GoogleがAntigravityに賭ける哲学を分解:Orchestrator + Swarmの5つの重要な判断

GoogleがAntigravityに賭けているのは、AIコーディングが「補助的な補完」から「マルチエージェントによる自律協調」へ進むと判断したためです。この段階では、単一モデルの能力が勝敗を分けるポイントではなく、エージェント群を並列にオーケストレーションし、エンジニアリングタスクを完遂できるかどうかが鍵になります。Antigravityは、Googleがそのために築いたフルスタックの基盤です。上位層ではOrchestratorがグラフ実行のスケジューリングを担い、下位層ではSwarmがタスクを専門化されたサブエージェントへ分割し、その背后にGeminiモデル、Google Cloud、Chromeエコシステムが接続されます。代償も明確です。コアがクローズドソースであること、セキュリティ攻撃面の拡大、プロダクトラインの断片化という3つの問題は、開発者がこの路線に追随するかどうかに直接影響します。

この記事を読むと何がわかる?

  • Googleが2026年にオープンソースのGemini CLIをクローズドソースのAntigravity CLIへ移行するタイムラインとその意味
  • Google内部におけるエージェント型コーディングの採用規模と、それをめぐる公開論争
  • Swarmが単一エージェントより優れているとされる理由と、Orchestratorの3つの設計原則
  • AntigravityとMicrosoft、Anthropic、OpenAI、Cursor、Cognitionの製品ポジショニングの対応関係
  • Linus TorvaldsによるAntigravity使用事例が示すものと、この路線の主なリスク

インデックス:まず概念表と影響の概要で、基礎的な理解を築きます。本文の「客観的事実」パートでは、名称の由来、Google内部の採用データ、CLI移行、Antigravityの技術設計、競争環境、Linusの事例を順に整理します。「分析と判断」パートでは、Swarm哲学の合理性と限界、Googleの構造的な強み、リスク一覧を論じ、開発者に向けた実行可能な対応策を提示します。

google-antigravity-orchestrator-swarm-philosophy-ja-image-0


To Know:Google Antigravity の主要概念を理解する

概念 簡単な解説
Antigravity Google の AI エージェントコーディング製品群。App、IDE、CLI、SDK、Extensions をカバーします
import antigravity Python に内蔵されたイースターエッグ。実行すると xkcd 第353号の漫画が開き、Python で気軽に「飛び立つ」という意味が込められています
Agentic Coding(エージェントコーディング) AI がコードを補完するだけでなく、自律的に計画を立て、ツールを呼び出し、実行と反復を重ねてタスクを完了する方式
Orchestrator(オーケストレーター) タスクの分解、サブエージェントのスケジューリング、結果の集約を担う上位の制御コンポーネント
Swarm(スウォーム) 複数の専門化されたサブエージェントが並行して協調するモード。Antigravity では /swarm の形式で提供されます
有向グラフ実行 タスクフローをグラフ構造で組織し、分岐・マージ・ループ・ロールバックをサポートします。固定された線形ステップではありません
HITL(Human-in-the-Loop) 人間と機械の協調。重要なノードで人間がエージェントの出力を確認・承認・レビューします
MCP モデルコンテキストプロトコル。エージェントが外部ツールやデータソースへ統一的な方法で接続するための仕組みです
Prompt Injection 悪意あるコンテンツによって、エージェントに想定外の操作を実行させる攻撃手法

Google Antigravity の影響早見表

対象 主な影響
一般開発者 コーディングのスタイルが「コードを書く+AIに聞く」から「目標を記述する+エージェントの出力をレビューする」へと変わり、レビュー能力の重要性が高まります
Gemini CLI ユーザー オープンソース Gemini CLI の AI サブスクリプションサービスは 2026年6月18日 に終了しました。Antigravity CLI への移行、または他のツールへの切り替えが必要です
チームのテックリード モデル能力だけでなく、権限ポリシー、セキュリティ境界、ベンダーロックインのリスクを再評価する必要があります
オープンソースコミュニティ 中核ツールがオープンソースからクローズドソースへと移行し、コミュニティが参加・監査できる範囲が狭まります
主力言語以外を扱うエンジニア 言語や領域をまたぐ小規模ツール開発のハードルが明らかに下がります。Linus の事例が典型です

