Skip to main content
Glama

⚡ Antigravity MCP Bridge

El puente de código abierto que conecta Google Cloud AI con tu máquina local mediante el Model Context Protocol

Model Context Protocol Gemini Spark Google Cloud Python ngrok MIT License GitHub Stars


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.

ArquitecturaAPI de herramientasInicio rápidoEcosistema de GoogleDocumentación para desarrolladoresRecursos y enlacesBeneficios


🧩 ¿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

/mcp

Streamable HTTP (MCP 2.0)

Google Gemini Spark, Vertex AI, todos los clientes MCP modernos

/sse

Server-Sent Events (SSE)

Clientes MCP heredados, integraciones personalizadas

/messages

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

command

string

Comando de shell completo a ejecutar

working_dir

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

file_path

string

Ruta de archivo absoluta o relativa

content

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

file_path

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

directory_path

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

prompt

string

Objetivo de alto nivel en lenguaje natural

workspace_dir

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

task_id

string

ID de tarea de run_agent_task

{
  "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

task_id

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

modelcontextprotocol.io

📖 Introducción a MCP

modelcontextprotocol.io/introduction

📖 Guía de inicio rápido de MCP

modelcontextprotocol.io/quickstart

📖 Especificación de MCP

spec.modelcontextprotocol.io

🐍 SDK de MCP para Python (oficial)

github.com/modelcontextprotocol/python-sdk

📦 MCP en PyPI

pypi.org/project/mcp

🐙 Organización de MCP en GitHub

github.com/modelcontextprotocol

📖 Referencia de transportes de MCP

modelcontextprotocol.io/docs/concepts/transports

📖 Referencia de herramientas de MCP

modelcontextprotocol.io/docs/concepts/tools


🟣 Google Antigravity (AGY)

Recurso

Enlace

🏠 Inicio de Antigravity

antigravity.google

📖 Documentación de Antigravity

antigravity.google/docs

📖 Guía de integración de MCP

antigravity.google/docs/mcp

📖 Sistema de habilidades

antigravity.google/docs/skills

📖 SDK de Python

antigravity.google/docs/sdk

📖 Hooks y plugins

antigravity.google/docs/hooks

📖 Permisos de agente

antigravity.google/docs/permissions

📖 Registro de cambios

antigravity.google/changelog


🔵 Google Gemini y APIs de IA

Recurso

Enlace

🏠 Aplicación Google Gemini

gemini.google.com

📖 Documentación de la API de Gemini

ai.google.dev/gemini-api/docs

📖 Inicio rápido de la API de Gemini

ai.google.dev/gemini-api/docs/quickstart

📖 Gemini para Google Workspace

workspace.google.com/intl/en/products/gemini

📖 Google AI Studio

aistudio.google.com

📖 Ayuda de aplicaciones conectadas (MCP)

support.google.com/gemini?p=lm_custom_mcp_trust

🐙 Google Generative AI GitHub

github.com/google-gemini


☁️ Plataforma Google Cloud

Recurso

Enlace

🏠 Consola de Google Cloud

console.cloud.google.com

📖 Documentación de Vertex AI

cloud.google.com/vertex-ai/docs

📖 Documentación de Cloud Run

cloud.google.com/run/docs

📖 Documentación de Cloud Build

cloud.google.com/build/docs

📖 Explorador de APIs de Google Cloud

cloud.google.com/apis

📖 Productos de IA y Aprendizaje Automático

cloud.google.com/products/ai


🐍 Python y Bibliotecas Principales

Recurso

Enlace

🏠 Sitio web oficial de Python

python.org

📖 Documentación de Python

docs.python.org/3

📦 Índice de paquetes PyPI

pypi.org

📖 Documentación de pip

pip.pypa.io/en/stable

📖 Documentación de asyncio

docs.python.org/3/library/asyncio.html

📖 Documentación de subprocess

docs.python.org/3/library/subprocess.html


🌐 Marco Web y ASGI

Recurso

Enlace

🏠 Uvicorn (Servidor ASGI)

uvicorn.org

📖 Documentación de Uvicorn

uvicorn.org/settings

🏠 Marco Starlette

starlette.io

📖 Documentación de Starlette

starlette.io/applications

📖 Enrutamiento de Starlette

starlette.io/routing

📖 Middleware CORS

starlette.io/middleware/#corsmiddleware

🏠 FastAPI

fastapi.tiangolo.com

📖 Documentación de FastAPI

fastapi.tiangolo.com/tutorial


🔒 Túneles y Exposición Segura

Recurso

Enlace

🏠 Sitio web oficial de ngrok

ngrok.com

📖 Documentación de ngrok

ngrok.com/docs

📖 Túneles HTTP de ngrok

ngrok.com/docs/http

📦 pyngrok (SDK de Python)

pypi.org/project/pyngrok

📖 Documentación de pyngrok

pyngrok.readthedocs.io

🏠 Cloudflare Tunnel

cloudflare.com/products/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

jsonrpc.org/specification

📖 Eventos enviados por el servidor (SSE) — MDN

developer.mozilla.org/en-US/docs/Web/API/Server-sent_events

📖 Códigos de estado HTTP — MDN

developer.mozilla.org/en-US/docs/Web/HTTP/Status


🔧 Herramientas de Desarrollo

Recurso

Enlace

🏠 Git

git-scm.com

📖 Documentación de Git

git-scm.com/doc

🏠 GitHub

github.com

📖 GitHub CLI (gh)

cli.github.com

🏠 Python IDLE

docs.python.org/3/library/idle.html

📖 Marco de pruebas pytest

docs.pytest.org

📖 unittest (Integrado)

docs.python.org/3/library/unittest.html


🚀 Inicio rápido

Requisitos previos

Python ngrok Git

Paso 1 — Clonar e instalar

git clone https://github.com/nandhakumar-murugan/antigravity-mcp-bridge.git
cd antigravity-mcp-bridge
pip install -r requirements.txt

Paso 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.py

Salida:

[INFO] NGROK MCP TUNNEL IS LIVE!
[LINK] PASTE THIS IN GEMINI SPARK: https://xxxx.ngrok-free.dev/mcp

Paso 4 — Conectar con Gemini Spark

  1. Abre gemini.google.com

  2. Ve a Configuración → Aplicaciones personalizadas conectadas

  3. Pega: https://xxxx.ngrok-free.dev/mcp

  4. Acepta los permisos → Haz clic en Guardar

  5. Escribe @Antigravity System Bridge en 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 ti

  • Aprende 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_task detiene inmediatamente cualquier subagente en ejecución

  • Todas 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.

Gemini Cloud MCP Python ngrok GitHub

⭐ Marca este repositorio con una estrella si te fue útil. | 🍴 Haz un fork para personalizarlo para tu equipo

🐛 Reportar problemas · 💬 Discusiones · 🤝 Contribuir

A
license - permissive license
Not graded
quality - not tested
B
maintenance

Maintenance

Maintainers
Response time
Release cycle
Releases (12mo)
Commit activity

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

  • A
    license
    Not graded
    quality
    D
    maintenance
    A 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.
    49
    2
    MIT
  • A
    license
    Not graded
    quality
    C
    maintenance
    A 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
  • A
    license
    Not graded
    quality
    C
    maintenance
    A unified context layer that connects your local data — repositories, documents, remote machines, and notes — to LLM interfaces through the Model Context Protocol (MCP).
    3
    MIT

View all related MCP servers

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.

View all MCP Connectors

Latest Blog Posts

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