ดาวน์โหลด 🚀

คู่มือการใช้งานระบบนิเวศ Antigravity 2.0

สัมผัสเทคโนโลยีการเขียนโค้ดแห่งอนาคต ปรับเปลี่ยนจาก Chatbot แบบเดิมๆ สู่การสั่งงานระบบ AI Agent ที่คิดและทำงานได้ด้วยตนเองเต็มรูปแบบ

ทดลองรันตัวจำลอง (Simulator) ⚡ เอกสารเป็นทางการ (Official Docs) 🌐

ศัพท์พื้นฐานที่ควรรู้ก่อนเริ่มต้น (Basic Terminology)

AI Agent (เอเจนต์ AI) คืออะไร?

แตกต่างจาก AI Chatbot ทั่วไป (เช่น ChatGPT, Gemini หน้าเว็บธรรมดา) ที่ทำได้เพียงรอรับคำสั่ง (Prompt) และพิมพ์ตอบโต้กลับมาเป็นข้อความ แต่ AI Agent คือระบบปัญญาประดิษฐ์ที่ถูกโปรแกรมให้มี "เป้าหมาย (Goal)" และสามารถวางแผน ตัดสินใจ เลือกใช้เครื่องมือภายนอก (เช่น สั่งแก้ไฟล์, ค้นหาเว็บ, รันคำสั่ง Terminal) และทำงานอย่างเป็นลำดับขั้นตอนด้วยตัวมันเองจนกระทั่งบรรลุเป้าหมายที่ตั้งไว้

การทำงานแบบ Autonomous คืออะไร?

คือ ความสามารถของ AI Agent ในการ "ตัดสินใจและดำเนินงานโดยอัตโนมัติ" โดยไม่ต้องผ่านการคอมเมนต์ยืนยันจากมนุษย์ในทุกคลิก เมื่อเกิดปัญหาขึ้นระหว่างการเขียนโค้ดหรือรันโปรแกรม ตัว Agent จะสามารถอ่านข้อผิดพลาด (Error Trace) จากนั้นทำการวิเคราะห์ ปรับปรุงแผนการ และทดลองวิธีการแก้ไขรูปแบบใหม่ได้ด้วยตนเอง

เครื่องมือทั้ง 4 ของระบบนิเวศ Antigravity 2.0

APP

Antigravity 2.0 (Desktop App)

แอปพลิเคชัน GUI หน้าต่างควบคุมส่วนกลางบนเดสก์ท็อป ช่วยให้สามารถสร้าง ติดตาม และประสานการทำงานของ Subagents หลายตัวพร้อมกันแบบเห็นภาพชัดเจน

สำหรับ: ทั่วไป / ผู้บริหาร / ติดตามงาน
CLI

Antigravity CLI

อินเทอร์เฟซคำสั่งระดับสูงผ่าน Terminal (สร้างด้วยภาษา Go) เหมาะสำหรับนักพัฒนาที่ถนัดใช้คีย์บอร์ด หรือต้องการรัน Agent ในเซิร์ฟเวอร์ และท่อส่ง CI/CD pipeline

สำหรับ: Developers / DevOps / SysAdmins
SDK

Antigravity SDK

ชุดพัฒนาโปรแกรม (ซอฟต์แวร์ไลบรารีภาษา Python/Node.js) ทำให้นักพัฒนาสามารถเขียนโค้ดโปรแกรมเพื่อสร้าง แก้ไข และควบคุมพฤติกรรมของ Agent ได้ในโปรแกรมของตัวเอง

สำหรับ: Software Engineers / AI Engineers
IDE

Antigravity IDE & IDL

เอดิเตอร์เขียนโค้ดเต็มระบบ (Fork จาก VS Code) ที่ทำหน้าที่เป็นเวิร์กช็อปที่มี Agent คอยเขียนโปรแกรมอยู่ข้างๆ ร่วมกับการใช้ IDL (เช่น MCP) เพื่อนิยามโครงสร้างข้อมูลการเชื่อมโยงระบบ