GoogleがAntigravityに賭ける客観的事実

Antigravityという名称の由来:Pythonのイースターエッグからプロダクト哲学へ

「反重力」という言葉は、Pythonコミュニティの古典的なイースターエッグに由来します。Pythonで import antigravity を実行すると、xkcd第353号の漫画が開きます。漫画では一人の人物が空を飛んでおり、相手が「どうやって飛べるのか」と尋ねると、その人物は「Python!」と答えます。Googleはこの名前を借用し、開発者を反復作業から「飛び立たせる」という意味を込めています。

プロダクトの位置づけから見ると、この名称はCopilot的なAI支援コーディングから、AIが自律的にタスクを完了するエージェント時代への転換を象徴しています。参考資料における技術ロードマップの進化は、次の3つの段階にまとめられます。

  1. Copilot時代(2021–2024):単行補完 → 複数行サジェスト → Chatサイドバー
  2. Agent時代(2024–2025):Devin、Cursor Agentに代表される自律エージェントとエージェントループ
  3. Swarm時代(2025–2026以降):Antigravity /swarmに代表されるマルチエージェント協業。目標は「仮想エンジニアリングチーム」

google-antigravity-orchestrator-swarm-philosophy-ja-image-1

Google 社内における Antigravity の導入規模と論争

Google のエンジニアリングディレクターである Addy Osmani 氏は、毎週 4 万人を超えるソフトウェアエンジニアがエージェント型コーディングを利用していると公表しました。同氏はまた、Google の従業員が社内版の Antigravity、Gemini CLI、カスタムモデル、skills、CLI、MCP を利用でき、Orchestrator、エージェントループ、仮想 SWE チームといったシステムもすでに社内で運用されていると述べています。

論争の発端は、元 Google エンジニアの Steve Yegge 氏による指摘でした。同氏は、Google 社内の AI 導入状況は従来企業と同程度であり、約 20% がヘビーユーザー、20% が利用を拒否、60% が基本ツールのみを利用していると主張しています。これに対し、Google DeepMind の CEO である Demis Hassabis 氏が自ら反応し、この投稿は「完全に誤りで、単なるクリックベイトにすぎない」と述べました。CEO 級の幹部がソーシャルメディアの投稿を直接論駁するのは珍しいことで、Google がエージェント型コーディングに関する言説をどれほど重視しているかが垣間見えます。

Gemini CLI から Antigravity CLI への移行

2026 年 5 月、Google は開発者ブログで、オープンソースの Gemini CLI(TypeScript 製、Apache 2.0 ライセンス)が 6 月 18 日をもって AI サブスクリプションサービスを終了し、ユーザーが全面的にクローズドソースの Antigravity CLI(Go 言語製)へ移行することを発表しました。本稿執筆時点の 2026 年 11 月には、この移行が完了してからすでに数か月が経過しています。

この移行には三つの明確な変化があります。技術スタックは TypeScript から Go へ、ライセンス形態はオープンソースからクローズドソースへ、位置づけはコミュニティでの実験から中核となる商用製品へと変わったのです。

Antigravity Orchestrator の3つの設計原則

資料をもとに整理すると、Antigravity の Orchestrator には3つの設計方針が見えてきます。

  • 線形フローではなくグラフ実行:従来のエージェントフレームワークの多くは Step 1 → Step 2 → Step 3 のように順番に実行しますが、Antigravity は有向グラフで実行し、分岐・マージ・ループ・ロールバックをサポートします。その鍵となる革新が「動的ノード」で、次のステップを事前にコンパイルするのではなく実行時に決定します。
  • 命令型ではなく宣言型:開発者はエージェントの能力・ツール・権限を定義し、タスクを具体的にどう遂行するかはエージェントが自律的に決定します。
  • HITL を一級市民として扱う:Policies システムの ask_user モード、ツール確認フロー(Tool Confirmation Flow)、完了後の Artifact Review を通じて、人間によるレビューをフローに組み込みます。

