha predefinida, como Next.js ou Django. Ele depende explicitamente da pilha de tecnologia dinâmica escolhida pelo gerente de projetos. Isso significa que sua única habilidade de geração de código funciona para qualquer framework aprovado na especificação.

3. A habilidade de auditoria

Essa habilidade oferece uma rede de segurança. O agente de controle de qualidade atua como um revisor independente, especificamente instruído a encontrar dependências ausentes e erros de lógica no código recém-gerado.

Crie .agents/skills/audit_code.md:

# Skill: Audit Code

## Objective
Your goal as the QA Engineer is to ensure the generated code is perfectly functional natively.

## Rules of Engagement
- **Target Context**: Your focus area is the `app_build/` directory.

## Instructions
1. **Assess Alignment**: Compare the raw code against the approved `Technical_Specification.md`.
2. **Bug Hunting**: Find and fix dependency mismatches, unhandled errors, and logic breaks.
3. **Commit Fixes**: Overwrite any flawed files in `app_build/` with your polished revisions.

A IA generativa comete pequenos erros de sintaxe ao escrever grandes quantidades de código. Ao ter uma habilidade de auditoria separada, cuja única função é procurar erros, aumentamos muito a taxa de sucesso da execução do aplicativo final.

4. A habilidade de implantação dinâmica

Essa habilidade dá vida ao aplicativo. O agente do DevOps determina o tipo de app criado (Node, Python etc.) e executa com segurança os comandos de terminal necessários para instalar módulos e iniciar o servidor.

Crie .agents/skills/deploy_app.md:

# Skill: Deploy App

## Objective
Your goal as DevOps is to intelligently package the application and fire up a server based on the chosen stack.

## Instructions
1. **Stack Detection**: Inspect the `Technical_Specification.md` and the files in `app_build/` to figure out what stack is being used.

2. **Install Dependencies**: Use your native terminal to navigate into `app_build/` and run `npm install`, `pip install -r requirements.txt`, or whatever is appropriate!

3. **Host Locally**: Execute the appropriate native terminal command (e.g., `npm run dev`, `python3 app.py`) to start a background server.
4. **Report**: Output the clickable localhost link to the user and celebrate a successful launch!

Aproveitamos a capacidade do ambiente de desenvolvimento integrado de executar comandos nativos do terminal com segurança.

O agente age como um engenheiro de DevOps real, descobrindo dinamicamente qual comando de instalação executar com base nos arquivos que ele realmente vê na pasta app_build/.

(Opcional) 5. A habilidade de implantação do Cloud Run

Se você quiser levar seu aplicativo direto para a produção em vez de apenas executá-lo localmente, crie uma habilidade de implantação alternativa. Como o Antigravity opera diretamente na sua máquina local, a IA pode usar sem problemas a CLI gcloud autenticada localmente.

Crie .agents/skills/deploy_cloud_run.md:

# Skill: Deploy to Cloud Run

## Objective
Your goal as DevOps is to package the application into a container and deploy it to Google Cloud Run.

## Instructions
1. **Verify Environment**: Ensure the necessary files for the chosen tech stack are in `app_build/`.
2. **Containerize**: Use the IDE terminal to navigate to `app_build/` and run `gcloud run deploy --source .`. 
3. **Configure**: If prompted by the CLI tool, automatically select the default region and allow unauthenticated invocations so the web app is public.
4. **Report**: Output the live production Google Cloud Run URL to the user!

5. Definir um comando de barra personalizado

O que um comando de barra personalizado faz?

Ao salvar esse arquivo de texto em .agents/workflows/ , você registra um novo comando diretamente na interface de chat do Antigravity.

Em vez de pedir manualmente à IA para fazer isso etapa por etapa ("Você é o gerente de projetos e escreve uma especificação..." e "Agora você é o engenheiro e escreve o código..."), o comando /startcycle funciona como um orquestrador automatizado. Ele encadeia perfeitamente as personas definidas e as habilidades específicas delas em uma sequência contínua e automatizada. Vamos criar uma única macro que lida com a transferência entre agentes, gerenciando explicitamente o loop de retrabalho para a fase de PM.

Crie .agents/workflows/startcycle.md:

---
description: Start the Autonomous AI Developer Pipeline sequence with a new idea
---

When the user types `/startcycle <idea>`, orchestrate the development process strictly using `.agents/agents.md` and `.agents/skills/`.

### Execution Sequence:
1. Act as the **Product Manager** and execute the `write_specs.md` skill using the `<idea>`.
   *(Wait for the user to explicitly approve the spec. If the user provides feedback or adds comments directly to the Markdown file, act as the PM again to re-read and revise the document. Loop this step until they type "Approved").*
2. Shift context, act as the **Full-Stack Engineer**, and execute the `generate_code.md` skill.
3. Shift context, act as the **QA Engineer**, and execute the `audit_code.md` skill.
4. Shift context, act as the **DevOps Master**, and execute the `deploy_app.md` skill.

Confira se a pasta tem esta aparência:

de21eeb6012ddbcd.png

6. Comece a reação em cadeia!

Com sua equipe e regras oficialmente definidas no Antigravity, você pode acionar todo o fluxo de trabalho sem esforço.

Comando do Antigravity:

  1. Na caixa de chat do Gerenciador de agentes, digite / para abrir o menu de comandos personalizados. Selecione ou digite startcycle.
  2. Dê sua ideia:
/startcycle "I need a fast, real-time chat application for customer support on my ecommerce website."

Relaxe e colabore:

  1. O Gemini se torna o gerente de projetos, cria uma especificação robusta e pede sua aprovação.
  2. Abra Technical_Specification.md no editor do seu ambiente de desenvolvimento integrado, adicione algumas observações (como "Vamos usar Python em vez de Node") e peça ao agente para refazer o código. Ele vai revisar o arquivo de forma autônoma.
  3. Depois que você aprova, o Gemini muda o contexto para o engenheiro, usando a especificação aprovada para escrever o código de back-end/front-end.
  4. Ele se torna o engenheiro de controle de qualidade, corrige bugs e salva o código final.
  5. Por fim, o DevOps Master instala dinamicamente os módulos e veicula o aplicativo no seu navegador.

Uma execução de amostra de Technical_Specification.md e aguardando aprovações ou comentários

11defe4c48e874cc.png

Depois que o usuário aprova o comando, todo o fluxo de trabalho começa.

b9af07291806ae60.png

7. Resumo e próximas etapas

Parabéns! Você aprendeu a injetar loops de iteração colaborativa e geração dinâmica de aplicativos de pilha completa em um pipeline de agentes.

Neste codelab, abordamos o seguinte:

  • Como mapear personas de IA usando .agents/agents.md.
  • Crie loops de retrabalho colaborativo em .agents/skills/write_specs.md para que o agente leia seus comentários inline em Markdown.
  • Construiu habilidades dinâmicas de .md que escrevem código em qualquer framework (Python, React) dependendo da especificação aprovada.