Google uses AI technology to translate content into your preferred language. AI translations can contain errors.

Comando e controllo: orchestrare lo sviluppo di app con Gemini e MCP

1. Introduzione

In questo lab pratico, metterai in pratica le moderne competenze di sviluppo orchestrando Antigravity per creare un'applicazione completa basata sul cloud e imparerai a utilizzare il server MCP per Developer Knowledge e le skill degli agenti per migliorare la conoscenza dell'agente e la qualità dell'output.

Stiamo creando il "Cat Delivery System", un'applicazione che genera immagini di gatti utilizzando Gemini 3.1 Flash Image, noto anche come Nano Banana 2. Il backend dell'applicazione verrà sviluppato utilizzando l'SDK Antigravity e sottoposto a deployment in Cloud Run. Creeremo anche un frontend moderno utilizzando lit e vite. Tutto questo senza scrivere manualmente una sola riga di codice.

Cosa imparerai a fare

Come lavorare con Antigravity CLI in modalità veloce e di pianificazione
Come concedere ad Antigravity l'accesso alla documentazione per gli sviluppatori di Google utilizzando il server MCP per Developer Knowledge
Come installare skill personalizzate in Antigravity CLI
Come utilizzare Antigravity per eseguire il deployment e l'audit delle applicazioni

Prerequisiti

Esperienza nell'utilizzo di un terminale
Lettura e comprensione del codice
Conoscenza di base degli agenti di programmazione AI
Comprensione di base dei concetti del cloud

2. Configurazione

Segui le istruzioni riportate di seguito per inizializzare il progetto Google Cloud necessario per questo codelab. Dopo aver inizializzato il progetto, ti consigliamo di eseguire questo codelab su Cloud Shell, poiché include tutti gli strumenti necessari per eseguirlo immediatamente.

Se preferisci eseguire questo codelab nel tuo ambiente locale, prima di procedere devi installare Python, uv e un editor di codice. Tutte le istruzioni di questo codelab presuppongono che tu lo stia eseguendo in Cloud Shell, se non diversamente indicato.

Configurazione dell'ambiente autonomo

Accedi alla console Google Cloud e crea un nuovo progetto o riutilizzane uno esistente. Se non hai già un account Gmail o Google Workspace, devi crearne uno.

Il nome del progetto è il nome visualizzato per i partecipanti a questo progetto. È una stringa di caratteri non utilizzata dalle API di Google. Puoi aggiornarla in qualsiasi momento.
L'ID progetto è univoco in tutti i progetti Google Cloud ed è immutabile (non può essere modificato dopo l'impostazione). La console Cloud genera automaticamente una stringa univoca; in genere non ti interessa quale sia. Nella maggior parte dei codelab, dovrai fare riferimento all'ID progetto (in genere identificato come PROJECT_ID). Se non ti piace l'ID generato, puoi generarne un altro casuale. In alternativa, puoi provare a crearne uno e verificare se è disponibile. Non può essere modificato dopo questo passaggio e rimane per tutta la durata del progetto.
Per tua informazione, esiste un terzo valore, un numero di progetto, utilizzato da alcune API. Scopri di più su tutti e tre questi valori nella documentazione.

Dopodiché, devi abilitare la fatturazione nella console Cloud per utilizzare le risorse/API Cloud. L'esecuzione di questo codelab non costerà molto, se non nulla. Per arrestare le risorse ed evitare addebiti di fatturazione oltre questo tutorial, puoi eliminare le risorse che hai creato o eliminare il progetto. I nuovi utenti Google Cloud possono usufruire del programma di prova senza costi di 300$.

Avvia Cloud Shell

Sebbene Google Cloud possa essere gestito da remoto dal tuo laptop, in questo codelab utilizzerai Google Cloud Shell, un ambiente a riga di comando in esecuzione nel cloud.

Nella console Google Cloud, fai clic sull'icona di Cloud Shell nella barra degli strumenti in alto a destra:

Attiva Cloud Shell

Bastano pochi istanti per eseguire il provisioning e connettersi all'ambiente. Al termine, il risultato dovrebbe essere simile a questo:

Screenshot del terminale Google Cloud Shell che mostra che l'ambiente è connesso

Questa macchina virtuale include tutti gli strumenti per sviluppatori di cui avrai bisogno. Offre una home directory permanente da 5 GB e viene eseguita in Google Cloud, migliorando notevolmente le prestazioni e l'autenticazione della rete. Tutto il lavoro in questo codelab può essere svolto all'interno di un browser. Non devi installare nulla.

