Google Antigravityチーム開発ガイド｜AI協業の実践

📚 この記事は「Google Antigravity 完全攻略シリーズ」の Episode 10 です。

AIコーディングツールの進化により、開発チームのあり方が変わりつつあります。Google Antigravityは単なるコード補完ツールではなく、AIをチームメンバーとして迎え入れる設計思想で作られています。

本記事では、Antigravityのチーム開発・コラボレーション機能を、SES現場での実践例とともに詳しく解説します。

Antigravityが変えるチーム開発のあり方

Antigravityのチーム開発アーキテクチャ：Agent Skills→マルチエージェント→Artifacts→品質保証

「人がコードを書く場所」から「エージェントが実行する場所」へ

従来の開発環境は「人がコードを書く場所」として設計されていました。IDEやエディタは人間の入力を前提とし、レビューもすべて人間が行います。

Antigravityは異なるパラダイムを提案しています。

人間 — 方針決定、レビュー、承認を担当
AI — コード生成、テスト作成、リファクタリングを担当
Artifacts — AIの作業結果を客観的に検証

この分業により、SES案件でよくある人員不足の状況でもチームの生産性を維持できます。

AIをチームメンバーとして迎える設計思想

Antigravityでは、AIエージェントに対して以下のように「チームの一員」としての振る舞いを定義できます。

コーディング規約の遵守 — プロジェクト固有のルールを学習
ドメイン知識の理解 — ビジネスロジックのコンテキストを保持
過去の決定の尊重 — 以前のレビューフィードバックを反映

マルチエージェント並列処理の活用

非同期タスク実行の仕組み

Antigravityの/runコマンドで、複数のタスクを非同期に実行できます。

# バグ修正と新機能開発を同時進行
antigravity /run "認証モジュールの脆弱性を修正して" --branch fix/auth-vuln &
antigravity /run "ユーザーダッシュボードにグラフ表示を追加して" --branch feature/dashboard-charts &
wait

各タスクは独立したブランチで実行されるため、コンフリクトの心配がありません。

バグ修正と新機能開発の同時進行

SES現場の典型的なシナリオ — スプリント中にバグ報告が入っても、新機能開発を止める必要がありません。

実践的なワークフロー：

メイン作業 — エンジニアが新機能の設計・実装に集中
バグ修正 — Antigravityエージェントがバグ修正ブランチで対応
テスト — 別のエージェントがテストケースを自動生成
レビュー — エンジニアが両方の結果をレビュー

この体制により、実質的にチームの生産性が2〜3倍に向上するケースも報告されています。

Agent Skillsによるチーム知識の共有

属人化知識のAIへの移転

SES業界最大の課題の一つが属人化です。特定のエンジニアしか知らないコードや仕様が、契約終了とともに失われるケースは珍しくありません。

Agent Skillsを使えば、属人化していた知識をAIに「教える」ことができます。

# Agent Skill: 決済システムの仕様

## バッチ処理のルール
- 毎日23:00にバッチ実行
- 処理対象は当日15:00までの注文
- エラー時は3回までリトライ（5分間隔）
- 3回失敗した場合はSlackの#alertsチャンネルに通知

## 外部APIとの連携
- 決済ゲートウェイのタイムアウトは30秒
- リトライはべき等キーを必ず付与

このSkillをプロジェクトに保存しておけば、新しいエンジニアが参画した際にもAIが仕様を説明できます。

開発プロセスの標準化

Agent Skillsでチームの開発プロセスを定義し、AIにも遵守させることができます。

# Agent Skill: コードレビュー基準

## 必須チェック項目
1. ユニットテストのカバレッジ80%以上
2. 型安全性（any禁止）
3. エラーハンドリングの網羅
4. ログ出力の統一フォーマット
5. SQLインジェクション対策

## 命名規則
- コンポーネント: PascalCase
- 関数: camelCase
- 定数: UPPER_SNAKE_CASE
- ファイル: kebab-case

Artifacts — AI生成コードの信頼性確保

客観的な証拠としてのArtifacts

AI生成コードへの「信頼」は、SES現場での導入障壁の一つです。Artifactsは、AIの作業結果を客観的な証拠として記録する仕組みです。

Artifactsには以下が含まれます。

変更したファイルの一覧とdiff
実行したテストの結果
参照した情報源
意思決定の根拠

これにより、「AIが何を考えてこのコードを書いたのか」を後から追跡できます。

コードレビュープロセスへの統合

Artifactsを既存のコードレビューフローに統合する方法です。

PR作成時 — ArtifactsをPRの説明欄に自動添付
レビュー時 — AIの判断根拠をArtifactsで確認
承認後 — Artifactsをドキュメントとして保存

SES現場でのクライアント報告にも、Artifactsを「作業ログ」として活用できます。

チームでのAntigravity導入ステップ

パイロットプロジェクトの選定

いきなり全プロジェクトに導入するのはリスクが高いため、以下の基準でパイロットプロジェクトを選定します。

基準	推奨	非推奨
規模	中規模（5-15ファイル/変更）	大規模レガシー
リスク	社内ツール、管理画面	本番決済システム
テスト	テストが充実している	テストなし
チーム	AI活用に前向き	変化に抵抗感あり

ガイドラインとルール策定

チームでAntigravityを使う際のガイドラインを明文化しましょう。

必須ルール例：

AI生成コードは必ず人間がレビューする
full-autoモードは社内ツールのみ、本番コードはsuggestモード
機密情報（APIキー、顧客データ）をプロンプトに含めない
Artifactsは必ずPRに添付する

他ツールとの併用戦略

1チームで複数のAIコーディングツールを使い分けるケースも増えています。

タスク	推奨ツール	理由
大規模リファクタリング	Antigravity	マルチエージェント並列処理
セキュリティ監査	Claude Code	深い推論能力
日常のコード補完	GitHub Copilot	エディタ統合
スクリプト生成	Codex CLI	軽量・高速