Antigravity でローカル LLM を設定して活用する手順

Antigravity は強力なAI開発環境ですが、多くの開発者がクラウドベースのLLMサービスのコストとプライバシー面での懸念を抱いています。ローカルLLMをAntigravityで活用することで、これらの問題を一度に解決できます。

このガイドでは、Ollama や LM Studio などのローカルLLMランナーを使ってAntigravityを設定し、プライバシーを守りながら開発生産性を最大化する方法を完全に解説します。

ローカルLLMをAntigravityで使うメリット

1. プライバシー保護とデータセキュリティ

クラウドサービスを使わずにコード・ドキュメント・社内データをローカルで処理できます。機密情報が外部サーバーに送信されないため、企業や金融機関でも安心して利用できます。

2. コスト削減と無制限の活用

APIコール課金がないため、試験錯誤や大量のコード生成も月額無制限で実行できます。特にプロンプト調整や複数ファイルの並列処理では大幅なコスト削減が期待できます。

3. レイテンシー低減とオフライン対応

ネットワーク遅延がほぼゼロになり、レスポンスが効率的にになります。インターネット接続がない環境でも開発を続行できるため、飛行機や駅での作業も可能です。

4. カスタマイズと学習

モデルの微調整やファインチューニング、推論パラメータの自由な調整が可能です。Antigravity の Agent 機能と組み合わせることで、自分たちのワークフローに最適化されたAIアシスタントを構築できます。

5. Gemma 4 ローカル版への期待

Google の Gemma 4 がローカル実行版で提供されることが予想されており、高性能なオープンソースモデルを無料で活用する道が広がっています。

ローカルLLMランナーの選択肢比較

Antigravity でローカルLLMを使うには、まずLLMを実行するためのランナー（ソフトウェア）を選ぶ必要があります。主な選択肢を比較します：

Ollama（推奨）

特徴:

• セットアップが最も簡単（10分以内）
• Mistral・Llama 2・Neural Chat など多数のモデルに対応
• メモリ効率が良く、マシンスペックが限定的な環境でも動作
• コマンドラインからのシンプル操作

対応OS: macOS、Linux、Windows

推奨スペック: RAM 8GB以上（16GB あれば十分）

LM Studio

特徴:

• GUI が充実していて初心者向け
• ローカルAPIサーバー（互換 OpenAI API）を提供
• モデルの管理・切り替えが直感的
• ダウンロード・実行までの全手順が画面上で完結

対応OS: macOS、Linux、Windows

推奨スペック: RAM 16GB以上推奨

LocalAI

特徴:

• Docker対応でコンテナ環境に適している
• 複数モデルの同時実行が可能
• マイクロサービスアーキテクチャに統合しやすい

対応OS: すべての OS（Docker 環境）

推奨スペック: 要件は実行モデルに依存

簡易比較表

結論：多くの開発者にはOllamaが最適です。 セットアップの簡潔さ、パフォーマンス、コミュニティサポートのバランスが優れています。

Ollama を使ったローカルLLMのセットアップ

ステップ1: Ollama のインストール

公式サイト（ollama.ai）から、お使いのOSに対応したインストーラーをダウンロードします。

macOS:

# Homebrew でのインストール
brew install ollama
 
# または直接ダウンロード
# https://ollama.ai/download/mac にアクセスしてインストーラーを実行

Linux (Ubuntu/Debian):

# インストール
curl -fsSL https://ollama.ai/install.sh | sh
 
# サービス起動
sudo systemctl start ollama
sudo systemctl enable ollama

Windows: 公式サイトから Ollama-windows-installer.exe をダウンロードして実行します。インストール後、Ollama はバックグラウンドサービスとして自動起動します。

ステップ2: ローカルモデルのダウンロードと実行

Ollama をインストール後、ターミナルで以下のコマンドを実行してモデルをダウンロードします。最初のダウンロードは数分〜数10分かかります（モデルサイズに依存）。

# Mistral 7B（軽量・高速）のダウンロード
ollama pull mistral
 
# または Llama 2 13B（より高性能）
ollama pull llama2
 
# Ollama を起動してローカルAPIサーバーをリッスン開始
ollama serve

コマンド実行後、ターミナルには以下のメッセージが表示されます：

time=2026-04-09T10:00:00.000Z level=INFO msg="Listening on 127.0.0.1:11434"

Ollama はデフォルトで http://127.0.0.1:11434 でAPIサーバーをリッスンします。

ステップ3: モデルの動作確認

別のターミナルウィンドウで、ローカルモデルが正常に動作しているか確認します：

curl http://127.0.0.1:11434/api/generate \
  -d '{
    "model": "mistral",
    "prompt": "What is the capital of France?",
    "stream": false
  }' | jq '.response'