3. Configurazione e autenticazione di Antigravity CLI

In questo lab lavorerai con Antigravity (AGY). L'agente di programmazione di Google che utilizza i modelli Gemini di Google per aiutarti a creare software. Esistono un'applicazione desktop AGY, un'interfaccia a riga di comando (AGY CLI) e un ambiente di sviluppo integrato (IDE) che ti consentono di visualizzare e modificare il codice insieme all'agente. In questo lab utilizzerai AGY CLI.

Inoltre, esiste anche un SDK per creare i tuoi agenti di uso generale utilizzando l'agent harness di Antigravity (pensa all'harness come al motore di Antigravity).

Avvio e autenticazione di AGY

Fai clic sul pulsante Apri editor per aprire l'editor di Cloud Shell.

Una volta aperto l'editor, puoi ingrandire la finestra utilizzando il pulsante di ingrandimento nella barra dei menu:

Apri il riquadro del terminale utilizzando il menu Terminale > Nuovo terminale o il tasto di scelta rapida Ctrl+` (controllo più backtick):

Nella parte inferiore dello schermo dovrebbe aprirsi una nuova finestra del terminale che mostra il prompt bash:

Quindi, nel terminale, crea una directory di lavoro per il tuo primo esercizio e passa a questa directory:

mkdir -p ~/hello-agy && cd ~/hello-agy

In questo terminale, digita agy per avviare Antigravity CLI:

agy

Una volta avviato agy, ti verrà chiesto di autenticarti. Scegli Utilizza un progetto Google Cloud:

Ora sullo schermo viene visualizzato un link. Copia il link fornito e incollalo in un'altra scheda del browser in incognito.

Utilizza le stesse credenziali studente fornite per questo lab per accedere.

Copia il codice di autorizzazione e incollalo di nuovo in agy:

Quando ti viene chiesto un ID progetto, devi utilizzare l'ID progetto visualizzato nel riquadro laterale di questa pagina.

Infine, seleziona la località Google Cloud globale:

Genera uno script rapido per restituire curiosità sui gatti

Ora, generiamo uno script rapido per capire come funziona AGY CLI.

Chiedi ad AGY di scrivere un breve script che restituisca curiosità sui gatti ed eseguilo per te:

Write a simple node script that returns cat trivia and run it for me

AGY penserà per un po' e scriverà lo script per te.

Quando AGY richiede l'autorizzazione per eseguire lo script del nodo, scegli Sì e premi Invio.

Ecco come si presentava la richiesta di autorizzazione per me:

Requesting permission for: node cat-trivia.js

Do you want to proceed?
> 1. Yes
  2. Yes, and always allow in this conversation for commands that start with 'node cat-trivia\.js'
  3. Yes, and always allow for commands that start with 'node cat-trivia\.js' (Persist to settings.json)
  4. No

Dopo aver eseguito lo script, AGY ti fornisce un riepilogo di ciò che ha fatto. Ecco cosa mi ha detto:

I have created and executed a simple Node.js script that returns cat trivia.

### Created File

• cat-trivia.js: A standalone Node.js script that fetches random cat facts from a public API ( https://catfact.ninja/fact ) with built-in fallbacks and ASCII art.

### Execution Output

Running the script using  node cat-trivia.js  produced the following output:

     _._     _,-'""`-._
    (,-.`._,'(       |\`-/|
        `-.-' \ )-`( , o o)
              `-    \`_`"'-

    🐱 Here is your Cat Trivia:
    ----------------------------------------
    "In 1987 cats overtook dogs as the number one pet in America."
    ----------------------------------------

Mi piace che abbia aggiunto anche un disegno ASCII di un gatto per me.

Ora, potresti voler scoprire di più su ciò che ha creato per te. Sebbene tu possa aprire l'editor e ispezionare il codice sorgente (ti consiglio vivamente di farlo), puoi anche chiedere ad AGY di annotare e spiegarti il codice:

Explain the code you generated please

Leggi la spiegazione e fai domande aggiuntive se vuoi saperne di più.

Infine, per completare questa attività, chiudi agy premendo Ctrl+D due volte.

4. Connetti ed esegui query sulla documentazione per gli sviluppatori di Google

Sebbene gli agenti e i modelli diventino sempre più intelligenti, la qualità della risposta dipende in larga misura dall'accuratezza e dall'aggiornamento delle loro conoscenze. Per questo motivo, è importante fornire all'agente strumenti per recuperare la documentazione per gli sviluppatori aggiornata da una fonte autorevole, in modo che possa evitare di prendere decisioni errate basate su conoscenze interne o congetture.

