Antigravity MCP Bridge
⚡ Antigravity MCP Bridge
Открытый мост, соединяющий Google Cloud AI с вашим локальным компьютером через Model Context Protocol
Подтверждённая концепция: один запрос к Gemini Spark — «Создай калькулятор с модульными тестами» — создал, запустил и закоммитил работающий код на Python в GitHub менее чем за 3 секунды. Никакого ручного копирования.
Архитектура • Справочник инструментов • Быстрый старт • Экосистема Google • Документация для разработчиков • Ресурсы и ссылки • Преимущества
🧩 Что это за проект?
Antigravity MCP Bridge разрушает барьер между облачным ИИ и вашим локальным компьютером. Он запускает локальный сервер Model Context Protocol (MCP), который открывает всю вашу операционную систему — терминал, файлы, компиляторы и Git — для любого MCP-совместимого ИИ-оркестратора через защищённый HTTPS-туннель.
Подключите его к Google Gemini Spark — и вы получите полностью автономного ИИ-инженера-программиста, который может планировать, писать код, тестировать, исправлять и выпускать программное обеспечение прямо на вашем диске.
Related MCP server: simple_mcp_demo
🏗️ Системная архитектура
┌────────────────────────────────────────────────────────────────────┐
│ 🌐 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 │ │
│ └──────────────┘ └──────────────┘ └──────────────────────────┘ │
└────────────────────────────────────────────────────────────────────┘Транспортный протокол
Конечная точка | Протокол | Лучше всего подходит для |
| Streamable HTTP (MCP 2.0) | Google Gemini Spark, Vertex AI, все современные MCP-клиенты |
| Server-Sent Events (SSE) | Устаревшие MCP-клиенты, пользовательские интеграции |
| HTTP POST | Отправка сообщений в SSE-сессиях |
🧰 Полный справочник инструментов
🔧 Инструмент 1: run_system_command
Выполняет любую команду shell, PowerShell или Bash. Фиксирует код выхода, stdout, stderr.
Параметр | Тип | Обязателен | Описание |
| string | ✅ | Полная команда shell для выполнения |
| string | ❌ | Путь к рабочей директории (по умолчанию — CWD) |
// Example: Run Python unit tests
{
"name": "run_system_command",
"arguments": {
"command": "python -m pytest tests/ -v",
"working_dir": "C:/Users/dev/myproject"
}
}Используется для: запуска Python/Node/Java/Rust, pip install, npm install, операций с Git, тест-раннеров, Docker, CI-пайплайнов.
📝 Инструмент 2: write_file
Создаёт или перезаписывает любой файл на диске содержимым, сгенерированным ИИ. Автоматически создаёт директории.
Параметр | Тип | Обязателен | Описание |
| string | ✅ | Абсолютный или относительный путь |
| string | ✅ | Полное содержимое для записи |
// 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'}"
}
}Используется для: написания исходного кода, конфигов, Dockerfile, YAML для GitHub Actions, Markdown-документации, файлов .env.
📖 Инструмент 3: read_file
Читает и возвращает полное содержимое любого локального файла.
Параметр | Тип | Обязателен | Описание |
| string | ✅ | Путь к файлу |
{
"name": "read_file",
"arguments": { "file_path": "src/main.py" }
}Используется для: просмотра кода перед рефакторингом, чтения логов, аудита конфигов, чтения наборов данных.
📂 Инструмент 4: list_directory
Перечисляет файлы и директории с указанием типа и размера.
Параметр | Тип | Обязателен | Описание |
| string | ❌ | Директория для просмотра (по умолчанию — CWD) |
{
"name": "list_directory",
"arguments": { "directory_path": "C:/Users/dev/myproject" }
}Используется для: изучения структуры проекта, проверки созданных файлов, аудита репозиториев.
🤖 Инструмент 5: run_agent_task
Запускает автономного долгоживущего ИИ-субагента Antigravity для сложных многошаговых целей. Мгновенно возвращает task_id.
