Antigravity MCP Bridge
⚡ Antigravity MCP Bridge
El puente de código abierto que conecta Google Cloud AI con tu máquina local mediante el Model Context Protocol
Prueba de concepto verificada: Un solo prompt de Gemini Spark — "Crea una calculadora con pruebas unitarias" — produjo, ejecutó e hizo commit de código Python funcional en GitHub en menos de 3 segundos. Cero copiar y pegar humano.
Arquitectura • API de herramientas • Inicio rápido • Ecosistema de Google • Documentación para desarrolladores • Recursos y enlaces • Beneficios
🧩 ¿Qué es este proyecto?
Antigravity MCP Bridge rompe la barrera entre Cloud AI y tu máquina local. Ejecuta un servidor local del Model Context Protocol (MCP) que expone todo tu sistema operativo — terminal, archivos, compiladores y Git — a cualquier orquestador de IA compatible con MCP a través de un túnel HTTPS seguro.
Conéctalo a Google Gemini Spark y obtendrás un ingeniero de software de IA totalmente autónomo que puede planificar, codificar, probar, corregir y publicar software directamente en tu disco.
Related MCP server: Nexus-MCP
🏗️ Arquitectura del sistema
┌────────────────────────────────────────────────────────────────────┐
│ 🌐 GOOGLE CLOUD ECOSYSTEM │
│ │
│ ┌─────────────────┐ ┌──────────────────┐ ┌─────────────────┐ │
│ │ Gemini Spark │ │ Google Workspace │ │ Vertex AI / │ │
│ │ (Orchestrator) │ │ Docs/Drive/Gmail │ │ Cloud Run │ │
│ └────────┬────────┘ └──────────────────┘ └─────────────────┘ │
└───────────┼────────────────────────────────────────────────────────┘
│ JSON-RPC 2.0 (Streamable HTTP / SSE)
│ HTTPS via ngrok / Cloudflare Tunnel
┌───────────▼────────────────────────────────────────────────────────┐
│ ⚡ ANTIGRAVITY MCP BRIDGE (Your Machine) │
│ │
│ /mcp (Streamable HTTP) /sse (Server-Sent Events) │
│ CORS · Authentication · 7 Registered MCP Tools │
│ │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────────────────┐ │
│ │ File System │ │ Terminal │ │ Antigravity Subagents │ │
│ │ Read/Write │ │ Shell/CMD │ │ (Autonomous Tasks) │ │
│ └──────────────┘ └──────────────┘ └──────────────────────────┘ │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────────────────┐ │
│ │ Python │ │ Node.js/npm │ │ Git / Docker / CI │ │
│ └──────────────┘ └──────────────┘ └──────────────────────────┘ │
└────────────────────────────────────────────────────────────────────┘Protocolo de transporte
Endpoint | Protocolo | Ideal para |
| Streamable HTTP (MCP 2.0) | Google Gemini Spark, Vertex AI, todos los clientes MCP modernos |
| Server-Sent Events (SSE) | Clientes MCP heredados, integraciones personalizadas |
| HTTP POST | Envío de mensajes en sesiones SSE |
🧰 Referencia completa de herramientas
🔧 Herramienta 1: run_system_command
Ejecuta cualquier comando de shell, PowerShell o Bash. Captura el código de salida, stdout y stderr.
Parámetro | Tipo | Obligatorio | Descripción |
| string | ✅ | Comando de shell completo a ejecutar |
| string | ❌ | Ruta del directorio de trabajo (por defecto, CWD) |
// Example: Run Python unit tests
{
"name": "run_system_command",
"arguments": {
"command": "python -m pytest tests/ -v",
"working_dir": "C:/Users/dev/myproject"
}
}Úsalo para: Ejecutar Python/Node/Java/Rust, pip install, npm install, operaciones de Git, ejecutores de pruebas, Docker, pipelines de CI.
📝 Herramienta 2: write_file
Crea o sobrescribe cualquier archivo en el disco con contenido generado por IA. Crea directorios automáticamente.