資料には、この考え方を示す宣言型設定のサンプルコードが示されています。

# 宣言型:エージェントの能力と権限を定義(資料用サンプルコードであり、完全な SDK の使い方ではありません)
config = LocalAgentConfig(
    system_instructions="You are an expert...",
    tools=[get_weather, search_code],
    policies=[deny("run_command"), allow("view_file")],
)
# エージェントがタスクの遂行方法を自律的に決定

この設定には「まず何をして、次に何をする」というステップの記述は一切なく、能力の範囲(tools)と権限の境界(policies)だけを定めています。コマンド実行を禁止し、ファイル閲覧を許可する——この「ホワイトリスト + ブラックリスト」の書き方が、HITL とセキュリティポリシーを実装する基盤になります。

google-antigravity-orchestrator-swarm-philosophy-ja-image-2

Antigravity と競合製品のポジショニング

競合他社 代表製品 Google の対抗製品
Microsoft / GitHub Copilot + Copilot Agent Antigravity IDE + Extensions
Anthropic Claude Code + Agent SDK Antigravity SDK + CLI
OpenAI Codex CLI + Swarm Antigravity /swarm + CLI
Cursor Cursor IDE Antigravity IDE(VS Code フォーク)
Cognition Devin Antigravity /swarm + Orchestrator

この表からわかるのは、Google が単一の競合相手だけを狙うのではなく、5つの製品ラインで各セグメントに一つずつ対応していることです。Antigravity IDE は VS Code のフォークをベースにしており、この点は Cursor と同じ路線です。

Linus Torvalds、Antigravity で Python を書く

2026年1月11日、Linus Torvalds は AudioNoise プロジェクトの README に、プロジェクト内の Python 製可視化ツールは「ほぼ vibe-coding で書かれたものだ」と記しました。本人によれば、Python よりもアナログフィルタのほうが詳しいくらいで、最初は「検索して見習う」書き方だったそうですが、その後は思い切って「中間業者、つまり自分自身を外す」ことにし、Google Antigravity を直接使ってオーディオサンプリングの可視化ツールを完成させたということです。その後、Simon Willison がブログでこの件を報じました。

Antigravity が顕在化させたセキュリティ問題

Simon Willison は2025年11月、Google Antigravity に潜むデータ漏洩リスクを分析した記事を公開しました。資料でも同様に、プロンプトインジェクションなどの攻撃対象領域が複数回にわたって実証されていると指摘されています。これは、エージェントがファイルの読み取り、コマンドの実行、Webページへのアクセスといった能力を備えた時点で、セキュリティ問題がもはや理論上の話ではないことを示しています。


Google が Antigravity に賭ける分析と判断

判断1:Swarm が解決するのは、シングルエージェントの構造的ボトルネック

シングルエージェントの限界は「モデルが十分に賢くない」ことだけではありません。むしろ構造の問題が大きいのです。コンテキストウィンドウには上限があり、複雑なタスクは検索・実装・テスト・ドキュメントといった複数の能力を同時に要求します。さらに長いタスクでは注意力の減衰やハルシネーションも起きやすくなります。大規模言語モデルのパラメータを増やすだけでは、この3つの問題を同時に解決するのは困難です。

Swarm のアプローチは、蜂群や蟻群の分散型コラボレーションにヒントを得たものです。大きなタスクを小さく分割し、各サブエージェントは狭い領域だけを担当します。並列実行が可能で、単一の障害点が全体を破綻させることもありません。次の表は、2つのモードの違いを比較したものです。

観点 シングルエージェント(Single Agent) スウォーム(Swarm)
コンテキストの圧力 すべての情報が1つのウィンドウに詰め込まれる 各サブエージェントは局所的なコンテキストのみを保持
専門化の度合い 1つのエージェントが多様な能力を兼ねる必要がある サブエージェントが単一の狭い領域に集中
実行効率 逐次処理のため、所要時間はタスク量に比例して増加 サブタスクが並列化され、全体の所要時間が大幅に短縮
フォールトトレランス 途中で失敗すると全体をやり直すことが多い 個々のサブエージェントの失敗は局所的にリトライできる
主なコスト 長いタスクにおける品質の劣化 スケジューリングのオーバーヘッド、結果の一貫性、コストの増加