สำหรับ: Fullstack Developers / Architects

ตารางเปรียบเทียบความแตกต่าง Comparison Matrix

เครื่องมือ รูปแบบอินเทอร์เฟซ (UI) กลุ่มเป้าหมายผู้ใช้ จุดเด่นการใช้งาน ข้อจำกัด / สภาพแวดล้อม

Antigravity 2.0 (App)

Desktop GUI 		กราฟิกแสดงผล (หน้าต่างแอปเดสก์ท็อป) มีแผนผังย่อยแสดงงาน โปรเจกต์เมเนเจอร์, ผู้ออกแบบระบบ, นักพัฒนาทั่วไป ควบคุม Agent ย่อย (Subagents) พร้อมกันหลายตัว มองเห็นสถานะการทำงานเป็นกระดาน Kanban แดชบอร์ดง่ายตา ต้องรันบนเครื่อง Local เดสก์ท็อปส่วนตัว (Windows/macOS/Linux) ไม่สามารถรันแบบ Headless ได้

Antigravity CLI

Terminal / TUI 		หน้าต่างคำสั่งสีขาวดำ (หรือสีสันใน Terminal), แป้นพิมพ์ วิศวกร DevOps, ผู้ดูแลระบบ, นักพัฒนาสายคีย์บอร์ดรวดเร็ว ทำงานได้เร็วมาก, รองรับการทำงานในระบบคลาวด์/เซิร์ฟเวอร์รีโมตผ่าน SSH, สั่งเปิดงานจบในคำสั่งบรรทัดเดียว ไม่มีกราฟิกสวยงามให้ดู ต้องจำคำสั่งพารามิเตอร์ต่างๆ เอง

Antigravity SDK

Programmatic API 		ไลบรารีโค้ด (Python, Node.js API) ไม่มี UI ของตัวเอง นักพัฒนาแอปพลิเคชัน, AI/ML Engineers, ผู้สร้างบอตอัตโนมัติ ควบคุมการสั่งงานในระดับลึก สามารถดักฟังข้อมูลเหตุการณ์ (Event Hooks) สั่งรัน Agent ตามอีเวนต์โปรเจกต์ เช่น เมื่อพบบั๊ก จำเป็นต้องเขียนโปรแกรมภาษาคอมพิวเตอร์เป็นเพื่อสั่งงาน ไม่เหมาะกับผู้ใช้ทั่วไป

Antigravity IDE & IDL

Integrated Dev Env 		หน้าต่างโปรแกรมเขียนโค้ด (VS Code Fork) และไฟล์ IDL Schema นักพัฒนาเว็บแอป, สถาปนิกซอฟต์แวร์ (Software Architects) พิมพ์โค้ดไปพร้อมกับการแชตคุยกับ Agent สามารถสั่งแก้ไฟล์ข้ามโปรเจกต์ และใช้ IDL/MCP เชื่อมโยง Agent กับฐานข้อมูลคลังภาพ กินทรัพยากรเครื่องค่อนข้างมากเนื่องจากเปิดพอร์ตแก้ไขไฟล์และรันตัวตรวจสอบไวยากรณ์ตลอดเวลา

แดชบอร์ดทดลองการสั่งงานจำลอง Interactive Simulator

จำลองการสั่งงานบน Antigravity 2.0 (Desktop App)

กดที่ปุ่มจำลองเพื่อดูการประสานงานของ Agent หลักและ Subagents ย่อยในการพัฒนาฟีเจอร์อย่างต่อเนื่องผ่านหน้าต่างจำลอง

Antigravity 2.0 - Agent Manager Dashboard
[คลิกปุ่มเพื่อเริ่มระบบจัดการการทำงานของเอเจนต์]

จำลองการสั่งงานบน Antigravity CLI

กดที่ปุ่มจำลองเพื่อดูการสั่งงานค้นหาและซ่อมแซมซอร์สโค้ดอัตโนมัติบน Command Line

cmd.exe - PowerShell
[รอรันคำสั่ง Antigravity CLI...]