Параметр | Тип | Обязателен | Описание |
| string | ✅ | Цель на естественном языке высокого уровня |
| string | ❌ | Директория для работы агента |
{
"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"
}
}Используется для: масштабного рефакторинга, полной разработки функций, автономной TDD, аудита безопасности.
📊 Инструмент 6: get_agent_status
Опрашивает текущий прогресс, вывод и ошибки фоновой задачи субагента.
Параметр | Тип | Обязателен | Описание |
| string | ✅ | ID задачи из |
{
"name": "get_agent_status",
"arguments": { "task_id": "a1b2c3d4" }
}
// Returns: { "status": "completed", "output": "...", "error": null }🛑 Инструмент 7: terminate_task
Безопасно отменяет любую выполняющуюся фоновую задачу субагента.
Параметр | Тип | Обязателен | Описание |
| string | ✅ | ID задачи для отмены |
🔗 Интеграция с экосистемой Google
Gemini Spark
Подключите свой мост к Gemini через Custom Connected Apps.
Google Cloud
Разверните мост в облаке или интегрируйте с Cloud AI.
Vertex AI
Корпоративная ИИ-оркестрация с локальным выполнением.
Google Workspace
Используйте Docs, Drive, Gmail как источники контекста для ИИ.
📚 Официальная документация и внешние ресурсы
🔵 Model Context Protocol (MCP)
Ресурс | Ссылка |
🏠 Официальный сайт MCP | |
📖 Введение в MCP | |
📖 Руководство по быстрому старту MCP | |
📖 Спецификация MCP | |
🐍 Python MCP SDK (официальный) | |
📦 MCP на PyPI | |
🐙 Организация MCP на GitHub | |
📖 Справочник транспортов MCP | |
📖 Справочник инструментов MCP |
🟣 Google Antigravity (AGY)
Ресурс | Ссылка |
🏠 Домашняя страница Antigravity | |
📖 Документация Antigravity | |
📖 Руководство по интеграции MCP | |
📖 Система навыков | |
📖 Python SDK | |
📖 Хуки и плагины | |
📖 Разрешения агента | |
📖 Журнал изменений |
🔵 Google Gemini и ИИ-API
Ресурс | Ссылка |
🏠 Google Gemini App | |
📖 Документация Gemini API | |
📖 Быстрый старт Gemini API | |
📖 Gemini для Google Workspace | |
📖 Google AI Studio | |
📖 Справка по Connected Apps (MCP) | |
🐙 Google Generative AI GitHub |
☁️ Google Cloud Platform
Ресурс | Ссылка |
🏠 Google Cloud Console | |
📖 Документация Vertex AI | |
📖 Документация Cloud Run | |
📖 Документация Cloud Build | |
📖 Google Cloud APIs Explorer | |
📖 Продукты AI и машинного обучения |
🐍 Python и основные библиотеки
Ресурс | Ссылка |
🏠 Официальный сайт Python | |
📖 Документация Python | |
📦 Индекс пакетов PyPI | |
📖 Документация pip | |
📖 Документация asyncio | |
📖 Документация subprocess |
🌐 Веб и ASGI-фреймворк
Ресурс | Ссылка |
🏠 Uvicorn (ASGI-сервер) | |
📖 Документация Uvicorn | |
🏠 Фреймворк Starlette | |
📖 Документация Starlette | |
📖 Маршрутизация Starlette | |
📖 Промежуточное ПО CORS | |
🏠 FastAPI | |
📖 Документация FastAPI |
🔒 Туннелирование и безопасный доступ
Ресурс | Ссылка |
🏠 Официальный сайт ngrok | |
📖 Документация ngrok | |
📖 HTTP-туннели ngrok | |
📦 pyngrok (Python SDK) | |
📖 Документация pyngrok | |
🏠 Cloudflare Tunnel | |
📖 Документация Cloudflare Tunnel | developers.cloudflare.com/cloudflare-one/connections/connect-networks |
📡 Спецификации JSON-RPC и SSE
Ресурс | Ссылка |
📖 Спецификация JSON-RPC 2.0 | |
📖 Server-Sent Events (SSE) — MDN | |
📖 Коды состояния HTTP — MDN |
🔧 Инструменты разработки
Ресурс | Ссылка |
🏠 Git | |
📖 Документация Git | |
🏠 GitHub | |
📖 GitHub CLI (gh) | |
🏠 Python IDLE | |
📖 Фреймворк тестирования pytest | |
📖 unittest (встроенный) |
🚀 Быстрый старт
Предварительные требования
Шаг 1 — Клонирование и установка
git clone https://github.com/nandhakumar-murugan/antigravity-mcp-bridge.git
cd antigravity-mcp-bridge
pip install -r requirements.txtШаг 2 — Добавьте свой ngrok-токен
Получите токен на dashboard.ngrok.com/get-started/your-authtoken
Отредактируйте run_with_tunnel.py:
AUTHTOKEN = "your_ngrok_authtoken_here"Шаг 3 — Запуск
# Windows (Double-click or run):
start_server.bat
# macOS / Linux:
python run_with_tunnel.pyВывод:
[INFO] NGROK MCP TUNNEL IS LIVE!