Parámetro | Tipo | Obligatorio | Descripción |
| string | ✅ | Ruta de archivo absoluta o relativa |
| string | ✅ | Contenido completo a escribir |
// Example: Write a FastAPI route
{
"name": "write_file",
"arguments": {
"file_path": "src/api/routes.py",
"content": "from fastapi import APIRouter\nrouter = APIRouter()\n\n@router.get('/health')\ndef health(): return {'status': 'ok'}"
}
}Úsalo para: Escribir código fuente, configuraciones, Dockerfiles, YAML de GitHub Actions, documentos Markdown, archivos .env.
📖 Herramienta 3: read_file
Lee y devuelve el contenido completo de cualquier archivo local.
Parámetro | Tipo | Obligatorio | Descripción |
| string | ✅ | Ruta del archivo |
{
"name": "read_file",
"arguments": { "file_path": "src/main.py" }
}Úsalo para: Inspeccionar código antes de refactorizar, leer logs, auditar configuraciones, leer conjuntos de datos.
📂 Herramienta 4: list_directory
Enumera archivos y directorios con tipo y tamaño.
Parámetro | Tipo | Obligatorio | Descripción |
| string | ❌ | Directorio a listar (por defecto, CWD) |
{
"name": "list_directory",
"arguments": { "directory_path": "C:/Users/dev/myproject" }
}Úsalo para: Descubrir la estructura del proyecto, verificar que los archivos se crearon, auditar repositorios.
🤖 Herramienta 5: run_agent_task
Lanza un subagente de IA de Antigravity autónomo y de larga duración para objetivos complejos de varios pasos. Devuelve al instante un task_id.
Parámetro | Tipo | Obligatorio | Descripción |
| string | ✅ | Objetivo de alto nivel en lenguaje natural |
| string | ❌ | Directorio en el que operará el agente |
{
"name": "run_agent_task",
"arguments": {
"prompt": "Refactor all Python files to use async/await. Run tests after each file.",
"workspace_dir": "C:/Users/dev/myproject"
}
}Úsalo para: Refactorización a gran escala, desarrollo completo de funcionalidades, TDD autónomo, auditorías de seguridad.
📊 Herramienta 6: get_agent_status
Consulta el progreso en vivo, la salida y los errores de una tarea de subagente en segundo plano.
Parámetro | Tipo | Obligatorio | Descripción |
| string | ✅ | ID de tarea de |
{
"name": "get_agent_status",
"arguments": { "task_id": "a1b2c3d4" }
}
// Returns: { "status": "completed", "output": "...", "error": null }🛑 Herramienta 7: terminate_task
Cancela de forma segura cualquier tarea de subagente en segundo plano que esté en ejecución.
Parámetro | Tipo | Obligatorio | Descripción |
| string | ✅ | ID de tarea a cancelar |
🔗 Integración con el ecosistema de Google
Gemini Spark
Conecta tu puente a Gemini mediante Custom Connected Apps.
Google Cloud
Despliega el puente en Cloud o intégralo con Cloud AI.
Vertex AI
Orquestación de IA de nivel empresarial con ejecución local.
Google Workspace
Usa Docs, Drive y Gmail como fuentes de contexto para IA.