จำลองการสั่งงานบน Antigravity SDK

กดที่ปุ่มจำลองเพื่อรันสคริปต์ที่นักพัฒนาเขียนโปรแกรมขึ้นมาเพื่อเชื่อมโยง SDK ตรวจสอบซอร์สโค้ดบน GitHub

python build_pipeline.py
[รอเรียกใช้สคริปต์ API Python...]

จำลองการสั่งงานบน Antigravity IDE & IDL Schema

กดที่ปุ่มจำลองเพื่อดูการซิงโครไนซ์โค้ดตามรูปแบบ Interface Definition (IDL) ผ่านโปรโตคอล Model Context Protocol (MCP)

Antigravity IDE Console (MCP Link)
[รอการประสานงานบนโปรโตคอลแก้ไขโค้ด...]

ตัวอย่างการใช้งานจริง Real-world Use Cases (อย่างละ 3 ตัวอย่าง)

ตัวอย่างที่ 1

การเขียนโค้ดประสานงานหลาย Agent (Multi-Agent Coordination)

นักพัฒนาตั้งเป้าหมายในแอปพอร์ทัลเพื่อย้ายฐานข้อมูล (Database Migration) แอปฯ จะแตกงานให้ Lead Agent วางแผน ขณะที่ Sub-agent อีกตัวอัปเดตโมเดลโครงสร้างข้อมูล และอีกตัวเขียน Unit test เฝ้าตรวจสอบกระบวนการทั้งหมดแบบขนานกัน

ตัวอย่างที่ 2

งานที่ต้องรันเบื้องหลังเป็นเวลานาน (Background Long-Running Tasks)

สถาปนิกตั้งเวลาในแอปเดสก์ท็อปให้ทำการตรวจสอบความปลอดภัยของซอร์สโค้ด (Security Audit) ใน Repository ทุกคืนตอนเวลา 02:00 น. ตัว Agent จะทำการเปิดสแกนช่องโหว่และส่งสรุปผลการแก้ไขพร้อมเสียงเตือนข้อความเตือนเมื่อผู้ใช้เข้าตื่นนอนทำงานตอนเช้า

ตัวอย่างที่ 3

จัดการงานข้ามหลาย Workspaces (Cross-Workspace Management)

เมื่อมีการอัปเดต API ในส่วนของ Backend นักพัฒนาสามารถเรียกใช้งาน Agent ผ่าน Desktop Dashboard ให้ทำงานเข้าจัดการแก้ไขไฟล์ประเภทข้อมูล API Schema ฝั่งเซิร์ฟเวอร์ และนำผลการปรับรูปแบบข้ามระบบไปปรับแก้ API Client ในฝั่ง Frontend ที่อยู่คนละ Repository อัตโนมัติ

ตัวอย่างที่ 1

การสั่งงาน Agent ภายในท่อส่ง CI/CD Pipeline (Headless Execution)

นักพัฒนาเพิ่มขั้นตอนในไฟล์ YAML ของ Jenkins/GitHub Actions โดยใช้คำสั่ง antigravity run "refactor database queries" เพื่อตรวจสอบและคอมมิตแก้ไขคำสั่ง SQL ที่ไม่มีประสิทธิภาพในคอนเทนเนอร์เซิร์ฟเวอร์โดยตรงก่อนขึ้นระบบจริง

ตัวอย่างที่ 2

การแก้ไขไฟล์บนโปรแกรมจำลองภายนอกผ่าน SSH (Remote Maintenance)

ผู้ดูแลระบบทำการเชื่อมต่อ SSH เข้าไปยังเซิร์ฟเวอร์ของระบบแอป พิมพ์คำสั่ง antigravity run "fix Nginx configuration syntax" เพื่อให้เอเจนต์สืบค้นหาสาเหตุที่ตั้งค่าไม่ถูกต้องและแก้ไขตัวเขียนตั้งค่าจนระบบเปิดใช้งานกลับมาได้ปกติ

