Antigravity 4サーフェスを1案件で組み合わせる — SDKで自作エージェントを動かすまで
Antigravity 2.0・CLI・IDE・SDK を1つの案件の中でどう使い分け、どう橋渡しするか。設計の発散から本番の収束、そして Python SDK で小さなカスタムエージェントを動かすところまでを、実際の運用フローに沿って実装込みで解説します。
PyTorch・CUDAインストールエラーの直し方 — torch.cuda.is_available()がFalse・バージョン不一致の解決【2026】
torch.cuda.is_available() が False になる、CUDA バージョンが合わないといった PyTorch 環境構築のエラーを解決する2026年版の手順です。原因の分析からステップごとの解決、Antigravity IDE での管理効率化、予防策まで扱います。
Managed Agents API のバッチを、途中で落ちても作り直さない形にした記録
Managed Agents API で 200 件規模のバッチを回すと、途中失敗のたびに前半をやり直してトークンを溶かしていました。チェックポイントと冪等キーを足して、落ちた箇所から再開できるようにした設計と実装をまとめます。
Managed Agents API を動かして考えた、クラウド実行と手元実行の境界線
Gemini API の Managed Agents(公開プレビュー)を Python から起動し、ポーリング・アーティファクト回収・コストガードまで実装した記録です。手元の CLI エージェントとの使い分け基準も5項目にまとめました。
Antigravity × Gemma 4 API 実践実装ガイド — Python・TypeScript コード例でゼロから構築
AntigravityでGemma 4 APIを実際に呼び出す方法を、Python・TypeScriptのコード例付きで徹底解説。APIキー設定からストリーミング実装、エラーハンドリングまで、開発現場ですぐ使える実践ガイドです。
Gemma 4 生成コードで出るランタイムエラー4パターンと修正手順 — Antigravity 実践
AntigravityでGemma 4が生成したコードにランタイムエラーが出るとき、パターン別の原因診断と修正手順を解説します。TypeError・AttributeError・asyncio・import衝突の4パターンを実例付きで整理しています。
Antigravity で「参照の検索(Find References)」が抜ける・空になる時の修正手順
Antigravity IDE の Find References が空のまま結果を返さない、あるいは一部のファイルだけ抜ける現象を、TypeScript・Python・モノレポの典型パターン別に診断して直す手順をまとめました。
Google ADK でマルチエージェント・ワークフローを設計する実践ガイド
Google Agent Development Kit を使い、複数のエージェントが協調して複雑なタスクをこなすワークフローを設計・実装します。オーケストレーターとサブエージェントの役割分担、状態管理、エラー伝播の扱い方を実例で解説します。
Antigravity で Python の仮想環境が認識されない — import が赤いまま消えないときの切り分け
Antigravity で venv・Poetry・uv・Conda の仮想環境が認識されず、import に赤線が出る原因を切り分けます。ターミナルとエディタのインタープリターのズレを確かめる手順と、ツール別の直し方をまとめました。
Antigravityで『uv add transformers』が通らない時の見落としやすい原因と対処法
Antigravity上のPythonプロジェクトでuv add transformersが失敗する、あるいは追加後もImportErrorになる時に確認すべきポイントを、実際に詰まった順序で整理します。
Antigravity × Gemini File API で長時間メディアを AI に読ませる実装ガイド — 動画・音声・PDFの要約とハイライト抽出パイプライン
Gemini File API を活用し、1時間を超える動画・音声・PDFを Antigravity のエージェントから扱う本格運用ガイド。アップロード設計、タイムスタンプ付きハイライト抽出、保持期間・コストの扱いまで実装レベルで解説します。
Antigravity の AI エージェントを Langfuse で観測する — 本番投入前にやっておきたい可視化設計
Antigravity で組んだ AI エージェントを本番に出す前に、Langfuse を使ってトレース・トークン消費・コストを可視化する設計を、実際に動く Python コードと失敗談付きで解説します。