ここで押さえておきたいのは、Swarm の優位性には条件があるということです。タスク自体が分割しにくく、サブタスク同士が強く結合している場合、並列化による調整コストがメリットを打ち消す可能性があります。だからこそ、Orchestrator の分割・統合能力がこの哲学の成立条件となり、Google がグラフ実行と動的ノードを中核に据えた理由もここにあります。

google-antigravity-orchestrator-swarm-philosophy-ja-image-3

判断その2:マルチモデルの階層化は Swarm の燃料

Swarm のもう一つの暗黙の前提は、モデルの多様性です。すべてのサブエージェントが最強で最も高価なモデルを必要とするわけではありません。コード検索やフォーマット整理といったタスクには軽量モデルが適しており、アーキテクチャ設計や難解なデバッグにこそフラッグシップモデルを呼び出す価値があります。素材では Gemini モデルマトリックスの Carbon / Neon / Hydrogen という階層戦略に言及しており、まさに Swarm に異なるグレードの「職種」を提供するものとなっています。

この考え方は Google のエコシステムに限りません。自前でマルチエージェントのフローを構築する開発者も、タスクの難易度に応じてサブエージェントに異なるモデルを割り当てられます。以下の表は汎用的な階層化の考え方で、モデル名は各プラットフォームが実際にサポートするリストに準じます。

サブエージェントの役割 能力要件 モデル選択の考え方 呼び出し方法の参考
タスク編成 / 計画 強力な推論、長いコンテキスト フラッグシップモデル APIYI apiyi.com の統一インターフェース
コード実装 コード能力が高く安定 コード性能に優れた主力モデル 同じ APIキーでモデル名を切り替え
検索 / 要約 / フォーマット 高速、低コスト 軽量モデル 従量課金で、高頻度のサブタスクに適す
結果レビュー 実装モデルとのクロス検証 異なるベンダーのモデル ベンダー間の比較で同源バイアスを低減

異なるベンダーのモデルでクロスレビューを行うのは、「同じモデルが自分自身をチェックする」といった盲点を減らす一般的な手法です。複数の SDK を導入せずにこの階層設計を検証したい場合は、OpenAI 互換の集約インターフェースを活用できます。以下は最小限のサンプルで、同じクライアントで異なるモデルを呼び出し、「実装 + レビュー」の2段階の協働を実現する方法を示します。

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI の OpenAI 互換インターフェース
)

def ask(model: str, prompt: str) -> str:
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}]
    )
    return resp.choices[0].message.content

# モデル名はプラットフォームのモデルリストで実際に利用可能な名前に置き換えてください
code = ask("gemini-2.5-pro", "用 Python 写一个读取 WAV 并绘制波形的函数")
review = ask("claude-sonnet-4-20250514", f"审查以下代码的潜在问题:\n{code}")
print(review)
完全なサンプルを見る:シンプルな「オーケストレーター + 並列サブエージェント」実装
import openai
from concurrent.futures import ThreadPoolExecutor

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI で複数のモデルに統一アクセス
)

# サブエージェントの役割 -> モデルマッピング(名称はプラットフォームが実際にサポートするものに準拠)
AGENTS = {
    "planner": "gemini-2.5-pro",
    "coder": "claude-sonnet-4-20250514",
    "reviewer": "gpt-4o",
}

def call(model: str, system: str, prompt: str) -> str:
    resp = client.chat.completions.create(
        model=model,
        messages=[
            {"role": "system", "content": system},
            {"role": "user", "content": prompt},
        ],
    )
    return resp.choices[0].message.content

def orchestrate(goal: str) -> dict:
    # 1. 計画:サブタスクに分解(1行に1つ)
    plan = call(AGENTS["planner"],
                "你是任务编排器,把目标拆成 3 个可独立完成的子任务,每行一个。",
                goal)
    subtasks = [s.strip() for s in plan.splitlines() if s.strip()][:3]

