Antigravity Agent: Cara Pakai di Gemini API

Google merilis update Antigravity agent lewat kode antigravity-preview-09-2026 di Gemini Interactions API. Ini bukan chat biasa. Satu panggilan API bisa bikin agen nalar, jalanin kode, urus file, dan browsing di sandbox Linux yang di-host Google.

Artikel ini bedah cara pakai Antigravity agent Gemini API buat teman-teman yang mau cobain agen terkelola tanpa bikin harness sendiri: bedanya dari chat Gemini, langkah kode pertama, tools, background job, harga token, plus catatan praktis dari Indonesia.

Kenapa topik ini relevan sekarang? Harness agen (loop tool, state, sandbox) biasanya makan waktu berbulan-bulan. Google mengemas itu jadi satu agent id yang bisa dipanggil dari Python, JavaScript, Java, Go, atau REST. Update September 2026 menambah caching dan tool edit file — justru bagian yang sering bikin agen “muter-muter” boros token.

Apa itu Antigravity agent

Antigravity agent adalah agen terkelola tujuan umum di Gemini API. Model defaultnya Gemini 3.8 Flash. Harness-nya sama dengan yang dipakai Antigravity IDE — bedanya di sini aksesnya lewat API, bukan cuma desktop app.

Yang dikerjakan agen dalam satu loop:

1. Nalar & rencana — pecah tugas jadi langkah
2. Eksekusi kode — Bash, Python, Node.js di sandbox
3. File — baca, tulis, edit, cari di workspace
4. Web — Google Search + fetch URL
5. Compaction — konteks panjang dipadatkan otomatis sekitar 135 ribu token

Batas teknis yang penting:

• Context window: sampai 1.048.576 token (dipadatkan ~135k)
• Output: sampai 65.536 token
• Input multimodal: teks + gambar (belum audio/video/dokumen)
• Status: preview — skema dan perilaku masih bisa berubah

Catatan: Jangan samain dengan postingan Antigravity IDE, CLI, atau generative UI. Yang ini fokus agen managed di Interactions API dengan id antigravity-preview-09-2026.

Apa yang baru di preview September 2026

Rilis September (antigravity-preview-09-2026) mengupgrade harness runtime. Dokumentasi Google terakhir di-update sekitar 29 September 2026.

Upgrade yang paling terasa:

• Prompt caching lebih efisien — banyak token input sering masuk cache
• Native code search di dalam sandbox
• Line-range file editing biar edit file lebih hemat langkah
• Default model tetap gemini-3.8-flash, bisa diganti lewat agent_config

Model yang didukung di agent_config.model:

Kalau agen disimpan lewat agents.create, model terkunci ke setting awal. Interaksi berikutnya tidak bisa override model — biar perilaku tool-call konsisten.

Cara pakai: panggilan pertama

Prasyarat singkat:

1. Akun Google AI Studio atau proyek Gemini API
2. API key (GEMINI_API_KEY)
3. SDK google-genai (Python) atau @google/genai (JS) — atau REST mentah
4. Set environment="remote" supaya sandbox Linux aktif

Contoh Python yang langsung jalan:

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    agent="antigravity-preview-09-2026",
    input=(
        "Baca Hacker News, ringkas 10 berita teratas, "
        "lalu simpan hasilnya sebagai PDF di sandbox."
    ),
    environment="remote",
)

print(interaction.output_text)
# Simpan interaction.id dan interaction.environment_id
# untuk lanjut di sandbox yang sama

Alur dasar:

flowchart LR
  A[API key + client] --> B[interactions.create]
  B --> C[agent preview-09-2026]
  C --> D[environment remote]
  D --> E[Sandbox Linux]
  E --> F[Tools: code / search / files]
  F --> G[output_text + steps]

Poin praktis:

• Simpan interaction.id dan environment_id kalau mau multi-turn di workspace yang sama
• Lihat interaction.steps buat audit: reasoning, tool call, hasil eksekusi
• Timeout client SDK sering perlu dinaikkan (contoh JS: 300.000 ms) karena agen bisa lama

REST setara:

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -d '{
    "agent": "antigravity-preview-09-2026",
    "input": "Ringkas 5 berita AI hari ini jadi bullet points.",
    "environment": "remote"
  }'

Sandbox, tools, dan job background

Default tools saat environment di-set:

Baca juga WSL Containers: Cara Pakai di Windows Microsoft

• code_execution — shell, Python, Node; install paket; jalanin tes
• google_search — cari web publik
• url_context — fetch & baca halaman
• Filesystem — otomatis aktif lewat parameter environment

Tambahan yang sering dipakai production:

1. Custom function — agen minta tool lokal (cuaca, CRM, DB), client eksekusi, hasil dikirim balik
2. Remote MCP — server MCP HTTP streamable; name wajib lowercase alphanumeric
3. Hooks — intercept code_execution / filesystem di dalam sandbox

Untuk tugas lama, pakai background=True:

1. Create interaction dengan background=True (butuh store=True, default)
2. Poll interactions.get sampai status completed atau failed
3. Lanjut turn berikutnya dengan previous_interaction_id + environment_id yang sama

Ada juga Triggers: jadwal cron + timezone + template interaction. Setiap eksekusi reuse environment yang sama, jadi file dari run sebelumnya tetap kelihatan. Cocok buat “cek PR tiap pagi” atau “bersihin issue label accepted”.

Contoh pola trigger yang aman:

1. Simpan credential (GitHub token) di vault / credential store — jangan inline di JSON cron
2. Set network allowlist hanya ke domain yang perlu (api.github.com, github.com)
3. Tulis prompt yang idempotent: “skip issue yang sudah ada di /workspace/solved-issues/”
4. Pantau list_executions — kalau gagal beruntun, trigger bisa auto-pause

Background + trigger = combo kuat. Tapi tanpa allowlist dan budget, tagihan gampang membengkak diam-diam.

Batasan preview yang sering nyangkut:

• Tidak support temperature, top_p, top_k, stop_sequences, max_output_tokens (balik 400)
• Belum ada structured output
• Belum: file_search, computer_use, google_maps
• Function calling stateful — harus pakai previous_interaction_id, bukan reconstruct history manual

Tips: Batasi tools kalau tugas sempit. Misal riset-only: cukup google_search + url_context biar loop lebih pendek dan token lebih hemat.

Multi-turn di sandbox yang sama

Setelah panggilan pertama selesai, lanjutkan tanpa bikin environment baru. File dan state tetap ada.

followup = client.interactions.create(
    agent="antigravity-preview-09-2026",
    input="Perbaiki bagian yang kurang jelas, lalu buat ringkasan eksekutif 1 halaman.",
    previous_interaction_id=interaction.id,
    environment=interaction.environment_id,
)
print(followup.output_text)

Ini pola yang paling hemat waktu: setup dependencies sekali, lalu iterasi prompt. Kalau tiap kali environment="remote" baru, agen mulai dari nol — lebih lambat dan lebih boros token.

Ganti model & budget di create

interaction = client.interactions.create(
    agent="antigravity-preview-09-2026",
    input="Analisis CSV di /workspace/data.csv dan buat chart ringkas.",
    environment="remote",
    agent_config={
        "type": "antigravity",
        "model": "gemini-3.5-flash-lite",  # hemat
        "max_total_tokens": 50000,
    },
)
print(interaction.status, getattr(interaction, "usage", None))

Kalau status incomplete, kirim input "continue" (atau instruksi baru) dengan previous_interaction_id + environment_id. Budget baru dihitung ulang per interaksi lanjutan.

Harga, budget, dan estimasi biaya

Penagihan Antigravity mengikuti token model Gemini yang dipakai + tools. Compute sandbox (CPU/RAM) gratis selama preview. Free tier dan paid project sama-sama bisa akses.

Harga perkenalan Gemini 3.8 Flash (Global, sampai 31 Desember 2026): sekitar US$0,75 / 1 juta token input dan US$3,75 / 1 juta token output. Mulai 1 Januari 2027 naik ke kisaran US$1,50 / US$7,50. Endpoint non-global sedikit lebih mahal.

Estimasi Google dari run tipikal (bukan jaminan invoice):

Fakta biaya yang sering dilupakan:

• 50–70% token input sering ter-cache → tagihan input efektif lebih rendah
• Workflow kompleks bisa menumpuk 3–5 juta token per interaksi (hingga sekitar US$5)
• Atur max_total_tokens di agent_config biar tidak “lari”
• Status incomplete artinya budget habis — lanjut dengan previous_interaction_id + budget baru

Konversi kasar ke rupiah (kurs fluktuatif; anggap Rp16.000 / US$1):

• Riset ringan ~US$0,30–1,00 → kira-kira Rp4.800–16.000
• Job berat ~US$3–5 → kira-kira Rp48.000–80.000 per interaksi

Peringatan: Satu request agen ≠ satu chat. Loop tool + reasoning bisa makan jauh lebih banyak token dari generateContent biasa. Cek usage di response sebelum scale ke production.