Il server MCP per Developer Knowledge di Google consente agli agenti di programmazione di cercare la documentazione ufficiale per gli sviluppatori di Google per Firebase, Google Cloud, Android, Maps e molti altri prodotti Google.

Connettendo il tuo agente direttamente alla libreria ufficiale di documentazione di Google, ti assicuri che il codice e le indicazioni che utilizza siano aggiornati e basati su un contesto autorevole.

Per iniziare, abilita l'API Developer Knowledge:

gcloud services enable developerknowledge.googleapis.com

Configura il server MCP per Developer Knowledge

Segui questi passaggi per creare lo spazio di lavoro per questo progetto e configurare il server MCP per Developer Knowledge per Antigravity:

I file di configurazione di Antigravity per il tuo utente sono archiviati nella cartella .gemini nella tua home directory. Il diagramma seguente mostra una versione semplificata con gli elementi principali che troverai:

~/.gemini
├── antigravity/
├── antigravity-cli/
│   ├── brain/            # Conversations and artifacts
│   └── settings.json     # CLI settings
├── config/
│   ├── plugins/          # Global / shared plugins
│   └── mcp_config.json   # Global / shared MCP config
├── skills/               # Global / shared skills
│   └── {skill_name}/
│       ├── SKILL.md      # Skill definition
│       └── ...           # [optional] support files, scripts, etc.
└── GEMINI.md             # Global rules

Per aggiungere il server MCP per Developer Knowledge ad AGY CLI, modifica il file mcp_config.json nella cartella ~/.gemini/config.

Innanzitutto, assicurati che la cartella di configurazione esista e crea un file mcp_config.json vuoto:

mkdir -p ~/.gemini/config && touch mcp_config.json

Quindi apri questo file nell'editor di Cloud Shell utilizzando il comando riportato di seguito:

cloudshell edit ~/.gemini/config/mcp_config.json

Infine, aggiungi la seguente configurazione a mcp_config.json. Tieni presente che devi sostituire [[PROJECT_ID]] con l'ID progetto effettivo. Puoi trovare l'ID progetto nel riquadro laterale di queste istruzioni.

~/.gemini/config/mcp_config.json

{
  "mcpServers": {
    "google-developer-knowledge": {
      "url": "https://developerknowledge.googleapis.com/mcp",
      "authProviderType": "google_credentials",
      "oauth": {
        "scopes": [
          "https://www.googleapis.com/auth/cloud-platform"
        ]
      },
      "timeout": 30000,
      "headers": {
        "X-goog-user-project": "[[PROJECT_ID]]"
      }
    }
  }
}

Ora puoi verificare se il server MCP è stato caricato correttamente con il comando slash /mcp. Il risultato dovrebbe essere simile a questo:

Il server MCP per Developer Knowledge è configurato, ora vediamo come funziona.

Genera uno script per creare immagini di gatti utilizzando Nano Banana 2

Creiamo un semplice script che genera immagini di gatti utilizzando Nano Banana 2 per mostrare le funzionalità del server MCP per Developer Knowledge.

Dovrai eseguire i seguenti comandi nel terminale. Puoi chiudere agy premendo Ctrl+D due volte per tornare alla shell.

Innanzitutto, abilita l'API AI Platform. Questa è l'API che consente al tuo progetto di effettuare chiamate all'API Gemini:

gcloud services enable aiplatform.googleapis.com

Crea uno spazio di lavoro per il generatore di gattini:

mkdir -p ~/nano-banana-kitten && cd ~/nano-banana-kitten

Inizializza il gestore delle dipendenze:

uv init

Ora avvia Antigravity e fornisci il seguente prompt:

Write a script that uses Nano Banana 2 through Vertex AI to generate a picture of a cute kitten, and run the script for me. Use the google-developer-knowledge MCP when researching.

Premi Ctrl+O per espandere i passaggi di ragionamento intermedi e leggere. Dovresti vedere AGY utilizzare il servizio google-developer-knowledge per eseguire query, scrivere uno script, eseguirlo per te e correggere eventuali errori riscontrati.

Visualizza l'immagine del gatto =^_^=

5. Creazione dell'agente di consegna dei gatti

Il server MCP per Developer Knowledge di Google è utile per rispondere alle domande tramite la documentazione ufficiale, ma a volte le informazioni di cui abbiamo bisogno sono molto specializzate e non possono essere trovate nella documentazione. In questi casi, possiamo utilizzare un altro standard aperto: le skill degli agenti.

