O Antigravity CLI permitiu que um desenvolvedor integrasse um front-end Angular, o Firebase Hybrid Web SDK e modelos Gemini Nano no dispositivo para lançar um aplicativo de análise de imagens que roda no Chrome sem tocar na nuvem. O mesmo código faz o fallback para o Gemini 3.5 Flash em navegadores que não conseguem executar o modelo Nano, mantendo a experiência funcional em todos os lugares.

Por que essa combinação é importante

A marcação de imagens baseada em IA, a geração de texto alternativo (alt-text) e sugestões de CSS melhoram a acessibilidade e o design, mas enviar cada frame para um modelo remoto rapidamente eleva os custos. Ao executar o Gemini Nano diretamente no navegador, a demonstração evita o faturamento baseado em tokens para a maioria dos usuários. Apenas o Safari ou outros navegadores que não sejam o Chrome acionam o fallback para a nuvem, gerando uma cobrança.

As peças que fizeram tudo funcionar

  • Antigravity CLI – um assistente impulsionado por IA que reside no terminal do desenvolvedor. Ele invoca "skills" especializadas, como geração de documentação, modelagem de domínio ou revisão de código, sem sair da linha de comando.
  • Stitch MCP Server – um serviço fornecido pelo Google que transforma prompts em linguagem natural em telas de UI interativas. Na demonstração, ele produziu o design inicial, que o CLI exportou como um arquivo de tokens DESIGN.md.
  • Angular MCP Server – fornece scaffolding e ferramentas de melhores práticas para o servidor de desenvolvimento Angular, garantindo que o projeto siga padrões modernos como Signals.
  • Firebase Hybrid Web SDK – faz a ponte entre o front-end e a camada AI Logic do Firebase e a Prompt API usada para chamar os modelos Gemini.

A Prompt API decide se a requisição permanece no dispositivo (Gemini Nano) ou se é enviada para a nuvem (Gemini 3.5 Flash). O Chrome 148+ inclui o runtime necessário para o modelo Nano; outros navegadores acionam automaticamente o caminho da nuvem.

Como o desenvolvedor manteve a alta qualidade

Quatro skills de IA foram executadas repetidamente:

  1. grill-with-docs – produziu um Architecture Decision Record (ADR) que capturou o design de alto nível e os trade-offs.
  2. domain-modeling – delineou as estruturas de dados que alimentam o pipeline de análise de imagens.
  3. code-review – um par de sub-agentes escaneou o repositório em busca de code smells, incompatibilidades com o ADR e qualquer desvio da especificação original.
  4. angular / firebase – verificou se o código seguia os padrões idiomáticos modernos do Angular e se as chamadas do Firebase AI Logic estavam formadas corretamente.

Dois fluxos de trabalho surgiram. Primeiro, o ADR gerado automaticamente com /grill-with-docs; em seguida, o /goal instruía a IA a implementar o registro de decisão de ponta a ponta. Segundo, o desenvolvedor escreveu o ADR manualmente e executou o /code-review para deixar a IA verificar a implementação. A rota manual constrói "memória muscular", ao mesmo tempo em que detecta regressões precocemente.

O pipeline de UI na prática

O desenvolvedor digitou uma breve descrição da tela desejada no Stitch. O Stitch retornou um mockup. O Antigravity CLI analisou o mockup, extraiu os tokens de design e os escreveu no DESIGN.md. Esses tokens mapearam os designs para componentes Angular prontos para produção.

O front-end carrega o modelo Gemini Nano localmente no Chrome 148+ e faz o fallback para o Gemini 3.5 Flash via Firebase quando o runtime necessário está ausente, incorrendo em uma cobrança de tokens.

Os trade-offs

Modelos no dispositivo limitam você a tarefas que cabem na capacidade do Nano — classificação simples, legendagem e sugestões de estilo. Trabalhos de visão mais complexos ainda precisam de um modelo na nuvem.

Conclusão

O Antigravity CLI mostra que os desenvolvedores agora podem montar um fluxo de análise de imagens de IA full-stack — UI Angular, backend Firebase e inferência Gemini no dispositivo — sem pagar pela maioria das chamadas de inferência. A abordagem depende do suporte do Chrome para modelos no dispositivo, mas oferece um modelo claro para aplicativos sensíveis a custos que podem tolerar um fallback para a nuvem em casos de borda.