📚 Documentación oficial y recursos externos
🔵 Model Context Protocol (MCP)
Recurso | Enlace |
🏠 Sitio web oficial de MCP | |
📖 Introducción a MCP | |
📖 Guía de inicio rápido de MCP | |
📖 Especificación de MCP | |
🐍 SDK de MCP para Python (oficial) | |
📦 MCP en PyPI | |
🐙 Organización de MCP en GitHub | |
📖 Referencia de transportes de MCP | |
📖 Referencia de herramientas de MCP |
🟣 Google Antigravity (AGY)
Recurso | Enlace |
🏠 Inicio de Antigravity | |
📖 Documentación de Antigravity | |
📖 Guía de integración de MCP | |
📖 Sistema de habilidades | |
📖 SDK de Python | |
📖 Hooks y plugins | |
📖 Permisos de agente | |
📖 Registro de cambios |
🔵 Google Gemini y APIs de IA
Recurso | Enlace |
🏠 Aplicación Google Gemini | |
📖 Documentación de la API de Gemini | |
📖 Inicio rápido de la API de Gemini | |
📖 Gemini para Google Workspace | |
📖 Google AI Studio | |
📖 Ayuda de aplicaciones conectadas (MCP) | |
🐙 Google Generative AI GitHub |
☁️ Plataforma Google Cloud
Recurso | Enlace |
🏠 Consola de Google Cloud | |
📖 Documentación de Vertex AI | |
📖 Documentación de Cloud Run | |
📖 Documentación de Cloud Build | |
📖 Explorador de APIs de Google Cloud | |
📖 Productos de IA y Aprendizaje Automático |
🐍 Python y Bibliotecas Principales
Recurso | Enlace |
🏠 Sitio web oficial de Python | |
📖 Documentación de Python | |
📦 Índice de paquetes PyPI | |
📖 Documentación de pip | |
📖 Documentación de asyncio | |
📖 Documentación de subprocess |
🌐 Marco Web y ASGI
Recurso | Enlace |
🏠 Uvicorn (Servidor ASGI) | |
📖 Documentación de Uvicorn | |
🏠 Marco Starlette | |
📖 Documentación de Starlette | |
📖 Enrutamiento de Starlette | |
📖 Middleware CORS | |
🏠 FastAPI | |
📖 Documentación de FastAPI |
🔒 Túneles y Exposición Segura
Recurso | Enlace |
🏠 Sitio web oficial de ngrok | |
📖 Documentación de ngrok | |
📖 Túneles HTTP de ngrok | |
📦 pyngrok (SDK de Python) | |
📖 Documentación de pyngrok | |
🏠 Cloudflare Tunnel | |
📖 Documentación de Cloudflare Tunnel | developers.cloudflare.com/cloudflare-one/connections/connect-networks |
📡 Especificaciones JSON-RPC y SSE
Recurso | Enlace |
📖 Especificación JSON-RPC 2.0 | |
📖 Eventos enviados por el servidor (SSE) — MDN | |
📖 Códigos de estado HTTP — MDN |
🔧 Herramientas de Desarrollo
Recurso | Enlace |
🏠 Git | |
📖 Documentación de Git | |
🏠 GitHub | |
📖 GitHub CLI (gh) | |
🏠 Python IDLE | |
📖 Marco de pruebas pytest | |
📖 unittest (Integrado) |
🚀 Inicio rápido
Requisitos previos
Paso 1 — Clonar e instalar
git clone https://github.com/nandhakumar-murugan/antigravity-mcp-bridge.git
cd antigravity-mcp-bridge
pip install -r requirements.txtPaso 2 — Añade tu token de ngrok
Obtén tu token en dashboard.ngrok.com/get-started/your-authtoken
Edita run_with_tunnel.py:
AUTHTOKEN = "your_ngrok_authtoken_here"Paso 3 — Iniciar
# Windows (Double-click or run):
start_server.bat
# macOS / Linux:
python run_with_tunnel.pySalida:
[INFO] NGROK MCP TUNNEL IS LIVE!
[LINK] PASTE THIS IN GEMINI SPARK: https://xxxx.ngrok-free.dev/mcpPaso 4 — Conectar con Gemini Spark
Abre gemini.google.com
Ve a Configuración → Aplicaciones personalizadas conectadas
Pega:
https://xxxx.ngrok-free.dev/mcpAcepta los permisos → Haz clic en Guardar
Escribe
@Antigravity System Bridgeen cualquier chat para activarlo.
💻 Guía de integración para desarrolladores
Python (SDK oficial de MCP)
import asyncio
from mcp.client.session import ClientSession
from mcp.client.streamable_http import streamable_http_client
async def main():
url = "https://xxxx.ngrok-free.dev/mcp"
async with streamable_http_client(url) as (read, write):
async with ClientSession(read, write) as session:
await session.initialize()
tools = await session.list_tools()
print([t.name for t in tools.tools])
# Run a command
result = await session.call_tool("run_system_command", {
"command": "python --version"
})
print(result.content[0].text)
asyncio.run(main())cURL (Cualquier lenguaje)
curl -X POST https://xxxx.ngrok-free.dev/mcp \
-H "Content-Type: application/json" \
-H "Accept: application/json, text/event-stream" \
-d '{"jsonrpc":"2.0","id":1,"method":"initialize","params":{"protocolVersion":"2024-11-05","capabilities":{},"clientInfo":{"name":"my-app","version":"1.0"}}}'Configuración de Claude Desktop
{
"mcpServers": {
"antigravity-bridge": {
"command": "python",
"args": ["run_with_tunnel.py"],
"env": { "NGROK_AUTHTOKEN": "your_token" }
}
}
}👥 ¿Quiénes se benefician?