ตัวอย่างที่ 3

การเขียนสคริปต์รันอัตโนมัติ (Automation Shell Scripts)

เขียนไฟล์สคริปต์ Bash ตรวจสอบระบบงานเซิร์ฟเวอร์ เมื่อตรวจพบบัญชีข้อผิดพลาดสูงผิดปกติ ให้ยิงทริกเกอร์เรียก CLI ส่งสรุปข้อผิดพลาดล่าสุด ให้เอเจนต์ช่วยสืบค้น ร่างโค้ดแก้ไข และแจ้งเตือนผ่านช่องทางควบคุม

ตัวอย่างที่ 1

ระบบดักพบบั๊กและซ่อมแซมโค้ดผ่าน Slack (Slack Debug Agent)

สร้างบอตภาษา Python เรียกใช้ Antigravity SDK เมื่อพบบั๊กเกิดขึ้นในแอป ผู้ใช้กดเรียกแอปผ่านแชต Slack ตัว SDK จะทริกเกอร์สร้าง Agent เข้าไปดึงซอร์สโค้ดจาก git มาแก้ไขปัญหา และทำ Pull Request ส่งคืนแก้ไขทันที

ตัวอย่างที่ 2

ตัวช่วยรีวิว Pull Request แบบอัตโนมัติ (Automated PR Reviewer)

เขียนโค้ดหลังบ้านเรียกใช้ SDK ตรวจจับ GitHub Webhooks ทุกครั้งที่มีผู้ส่งการแก้ไขโค้ดใหม่ (PR) ตัว SDK จะรันโค้ดเรียกใช้งานเอเจนต์เพื่อเช็กข้อผิดพลาด ล็อกการทำงาน และเขียนข้อเสนอแนะในการปรับปรุงโค้ดลงบน GitHub Line Comments ทันที

ตัวอย่างที่ 3

ระบบสั่งแก้โค้ดด้วยการสนทนาผ่านเสียง (Voice-Enabled Coding Assistant)

นักพัฒนาพัฒนาแอปพลิเคชันส่วนตัวที่ดักฟังคำสั่งเสียง แปลงคำสั่งผ่านโมเดลรับเสียง จากนั้นป้อนข้อมูลไปยัง SDK ส่งผลประมวลผลแก้โค้ด พัฒนาระบบงานในโฟลเดอร์เครื่องได้โดยไม่ต้องพิมพ์บนคีย์บอร์ดสักคำเดียว

ตัวอย่างที่ 1

การปรับโครงสร้างซอร์สโค้ดพร้อมกันข้ามหลายไฟล์ (Cross-File Refactoring)

ผู้ใช้ทำการแก้ไขฟิลด์ข้อมูลฐานข้อมูลในโมเดลหลักผ่านช่องแชตบนแถบข้างเอดิเตอร์ IDE เอเจนต์สแกนแผนผังโค้ดทั้งหมดแล้วเข้าไปทำการแก้ไขโครงสร้างและประเภทตัวแปรบนไฟล์ Controller, Service, และไฟล์ API ที่เกี่ยวข้องทุกจุดอัตโนมัติ

ตัวอย่างที่ 2

ตัวเสนอแนะโค้ดตามความเชื่องโยงข้ามแท็บ (Context-Aware Auto-Complete)

เนื่องจากตัว IDE มีการทำงานของ Agent ที่ช่วยแชร์คอนเท็กซ์ข้ามไฟล์ ขณะนักพัฒนาเขียนโค้ดจะได้รับคำสั่งแนะนำ (Tab completion) ที่ไม่ได้อ้างอิงแค่ไฟล์ปัจจุบัน แต่ประมวลผลคำนวณข้อมูลจากทุกไฟล์ที่เกี่ยวข้องและแท็บที่เปิดอยู่ด้านบน

ตัวอย่างที่ 3

นิยามเชื่อมต่อเครื่องมือภายนอกด้วย IDL / Model Context Protocol (MCP)

