Google Antigravity: Como Conectar Rules, Skills e Workflows para Agentes de IA Confiáveis

Google Antigravity está transformando gradualmente um assistente de IA de uma ferramenta de autocompletar em um agente de engenharia personalizável: em vez de sugestões únicas, o desenvolvedor fornece regras de trabalho, habilidades individuais e cenários prontos, e depois inicia um processo de QA repetível com um único comando. Na prática, isso significa que revisão de código, refatoração e geração de testes podem ser montados em um pipeline local sem orquestradores externos e sem supervisão manual constante em cada etapa. A ideia chave gira em torno de três entidades.

Rules estabelecem restrições básicas para o agente: estilo de código, práticas aceitas e estrutura tecnológica do projeto. Skills funcionam como pacotes de conhecimento reutilizáveis para uma tarefa específica, como revisão, implantação ou escrita de testes. Workflows vinculam tudo isso a uma sequência de ações que pode ser invocada com um comando de barra.

Na documentação do Google, workflows são comparados a prompts salvos, e rules são comparados a instruções do sistema. Essa estratificação é necessária para que o agente não puxe todo o conjunto de instruções para o contexto de uma vez e conecte instruções especializadas apenas conforme necessário.

Separadamente, o Google aposta em revelação progressiva. Uma skill não fica pendurada permanentemente no contexto do modelo: primeiro, o agente vê apenas uma breve descrição da skill, e puxa as instruções completas apenas quando a tarefa realmente corresponde ao seu propósito. Isso reduz a sobrecarga de ferramentas e regras desnecessárias, diminui a latência e ajuda a evitar que o comportamento do modelo se torne difuso.

A skill em si pode ser mais do que apenas uma nota de texto—pode ser uma pequena pasta de projeto com um arquivo SKILL.md, scripts adicionais, materiais de referência e assets. Skills podem ser armazenadas globalmente para todos os projetos ou localmente dentro de um workspace específico se estiverem vinculadas ao stack e aos processos de uma única equipe.

O cenário prático discutido para Antigravity é bastante realista: verificação de QA do código Python. No workspace, as pastas .agents/rules e .

agents/skills são criadas, após o qual uma regra é adicionada para Python com requisitos PEP 8, uso de black para formatação e restrições em dependências de código aberto gratuito. Esta regra pode ser aplicada a uma máscara glob para todos os arquivos .py de modo que se aplique automaticamente a qualquer código Python.

Separadamente, uma skill é criada para geração de testes: reside em seu próprio diretório, contém um arquivo SKILL.md obrigatório e descreve como o agente deve escrever cobertura para código já verificado. Esta abordagem torna a configuração modular: padrões de projeto vivem separados de comandos únicos no chat.

No topo desses blocos, um workflow é montado com um nome como qa-check. Nele, o agente é sequencialmente encarregado de abrir o arquivo Python atual, encontrar bugs e violações de estilo, simplificar seções ineficientes se necessário, então chamar a skill de teste e finalmente exibir testes unitários prontos com uma recomendação para executar pytest no terminal. Para demonstração, uma função de divisão intencionalmente negligente é usada com formatação inadequada e sem tratamento de divisão por zero.

Após executar o workflow, o agente não apenas reescreve o código de forma mais organizada, mas também propõe um conjunto de testes para valores normais, negativos e fracionários, bem como um caso separado para divisão por zero com um erro esperado. Este é um ponto importante: Antigravity aqui não se limita a refatoração cosmética, mas leva a tarefa a um resultado verificável, onde a qualidade é confirmada pela lógica de teste.

Esta abordagem tem duas consequências práticas. Primeiro, as equipes podem montar rituais de engenharia repetíveis dentro da IDE sem uma camada de automação separada sobre o editor. Segundo, o agente de IA começa a funcionar não como um interlocutor universal, mas como um executor especializado com uma zona clara de responsabilidade. Para o desenvolvimento, isso significa menos troca manual entre revisão, correções e testes, e para o Google, outro passo em direção a tornar Antigravity competir não apenas com assistentes de código, mas com ambientes de trabalho baseados em agentes inteiros.