    # 2. 並列実行:Swarm 形式のサブエージェント
    with ThreadPoolExecutor(max_workers=3) as pool:
        results = list(pool.map(
            lambda t: call(AGENTS["coder"], "你是专注单一子任务的工程师。", t),
            subtasks))

    # 3. レビュー:人間によるレビューの前の自動クロスチェック
    merged = "\n\n".join(results)
    review = call(AGENTS["reviewer"],
                  "你是代码审查者,指出风险并给出修改建议。", merged)
    return {"subtasks": subtasks, "results": results, "review": review}

if __name__ == "__main__":
    out = orchestrate("实现一个音频采样可视化的命令行小工具")
    print(out["review"])

このサンプルは「計画 → 並列 → レビュー」の流れを最小限に模擬したもので、Antigravity の動的ノード、フォールバック、権限ポリシーは含まれていません。実際に本番環境で使う際には、失敗時のリトライ、結果のマージ検証、そして人間による確認ステップを追加する必要があります。

🚀 実践のヒント:マルチエージェントアーキテクチャを採用すべきか評価する前に、小規模なタスクで各モデルが各サブ役割でどのように力を発揮するかを実際にテストしてみてください。APIYI apiyi.com なら、1つの APIキーで Gemini、Claude、GPT などのモデルを呼び出せます。新規ユーザーには無料のテスト枠が用意されており、階層型アプローチの実現可能性を素早く検証するのに適しています。

判断3:Googleの構造的優位性は「フルスタック」にあり、単一領域ではない

モデルやIDEだけを見れば、Googleは唯一の選択肢ではありません。しかし、複数の要素を閉ループとしてつなげられる点は、競合他社にとって簡単には再現できない強みです。

  • 自社開発のGeminiモデル:エージェント用途に合わせて深く最適化でき、コストもより制御しやすい
  • Google Cloud:Vertex AI、Cloud Runがトレーニングから企業導入までの全工程をカバー
  • Chrome / Webエコシステム:ブラウザ拡張により、エージェントがWebページを「見て」「操作」できるため、ブラウザテストの場面で優位性が際立つ
  • 4万人超の内部ユーザー:エージェントコーディングの内部ベータテスト参加者としては非常に大規模で、フィードバックの閉ループが極めて短い
  • 検索とナレッジグラフ:エージェントがリアルタイム情報を取得できる
  • Gemini Spark:Antigravityのランタイム機能を一般ユーザーへ広げる

Gemini CLIからクローズドソースのAntigravity CLIへの移行は、Googleがフルスタック統合のために道を整えていると理解できます。オープンソースCLIはコミュニティでの実験に向いていますが、CloudやChrome、カスタムモデルとの深い連携、そしてそれに伴う商用化を支えるのは難しいでしょう。これは事実に基づく推測であり、Googleの公式発表では主に「移行とアップグレード」という表現が使われています。

判断4:Linusの事例の本当の意義は「領域をまたぐ成果」にある

Linusの事例はよく「大物によるお墨付き」と解釈されますが、より注目すべきは彼が使った場面です。自分が不慣れな言語で、自分が得意でない領域の支援ツールを作ること。「仲介者である自分自身を外す」という言葉は、エージェントが「支援」から「自律」へと変わることを正確に表しています。

一般の開発者にとっての示唆は、エージェントツールの最大の付加価値は必ずしも自分の主戦場で現れるとは限らず、「要件は分かるが実装には不慣れ」な周辺タスクにあるということです。ただし、Linus本人は非常に強い判断力を持ち、成果物が使えるかどうかを判断できます。この前提をすべての利用者が備えているわけではありません。