正常に動作していれば、JSON形式で回答が返されます：

{
  "response": "The capital of France is Paris."
}

Antigravity でローカルLLMを接続する設定手順

ステップ1: Antigravity の設定ファイルを開く

Antigravity を起動し、設定メニューから Settings → LLM Provider を開きます。

ステップ2: カスタムLLMプロバイダーを追加

「Add Custom Provider」をクリックして、以下の項目を入力します：

ステップ3: 接続テスト

「Test Connection」ボタンを押して、Antigravity がローカルモデルに正常に接続できるか確認します。テストが成功したら、「Save」を押して設定を保存します。

ステップ4: デフォルトプロバイダーとして設定

ドロップダウンメニューで Local Ollama を選択し、「Set as Default」をクリックします。以降、Antigravity のコード生成・補完機能は自動的にローカルモデルを使用するようになります。

おすすめモデルと用途別の使い分け

Mistral 7B（推奨・汎用）

特徴:

• サイズ: 約 4GB
• 速度: 高速（GPU 搭載 PC で数秒以内）
• 品質: 中程度（日本語対応は限定的）
• 用途: コード補完・簡単なコメント生成・簡易デバッグ

インストール:

ollama pull mistral

Antigravity での使用: コード補完や軽量なタスクに最適。メモリ使用量が少なく、バッテリー駆動環境でも安定動作します。

Llama 2 13B（バランス型）

特徴:

• サイズ: 約 7GB
• 速度: 中程度（GPU で 5〜10秒程度）
• 品質: 高い（Mistral より命令理解が正確）
• 用途: 複雑なコード生成・ドキュメント作成・エラー解析

インストール:

ollama pull llama2

Antigravity での使用: より複雑な開発タスク、複数ファイルの編集、エラーメッセージの深い分析に向いています。

Neural Chat（日本語対応）

特徴:

• サイズ: 約 4GB
• 速度: 高速
• 品質: 中程度（日本語対応が比較的良い）
• 用途: 日本語での説明・コメント生成

インストール:

ollama pull neural-chat

Antigravity での使用: 日本語のコメント生成や、日本語でのプロンプト指示を活用する場合に有効です。

Code Llama（コード特化）

特徴:

• サイズ: 約 7GB
• 速度: 中程度
• 品質: 非常に高い（コード理解が深い）
• 用途: 複雑なアルゴリズム実装・パフォーマンス最適化

インストール:

ollama pull codellama

Antigravity での使用: プロダクション品質のコード生成が必要な場面（複雑なアルゴリズム、セキュリティ考慮が必要なコード）での使用を推奨します。

選択ガイド

┌─ 開発タスクは何か？
│
├─ 「単純なコード補完」「簡易コメント生成」
│  → Mistral 7B（最も軽量・高速）
│
├─ 「バランスの取れた一般的なコード生成」「エラー解析」
│  → Llama 2 13B（推奨・バランス型）
│
├─ 「複雑なアルゴリズム」「セキュアなコード」
│  → Code Llama（コード特化）
│
└─ 「日本語でのやり取り」「日本語コメント」
   → Neural Chat（日本語対応）

Gemma 4 ローカル版との組み合わせ活用法

Google は近い将来、Llama 2・Mistral と競合できるオープンソースモデル Gemma 4 のローカル実行版をリリースする予定です。Gemma 4 は Google の AI 研究で培われた技術を含んでおり、特に以下の点で注目されています：

Gemma 4 の期待される特徴

• 日本語対応: Google の多言語NLPモデルを基盤としており、日本語テキスト生成が得意
• コード理解: Python・Java・JavaScript などのコード理解が深い
• 安全性: Google が安全性フィルターを組み込んでおり、意図しない出力を抑制

Antigravity での Gemma 4 ローカル活用

Gemma 4 ローカル版がリリースされた場合、以下の手順で Antigravity に統合できます：

# Gemma 4 がリリースされたら
ollama pull gemma:4b
# または
ollama pull gemma:13b
 
# Antigravity 設定で「gemma」を選択

Gemma 4 のローカル実行により、Google の高度な AI 能力を自分のマシンで無料・無制限に活用できるようになります。

トラブルシューティング：接続できない時の確認事項

症状1: 「API connection timeout」エラー

原因: Ollama サーバーが起動していない、または別のポート設定になっている

確認方法:

# Ollama プロセスが実行中か確認
ps aux | grep ollama
 
# ローカルで API への通信確認
curl http://127.0.0.1:11434/api/generate -d '{"model":"mistral","prompt":"test"}'

修正:

# Ollama サーバーを再起動
ollama serve

症状2: 「Model not found」エラー

原因: 指定したモデルがダウンロードされていない

確認方法:

# ダウンロード済みモデル一覧確認
ollama list

修正:

# 不足しているモデルをダウンロード
ollama pull mistral

症状3: 動作が極端に遅い（10秒以上かかる）

原因: CPU のみで実行されている（GPU が未利用）、またはメモリ不足

確認方法:

# Ollama ログで GPU 利用状況を確認
# macOS: Ollama メニューから「View Logs」
 
# メモリ使用量を確認
top  # または Activity Monitor

修正方法:

• GPU 未利用: Ollama が GPU を認識していない可能性があります。ドライバを最新化するか、llama.cpp の GPU 対応版を手動でビルドしてください。
• メモリ不足: より軽量なモデル（Mistral 7B）に切り替えるか、マシンのメモリを増設してください。

症状4: Antigravity が「localhost」接続を許可しない

原因: セキュリティ設定でローカルホスト通信がブロックされている

修正:

1. Antigravity の Preferences → Privacy → Local Network Access を確認
2. 「Allow local connections」にチェックを入れる
3. Antigravity を再起動

症状5: Windows で Ollama サービスが開始されない

原因: Windows Defender または他のアンチウイルスソフトが Ollama をブロック

修正:

1. Windows Defender → 「ウイルスと脅威の防止」を開く
2. 「除外」セクションで ollama.exe のパスを追加
3. Ollama サービスを再起動：net start ollama

実践例：マルチファイル編集でローカルLLMを活用

ここからは、実際にローカルLLMを使って複数ファイルの編集をAntigravityで行うワークフローを紹介します。

シナリオ：React コンポーネント群のリファクタリング

以下のファイルがあります：

• Button.jsx — 古い class component
• Input.jsx — 古い class component
• FormContainer.jsx — 両者を使う親コンポーネント

これらを全て関数コンポーネント + hooks に統一したいとします。

Step 1: ファイルをAntigravity で開く

Antigravity で対象の3ファイルを同時に開きます。ローカルLLM（Mistral 7B）を使うため、API 遅延がほぼゼロになり、複数ファイルの同時編集がスムーズです。

Step 2: 全体構造を分析

Antigravity の AI 分析機能で、3ファイルの関連性を一度に把握します。ローカルLLMのため、大量のトークン処理も無料・無制限です。

Antigravity AI Analysis:
- Button.jsx uses React.createClass (deprecated)
- Input.jsx also uses class component pattern
- FormContainer.jsx depends on both via prop drilling
- Recommendation: Convert to hooks, use useCallback for event handlers

Step 3: 自動リファクタリング実行

ローカルLLMに対して「全ファイルを関数コンポーネント + hooks に統一」というプロンプトを送ります。無料・無制限のため、試験錯誤も可能です。

Step 4: 差分確認と修正

リファクタリング結果を確認し、必要に応じて微調整します。すべてローカルで処理されるため、プライバシー・セキュリティの懸念がありません。

ローカルLLM活用のベストプラクティス

1. 用途に応じたモデル切り替え

# 軽量な補完タスク用
ollama run mistral
 
# 複雑なコード生成用
ollama run codellama

Antigravity 設定で、プロジェクトごとに使用モデルを変更することもできます。

2. プロンプト最適化

ローカルLLMは API 課金がないため、同じプロンプトで何度も試行できます。以下のテンプレートを参考にしてください：

「以下の関数を TypeScript で書き直して。型定義を含める。」
[コード]

→ より詳細には：

「以下のJavaScript 関数を TypeScript に変換してください。
- 厳密な型チェックを有効（strict: true）
- 戻り値の型を明示
- 関数の入力パラメータも型定義」

[コード]

より詳細なプロンプトの方が、ローカルLLMでも品質の高い出力が得られます。

3. GPU メモリ管理

複数のモデルを切り替える場合、不要なモデルはメモリから解放します：

# 実行中のモデルを停止（メモリ解放）
pkill -f ollama
 
# または特定のモデルのみ再ロード
ollama run mistral

4. オフライン開発の活用

ローカルLLM は完全にオフラインで動作するため、飛行機・電車での作業に最適です。Wi-Fi がない環境でも開発生産性を維持できます。

全体を振り返って

ローカルLLMをAntigravityで設定することで、以下が実現できます：

• プライバシー保護: すべてのコード・データがローカルで処理
• コスト削減: APIコール課金なし・無制限の試行錯誤
• レスポンス向上: ネットワーク遅延ほぼゼロ
• オフライン対応: インターネット不要な開発環境
• カスタマイズ性: モデルの微調整・パラメータ調整が可能

Ollama を使えば、わずか10分でセットアップを完了でき、その日からローカルLLM活用を始められます。Gemma 4 のローカル版リリースを見据えつつ、今からローカルLLM環境を構築し、プライバシー重視の開発スタイルをAntigravityで実現してください。

次のステップ: Antigravity マルチエージェントシステム完全実装ガイドで、ローカルLLMを複数エージェント間で活用する方法を学びます。