🎓 Estudiantes
Ve código real escrito y ejecutado en tu disco, no en entornos de prueba falsos
La IA se encarga de
pip install, entornos virtuales y configuración de PATH por tiAprende a depurar viendo a la IA corregir errores reales de terminal en vivo
💻 Ingenieros
TDD autónomo completo: la IA escribe código → ejecuta pruebas → corrige fallos → repite
Delega funciones completas: "Crea una API REST con autenticación" → listo en minutos
No más copiar y pegar entre el chat y el editor
🔬 Investigadores
Ejecuta pipelines locales de Python sin subir datos sensibles a la nube
Automatiza scripts de experimentos, benchmarks y análisis de datos de forma conversacional
Usa cómputo local con GPU mediante comandos de terminal
📁 Estructura del proyecto
antigravity-mcp-bridge/
├── server.py # Core MCP server with all 7 tool definitions
├── run_with_tunnel.py # One-click launcher (server + ngrok tunnel)
├── start_server.bat # Windows double-click starter
├── test_client.py # MCP connection verification script
├── calculator.py # Example: AI-generated code via Gemini Spark
├── test_calculator.py # Example: AI-generated tests (all 6 passed)
├── requirements.txt # Python dependencies
├── .gitignore
├── LICENSE # MIT
└── README.md📦 requirements.txt
mcp>=2.0.0
uvicorn
fastapi
pyngrok
python-dotenv🛡️ Seguridad
Todo el tráfico está cifrado con TLS mediante HTTPS de ngrok
El Authtoken de ngrok previene el acceso no autorizado
Tiempo de espera de 180 segundos en todas las ejecuciones de terminal
terminate_taskdetiene inmediatamente cualquier subagente en ejecuciónTodas las operaciones son totalmente visibles en tu terminal local
📄 Licencia
Licencia MIT — consulta LICENSE para más detalles.
Construido con el ecosistema de Google. Impulsado por estándares abiertos.
⭐ Marca este repositorio con una estrella si te fue útil. | 🍴 Haz un fork para personalizarlo para tu equipo
This server cannot be installed
Maintenance
Resources
Unclaimed servers have limited discoverability.
Looking for Admin?
If you are the server author, to access and configure the admin panel.
Related MCP Servers
- AlicenseNot gradedqualityDmaintenanceA comprehensive Model Context Protocol server implementation that enables AI assistants to interact with file systems, databases, GitHub repositories, web resources, and system tools while maintaining security and control.492MIT
- AlicenseNot gradedqualityCmaintenanceA comprehensive Model Context Protocol toolkit that transforms AI assistants into autonomous agents capable of executing real-world tasks across filesystems, web requests, Git workflows, databases, system commands, and AI integrations.MIT
- AlicenseNot gradedqualityCmaintenanceA unified context layer that connects your local data — repositories, documents, remote machines, and notes — to LLM interfaces through the Model Context Protocol (MCP).3MIT
- AlicenseNot gradedqualityCmaintenanceA secure, local communication runtime bridge that interfaces a cloud-based Large Language Model (Claude Desktop) with a local machine execution environment using the Model Context Protocol (MCP).Eclipse Public 2.0
Related MCP Connectors
A comprehensive Model Context Protocol (MCP) server that enables AI assistants to interact with yo…
Private-by-default, local-first memory/context/task orchestrator for MCP apps and agents.
OCR, transcription, file extraction, and image generation for AI agents via MCP.
Latest Blog Posts
- Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)By Om-Shree-0709 on .mcpAgent IdentityOAuth 2.1
- Your AI Chatbot Just Exposed Your CEO's Salary to an InternBy Om-Shree-0709 on .Agent IdentityMCP SecurityOAuth Delegation
- Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)By Om-Shree-0709 on .Agentic AiPrompt InjectionWebAssembly
MCP directory API
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/nandhakumar-murugan/antigravity-mcp-bridge'
If you have feedback or need assistance with the MCP directory API, please join our Discord server