ผู้ใช้กำหนดข้อกำหนดความปลอดภัยของอินเทอร์เฟซ (IDL) หรือจัดทำระบบเชื่อมโยงข้อมูลหลังบ้านผ่าน MCP Schema ทำให้เอเจนต์ใน IDE สามารถรู้และเรียกใช้เครื่องมือในองค์กร เช่น ดึงตารางจาก SQL DB มาร่างโค้ดได้อย่างถูกต้องและปลอดภัย

คู่มือขั้นตอนการติดตั้ง Getting Started Guide

1

ดาวน์โหลดโปรแกรมตัวติดตั้ง

ไปที่หน้าดาวน์โหลดและดาวน์โหลดตัวติดตั้งสำหรับระบบปฏิบัติการ Windows หรือ macOS (.dmg)

2

ติดตั้งโปรแกรม

เปิดตัวติดตั้ง ดำเนินการกดถัดไปจนติดตั้งลงเครื่องเดสก์ท็อปเสร็จเรียบร้อย

3

ตั้งค่าการตรวจสอบสิทธิ์ API

เมื่อเปิดแอปพลิเคชันขึ้นมา ให้กรอกรหัสยืนยันตัวตน Gemini API Key ในส่วนการตั้งค่า เพื่อพร้อมเรียกใช้งานเอเจนต์

1

ติดตั้งผ่าน Command Line

รันคำสั่งดาวน์โหลดผ่านเครื่องมือ Go หรือเรียกสคริปต์โดยพิมพ์:

go install antigravity.google/cli@latest
2

กำหนดค่าคีย์การเข้าถึง

กำหนดค่าตัวแปรในระบบเซิร์ฟเวอร์เพื่อให้พร้อมสำหรับการสั่งงาน:

export ANTIGRAVITY_API_KEY="your-api-key"
3

รันการทำงานเป้าหมายแรก

ทดสอบเรียกใช้งานเอเจนต์วิเคราะห์บั๊กในโปรเจกต์ปัจจุบัน:

antigravity run "scan for errors in auth files"
1

ติดตั้ง SDK ผ่าน PIP

เรียกใช้คำสั่งติดตั้งไลบรารีอย่างเป็นทางการผ่าน pip package manager:

pip install antigravity-sdk
2

เขียนสคริปต์สั่งงานพื้นฐาน

สร้างไฟล์ agent.py เพื่อใช้ไลบรารีสร้าง Agent:

from antigravity import AgentHarness

harness = AgentHarness(api_key="your-api-key")
agent = harness.create_agent(
    role="Developer",
    goal="สร้างฟังก์ชันบวกเลขใน utils.py"
)
agent.run()
1

ดาวน์โหลดตัวช่วยพัฒนา IDE

ดาวน์โหลด Antigravity IDE (VS Code Fork) จากหน้าตัวช่วยติดตั้งของระบบ

2

นำเข้าระบบโปรเจกต์ของคุณ

เปิดโปรเจกต์ขึ้นมาผ่านเมนู File -> Open Folder ตัว IDE จะสแกนระบบและเตรียมตัวเชื่อมโยงเอเจนต์ทันที

3

เชื่อมต่อ IDL / MCP Schema

แก้ไขไฟล์ schema.idl เพื่อตั้งค่าข้อตกลงในการติดต่อและเรียกใช้งาน API กับเอเจนต์ได้อย่างปลอดภัย

ลิงก์ดาวน์โหลดและเอกสาร Downloads & Resources

เลือกช่องทางดาวน์โหลดและนำไปประกอบใช้งานกับความต้องการในโปรเจกต์ของคุณ

Desktop Agent App ติดตั้งบน Windows / macOS Antigravity CLI Binary สคริปต์คอมพิวเตอร์และไบนารี Go Python SDK Library ติดตั้งผ่าน PIP Package manager Antigravity IDE (VS Code Fork) ติดตั้งเป็น Editor สำหรับเขียนโค้ด

*หมายเหตุ: สามารถตรวจสอบวิธีและเข้าถึงพอร์ทัลดาวน์โหลดหลักของ Google ได้ที่ antigravity.google/docs/home