Formation Google Antigravity : développer avec un IDE agentique piloté par l'IA.

Programme de formation Google Antigravity : développer avec un IDE agentique piloté par l'IA.

Introduction au paradigme agentique et prise en main d’Antigravity

– IDE agentique vs autocomplétion classique : comprendre ce qui différencie Antigravity de Copilot, Cursor ou Tabnine
– Context Window et RAG local : comment Antigravity indexe et exploite les fichiers du projet
– Architecture interne : agents autonomes, Chat, Editor View, Artifacts et Action Loops
– Installation et connexion : mise en place de l’environnement et liaison aux services Cloud Google
– Configuration projet : fichier .aiconfig, sélection des modèles Gemini (2.0, Flash, Pro) et règles métier

Exemples d’activités pratiques :
– Import d’un projet existant et exploration assistée par l’IA
– Génération automatique d’un README technique à partir du code source

Prompt engineering appliqué au développement

– Techniques de prompting pour développeurs : Zero-shot, Few-shot et Chain-of-Thought adaptés au contexte code
– Gestion du contexte : sélection des fichiers ouverts, dépendances et artefacts pour éviter les hallucinations
– Instructions structurées : formulation efficace des demandes en langage naturel pour obtenir du code exploitable
– Routines de prompt : création de patterns reproductibles pour les tâches récurrentes (génération, revue, documentation)
– Knowledge Items : structuration d’une base de connaissances projet (décisions, conventions, schémas, API internes)

Exemples d’activités pratiques :
– Construction d’une bibliothèque de prompts pour les tâches courantes d’un projet web
– Configuration de Knowledge Items pour un projet d’équipe

Accélération du workflow de développement

– Génération de boilerplate intelligente : scaffolding de composants, services et structures projet en une passe
– Développement multi-surface : création simultanée de la logique front, back et des tests associés
– Action Messages : exécution de commandes, navigation web, manipulation de fichiers depuis le chat
– Artifacts : structuration, versionnement et validation des sorties générées par l’IA

Exemples d’activités pratiques :
– Développement d’une feature complète (front + back) en temps limité, l’IA génère, le développeur assemble et valide
– Utilisation des Artifacts pour comparer et versionner plusieurs variantes d’une implémentation

Debug assisté et génération de tests

– Debug cognitif : dépasser la correction de symptômes pour identifier les causes racines avec l’aide de l’IA
– Détection de dette technique : audit automatisé de la complexité cyclomatique et des code smells
– Refactoring de masse : renommer, découper et typer (ex : JavaScript vers TypeScript) assisté par les agents
– Génération de tests : création de tests unitaires et d’intégration (Jest, Vitest) ciblant les cas limites identifiés par l’IA

Exemples d’activités pratiques :
– « Bug Bash » assisté : injection de bugs dans un projet, diagnostic et correction via les agents
– Génération des tests de non-régression pour les bugs corrigés

Model Context Protocol (MCP) et extensibilité

– Rôle du MCP : protocole officiel pour étendre les capacités d’Antigravity au-delà de l’IDE
– Fonctionnement : architecture Tools & Resources, appels MCP par Antigravity
– Serveurs compatibles : Playwright, GitHub, Firebase, Filesystem, Chrome et serveurs vectoriels
– Installation et vérification : ajout de serveurs MCP dans l’IDE, contrôle des capabilities
– Limites actuelles : quotas Gemini, latence et gestion des permissions

Exemples d’activités pratiques :
– Connexion d’un serveur MCP externe (GitHub ou Playwright) et utilisation dans un workflow réel
– Création d’un petit serveur MCP custom exposant une API interne du projet

Agents personnalisés et intégration CI/CD

– Custom Agents : création d’agents spécialisés (Expert Accessibilité, Expert Sécurité) avec des instructions système dédiées
– Automatisation documentaire : génération et mise à jour de la documentation d’API par les agents
– Revue de code IA : intégration dans les pull requests pour une revue automatique avant validation humaine
– Pipelines de déploiement : génération de configurations CI/CD (Cloud Run, Firebase) assistée par Antigravity

Exemples d’activités pratiques :
– Mise en place d’un workflow complet : code généré, tests automatiques, PR avec résumé IA, déploiement
– Construction d’un pipeline automatisé combinant analyse, tests et documentation