Le skill degli agenti sono un formato aperto e leggero per estendere le funzionalità degli agenti AI con conoscenze e workflow specializzati. La caratteristica distintiva di una skill è quella che viene chiamata rivelazione progressiva: anziché caricare tutti i contenuti della skill dall'inizio, l'agente attiverà la skill solo quando necessario, caricando le informazioni richieste on demand e salvando token preziosi.

Per completare l'agente di consegna dei gatti, utilizzeremo l'SDK Antigravity come agent harness. Per ridurre al minimo l'attrito e semplificare l'implementazione per l'agente di programmazione, utilizzeremo anche la skill ufficiale dell'SDK Antigravity.

Crea lo spazio di lavoro e installa le dipendenze

Innanzitutto, crea una cartella per il progetto finale:

mkdir -p ~/cat-delivery && cd ~/cat-delivery

Quindi, utilizza il gestore di pacchetti uv per inizializzare questa cartella e installare alcune dipendenze:

uv init && uv add fastapi uvicorn

Installa la skill Python dell'SDK AGY

Per installare le skill dal codice sorgente e dai marketplace aperti, puoi utilizzare Skill CLI di Vercel. Esegui il comando seguente nel terminale per installare la skill google-antigravity-sdk. Assicurati di eseguirlo dalla cartella dello spazio di lavoro del lab (~/cdslab)

npx skills add Google-Antigravity/antigravity-sdk-python --skill google-antigravity-sdk --agent antigravity-cli --yes

L'output di questo comando dovrebbe essere simile al seguente:

Tieni presente che il comando npx skills add Google-Antigravity/antigravity-sdk-python ha clonato automaticamente il repository antigravity-sdk-python da GitHub. Questo comando può essere utilizzato per installare le skill da qualsiasi repository GitHub, purché contenga una cartella skills.

Installazione delle skill dai plug-in

Un altro modo per installare le skill è tramite il sistema di plug-in. I plug-in di Antigravity ti consentono di includere non solo le skill, ma anche i server MCP, le regole e gli hook nello stesso pacchetto. Sono utili per creare estensioni coese in un unico pacchetto di deployment.

Poiché stiamo creando un'applicazione web, installa il plug-in modern-web-guidance utilizzando il comando riportato di seguito:

agy plugin install https://github.com/GoogleChrome/modern-web-guidance

Questo plug-in include una skill che contiene le best practice per lo sviluppo web scritte dal team di Google Chrome.

Avvia di nuovo agy per vedere queste skill in azione. Nel prompt di agy, digita /skills per aprire il menu delle skill:

/skills

Verrà visualizzato un riquadro simile al seguente:

Ora che abbiamo configurato sia il server MCP sia le skill degli agenti, Antigravity è pronto a lavorare al nostro progetto con tutte le informazioni necessarie per avere successo.

Pianificazione dell'app

Antigravity ha due modalità di funzionamento: veloce e di pianificazione. In modalità veloce, Antigravity inizierà subito a lavorare all'attività ed è pensata per attività autonome più semplici. La modalità di pianificazione è progettata per attività complesse, in cui l'agente elaborerà prima un piano che potrai rivedere e modificare prima di iniziare l'implementazione.

Per attivare la modalità di pianificazione, puoi utilizzare il comando slash /planning:

/planning

Puoi tornare alla modalità veloce con /fast:

/fast

Quando passi dalla modalità di pianificazione a quella veloce, può essere utile anche cambiare modello. Puoi farlo utilizzando il comando /model:

/model

L'elenco dei modelli disponibili potrebbe essere leggermente diverso a seconda dell'ambiente e della modalità di autenticazione:

Per questo tutorial, scegli Gemini 3.5 Flash (Low). La parola "low" tra parentesi indica il livello di ragionamento del modello. Gemini 3.5 Flash con ragionamento Low è un modello molto veloce ed efficace con una buona economia dei token. La scelta di Medium o High come livello di ragionamento comporterà un maggiore utilizzo di token e tempo per il ragionamento prima che il modello restituisca una risposta.

Ad esempio, in scenari reali potresti utilizzare il modello più potente con il livello di ragionamento High per la pianificazione e un modello più veloce per l'implementazione. Ma per il nostro progetto è sufficiente Gemini 3.5 Flash (Low).