判断5:リスク一覧がAntigravityの天井を決める

GoogleがAntigravityに賭けるうえでは4種類のリスクに直面しますが、私たちはその影響の大きさは一様ではないと考えています。

  1. セキュリティ脆弱性(影響が最も直接的):プロンプトインジェクションやデータ漏洩については、すでに公開された分析があります。エージェントの権限が大きいほど、攻撃対象領域も広がります。ポリシーとHITLの設計によってリスクは軽減できますが、リスクを完全に消すことはできません。
  2. コアのクローズドソース化(信頼に影響):Gemini CLIがオープンソースからクローズドソースに変わったことで、一部のオープンソースコミュニティの開発者が様子見の姿勢を取る可能性があり、企業のセキュリティチームにとってもその動作を監査しにくくなります。
  3. エコシステムロックイン(企業の調達に影響):Google Cloudに深く結びつくと、AWSやAzureとの互換性が、マルチクラウドを前提とする企業にとって懸念材料になります。
  4. 製品の断片化(学習コストに影響):App、IDE、CLI、SDK、Extensionsという5つの製品ラインが並行して存在するため、学習曲線は比較的急になり、新しいユーザーはどこから始めればよいかを判断しにくくなります。

以下は予測です。今後しばらくの間、Antigravityが「Google内部で使いやすい」から「外部開発者の第一選択」へと進めるかどうかの鍵は、Swarmの性能指標ではなく、Googleがセキュリティと開放性について、より説得力のある答えを出せるかどうかにあります。

開発者はAntigravityの変化にどう対応すべきか

エージェント型コーディングツールを評価中の開発者やチームは、次のような取り組みを参考にできます。

  • レビュー能力を中核スキルと捉える:エージェントの产出が増えるほど、人間は「このコードは信頼できるか」を判断する必要があります。Artifact Reviewは形式だけの手続きにすべきではありません。
  • 最小権限から始める:宣言型ポリシーの考え方を参考に、コマンド実行はデフォルトで禁止し、必要に応じて項目ごとに許可していきます。
  • 単一ベンダーへの依存を避ける:オーケストレーションロジックと具体的なモデルを分離し、他社のモデルへ切り替える能力を確保します。APIYI apiyi.comのようなOpenAI互換の集約インターフェースを利用すれば、モデル名を変更するだけで切り替えられ、ロックインのリスクを抑えられます。
  • 分割可能なタスクから着手する:まずテスト生成、ドキュメント補完、スクリプトツールなど結合度の低いタスクでSwarmモードを試し、その後、徐々に対象範囲を広げていきます。

チームが今すぐAntigravityへ移行する予定はないものの、まずマルチモデル協調の方法で経験を積みたい場合は、前文のサンプルを使ってAPIYI apiyi.com上に小さなプロトタイプを構築できます。プラットフォームは従量課金なので、評価段階でのコスト管理に向いています。

Googleの今回の賭けは、本質的に一つの問いへの答えです。コードを書く主体が人間からエージェントの群れに変わる時、誰がスケジューリングのルール、権限の境界、レビューのプロセスを定義するのか。AntigravityはGoogleなりの答えを示しました。そしてその答えが業界標準になるかどうかは、今後、セキュリティ、開放性、使いやすさの面でどう進化するかにかかっています。


参考資料

  1. xkcd 353:import antigravity のイースターエッグに対応する漫画
    • リンク:xkcd.com/353
  2. Google デベロッパーブログ:Gemini CLI から Antigravity CLI への移行に関する公式発表
    • リンク:developers.googleblog.com/an-important-update-transitioning-gemini-cli-to-antigravity-cli
  3. Linus Torvalds AudioNoise README:Antigravity の使用に関する原文
    • リンク:github.com/torvalds/AudioNoise
  4. Simon Willison ブログ:Linus Torvalds の事例に関する報道
    • リンク:simonwillison.net/2026/Jan/11/linus-torvalds
  5. Simon Willison ブログ:Google Antigravity のデータ流出に関するセキュリティ分析
    • リンク:simonwillison.net/2025/Nov/25/google-antigravity-exfiltrates-data
  6. Simon Willison ブログ:Google I/O 2026 のレポート
    • リンク:simonwillison.net/2026/May/20/google-io

作者:APIYI 技術チーム
技術交流:APIYI(apiyi.com)のトップページからぜひお問い合わせください。多モデル接続に関する資料は、docs.apiyi.com のドキュメントセンターをご覧いただけます。

コメントする