Cocok dicoba dari Indonesia minggu ini

Gemini API dan AI Studio bisa diakses dari Indonesia tanpa trik aneh. Yang perlu diingat:

1. Billing tetap dolar (kartu internasional / Google Cloud billing)
2. Belum ada “paket Antigravity khusus Indo” — ini layer API global
3. Latency sandbox remote biasanya oke buat riset, scrape ringan, generate laporan, scaffolding kode
4. Data sandbox ada di infrastruktur Google — cek dulu kebijakan perusahaan sebelum upload data sensitif
5. Untuk UMKM/startup: mulai dari free tier + max_total_tokens kecil, baru naikkan setelah pola biaya kelihatan
6. Alternatif banding: bikin agent loop sendiri di Messages/generateContent (lebih kontrol, lebih ribet), atau agen managed vendor lain (Claude Managed Agents, OpenAI Agents API, Bedrock BMA) — trade-off harness vs lock-in beda-beda

Banding singkat jalur agen Google vs “DIY”

Buat eksperimen 1–2 minggu, Antigravity agent biasanya paling cepat “keliatan hasil”. Kalau sudah butuh IAM ketat, VPC, atau audit kantor, baru bandingkan jalur Google Cloud enterprise.

Soal bahasa & output buat pembaca Indo

Prompt boleh Bahasa Indonesia. Agen biasanya ikut bahasa instruksi. Untuk laporan klien, sebutkan format eksplisit: “tulis dalam Bahasa Indonesia sehari-hari, pakai heading Markdown, jangan formal skripsi”.

Kalau butuh kutipan sumber, minta agen sertakan judul outlet + tanggal di teks — jangan andalkan link mentah saja, karena halaman bisa berubah.

Contoh use case realistis minggu ini:

• Ringkas berita / kompetitor jadi PDF bulanan
• Clone repo contoh, jalanin tes, bikin laporan fail
• Generate skrip Bash + dokumentasi singkat di sandbox
• Trigger malam hari: cek issue GitHub label tertentu (dengan allowlist network + credential vault)

Checklist

• Buat API key di Google AI Studio / Cloud
• Install SDK google-genai atau siapkan curl REST
• Jalankan interactions.create dengan agent=antigravity-preview-09-2026 dan environment=remote
• Simpan interaction.id + environment_id untuk multi-turn
• Set max_total_tokens sebelum job panjang
• Coba background=True + polling untuk tugas >1 menit
• Batasi tools sesuai kebutuhan (hemat token)
• Cek usage & biaya di dashboard sebelum scale

Poin penting

• Antigravity agent = agen terkelola Gemini API, bukan chat sekali jalan
• Kode preview September: antigravity-preview-09-2026
• Sandbox Linux remote + tools kode/file/web sudah built-in
• Harga mengikuti token Gemini; compute sandbox gratis di preview
• Pakai budget token + background job biar biaya terkendali
• Cocok buat developer Indo yang mau agen cepat tanpa bangun harness sendiri

Referensi

1. Google AI for Developers (2026). Antigravity agent — Gemini API docs
2. Google AI for Developers (2026). Antigravity preview-09-2026 model card
3. Google AI for Developers (2026). Panduan memulai agen terkelola (Interactions API)
4. Google AI for Developers (2026). Building Managed Agents overview
5. Google Cloud (2026). Harga Agent Platform / Gemini 3.8 Flash
6. Google Codelabs (2026). Getting started with Google Antigravity
7. Google AI Studio (2026). Interactions API availability notes
8. The Verge (2026). Coverage seputar Gemini 3.8 Live / agentic Google stack
9. Hybrid.co.id / media tech Indo (2026). Diskusi agen AI & Gemini API di developer lokal
10. DetikInet / Kompas Tekno (2026). Tren agen AI managed di cloud untuk pembaca Indonesia
11. Google (2026). Gemini API release notes — September harness upgrades
12. Google (2026). Triggers & background interactions documentation