Generazione del piano

Riporta Antigravity in modalità di pianificazione:

/planning

Quindi invia il seguente prompt per creare il piano di implementazione:

Create an application named "Cat Delivery System". This application will be an agent that generates cat pictures using Gemini 3.1 Flash Image (aka Nano Banana 2). The user will interact with the agent whenever it feels the need for a cat picture in their life, whether it be to make them smile, laugh or just brighten their day. Cat pictures can take any form the user desires: anime, cartoon, photorealistic, 3D render, etc. The only rule is ABSOLUTELY NO DOGS - steer the user towards cats if necessary. P.S.: capybaras are allowed.

The tech stack should be as follows:
- uv package manager
- Backend: agent using Antigravity SDK
- Frontend: simple chat window, light mode, lit / vite
- Model: Gemini 3.5 Flash for the root agent, Gemini 3.1 Flash Image for image generation

TODO:
- backend should serve a static frontend
- define the contract between frontend and backend before starting implementation
- use Google Cloud Project auth

Vedrai che nella fase di ricerca Antigravity potrebbe richiamare sia il server MCP per Developer Knowledge sia una o più skill:

Una volta completato il piano, ti verrà chiesto di esaminarlo:

Presta attenzione all'angolo in basso a destra dello schermo: viene visualizzato il messaggio 1 artefatto e il suggerimento di utilizzare /artifact per esaminarlo. In Antigravity, i file di supporto come piani, elenchi di attività e procedure dettagliate sono chiamati "artefatti" per distinguerli dai file normali che fanno parte della soluzione (ad es. codice sorgente).

L'inserimento del comando /artifact nel prompt ti consentirà di visualizzare il piano e aggiungere commenti se devi apportare modifiche.

/artifact

Il risultato dovrebbe essere simile a questo:

Tieni presente che esiste un file denominato implementation_plan.md con le opzioni per aprirlo, approvarlo o rifiutarlo. Premi Invio per aprirlo. Ecco un esempio di come appare il piano sul mio sistema:

Puoi scorrere verso l'alto e verso il basso con i tasti freccia e, in qualsiasi riga, puoi aggiungere un commento premendo il tasto C.

Una sezione importante da controllare è il "Piano di verifica". Qui puoi verificare e aggiungere passaggi di convalida in modo che il modello sappia quando ha completato l'attività.

Aggiungi commenti al piano finché non ti soddisfa e premi ESC per tornare indietro. Quindi premi Y per confermare l'invio dei commenti all'agente:

Dopo aver premuto Y, l'agente inizierà immediatamente a lavorare. L'agente potrebbe chiedere ulteriori conferme di chiamata dello strumento man mano che procede con l'implementazione.

Potresti notare che il numero di artefatti aumenterà nel tempo. Oltre al piano, Antigravity creerà anche un elenco di attività (task.md) per tenere traccia di ogni elemento da implementare o azione da eseguire. Al termine, creerà un file di procedura dettagliata (walkthrough.md) con una spiegazione degli obiettivi raggiunti. Puoi esaminarli tutti utilizzando di nuovo il comando /artifact.

In qualsiasi momento puoi aprire questi file e aggiungere commenti, che, una volta inviati all'agente, verranno messi in coda per l'esecuzione proprio come un prompt in coda. È una buona pratica aggiungere commenti a questi file per fornire all'agente un contesto aggiuntivo sulla tua richiesta.

6. Esegui il deployment dell'agente nel cloud

Ora puoi eseguire il deployment nel cloud utilizzando Cloud Run. Poiché questa attività non richiede un piano elaborato, possiamo utilizzare la modalità veloce.

Passa Antigravity alla modalità veloce con /fast:

/fast

Utilizza il seguente prompt per indicare ad Antigravity di eseguire il deployment dell'agente CDS in Cloud Run:

Deploy the agent and frontend to Cloud Run.

TODO:
- backend should serve a static frontend
- frontend and backend are deployed in the same container

Acceptance Criteria
- Agent is deployed to cloud run
- Frontend is live and renders with no errors
- Backend is live and responds to requests with no errors

7. Complimenti!

In questo workshop hai messo in pratica lo sviluppo moderno con Antigravity, incluso come estenderne le funzionalità con i server MCP e le skill degli agenti. Hai anche creato un'applicazione completa utilizzando l'SDK Antigravity e Gemini 3.1 Flash Image. Il tuo percorso di apprendimento non deve fermarsi qui: dai un'occhiata agli altri codelab di questa piattaforma e continua a sviluppare le tue competenze di programmazione basate su agenti.