[LINK] PASTE THIS IN GEMINI SPARK: https://xxxx.ngrok-free.dev/mcpШаг 4 — Подключение к Gemini Spark
Откройте gemini.google.com
Перейдите в Настройки → Пользовательские подключенные приложения
Вставьте:
https://xxxx.ngrok-free.dev/mcpПримите разрешения → Нажмите Сохранить
Введите
@Antigravity System Bridgeв любом чате, чтобы активировать!
💻 Руководство по интеграции для разработчиков
Python (официальный MCP SDK)
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 (любой язык)
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"}}}'Конфигурация Claude Desktop
{
"mcpServers": {
"antigravity-bridge": {
"command": "python",
"args": ["run_with_tunnel.py"],
"env": { "NGROK_AUTHTOKEN": "your_token" }
}
}
}👥 Кому это полезно
🎓 Студентам
Наблюдайте, как реальный код пишется и выполняется на вашем диске, а не в фейковых песочницах
ИИ сам выполняет
pip install, настраивает виртуальные окружения и PATHУчитесь отладке, наблюдая в реальном времени, как ИИ исправляет настоящие ошибки терминала
💻 Инженерам
Полностью автономная TDD: ИИ пишет код → запускает тесты → исправляет ошибки → повторяет
Поручайте целые фичи: «Создай REST API с аутентификацией» → готово за минуты
Больше никакого копирования между чатом и редактором
🔬 Исследователям
Запускайте локальные Python-пайплайны, не загружая чувствительные данные в облако
Автоматизируйте экспериментальные скрипты, бенчмарки и анализ данных в диалоговом режиме
Используйте локальные GPU-вычисления через команды терминала
📁 Структура проекта
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🛡️ Безопасность
Весь трафик зашифрован по TLS через ngrok HTTPS
Authtoken ngrok предотвращает несанкционированный доступ
180-секундный тайм-аут команды для всех операций в терминале
terminate_taskнемедленно останавливает любого запущенного субагентаВсе операции полностью видны в вашем локальном терминале
📄 Лицензия
Лицензия MIT — подробности см. в LICENSE.
Создано в экосистеме Google. Работает на открытых стандартах.
⭐ Поставьте звезду этому репозиторию, если он вам помог! | 🍴 Сделайте форк, чтобы настроить под свою команду
This server cannot be installed
Maintenance
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.
Real-time planetary signal engine and Model Context Protocol (MCP) server for autonomous AI agents.
Zero-setup MCP gateway securely connecting AI to your tools with authentication and workflows
Related MCP Servers
- 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 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
- FlicenseNot gradedqualityBmaintenanceAn AI-powered development assistant that enables LLMs to securely interact with local development tools including Git, filesystem, Docker, PostgreSQL, and GitHub via the Model Context Protocol.
- AlicenseDqualityDmaintenanceEnables AI assistants to interact with local Docker containers, Kubernetes clusters, and system logs using the Model Context Protocol.922ISC
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/gemini-antigravity-bridge'
If you have feedback or need assistance with the MCP directory API, please join our Discord server