Google Antigravity CLI의 Go 실행 구조와 Agent Skills 아키텍처

프로세스 실행기에서 에이전트 세션으로

Google은 Gemini CLI를 공식 deprecated 처리하고, Go로 완전히 재작성한 Antigravity CLI를 출시했다. 변화의 핵심은 구현 언어만이 아니다. 명령을 받아 프로세스를 실행하던 기존 CLI 모델에서 벗어나, 대화와 도구 호출 이력을 가진 에이전트 세션을 실행의 중심에 둔다.

이 구조에서는 한 번의 명령보다 여러 단계에 걸친 작업의 연속성이 중요하다. Agent Skills 모듈 시스템도 같은 방향을 따른다. 클라우드 인프라, 데이터베이스, 보안 감사, 테스트 자동화처럼 서로 다른 도메인의 역량을 플러그인으로 연결해 CLI의 작업 범위를 확장한다.

Go가 담당하는 비동기 실행과 스트리밍

Python으로 구현됐던 Gemini CLI와 달리 Antigravity CLI는 Go 단일 바이너리로 배포된다. 낮은 메모리 풋프린트와 경량 goroutine 기반 동시성 처리가 Go를 선택한 직접적인 배경이다. Python CLI에서 발생하던 인터프리터 초기화 오버헤드가 사라지면서 Go 바이너리는 수십 밀리초 이내에 실행을 시작한다.

도구 호출 중에도 CLI는 다른 I/O를 처리한다. 서로 독립적인 도구가 동시에 실행되면 각 결과는 channel을 거쳐 수집되고, 스트림 재정렬 레이어가 터미널에 표시할 순서를 맞춘다.

⤢✕

스트리밍의 대상은 텍스트에 한정되지 않는다. 터미널 렌더링 엔진은 ANSI 이스케이프 코드를 사용해 마크다운, 코드 하이라이팅, 진행 바를 출력 도중에도 갱신한다. 응답이 끝난 뒤 화면을 한꺼번에 그리는 대신 결과가 들어오는 대로 렌더링하는 방식이다.

세션이 기억하는 것과 도구 체인이 실행되는 방식

Antigravity CLI에서 세션은 일급 객체다. 각 세션에는 고유한 세션 ID가 부여되며 대화 이력, 도구 사용 이력, 컨텍스트 파일 목록이 로컬 디스크에 저장된다. 중단했던 작업은 antigravity resume <session-id>로 다시 열 수 있다.

여러 도구가 필요한 작업은 DAG(Directed Acyclic Graph) 형태의 실행 그래프로 모델링한다. 파일 읽기와 웹 검색처럼 의존성이 없는 작업은 병렬로 실행하고, 두 결과가 모두 필요한 다음 단계는 결과가 합쳐진 뒤 시작한다. 순차 호출을 단순히 나열하는 대신 의존 관계를 기준으로 실행 순서를 정하는 구조다.

세션을 시작할 때는 에이전트가 현재 환경을 이해하는 데 필요한 정보도 수집한다. 대상에는 OS 종류·버전·셸 타입·환경 변수 목록, 최대 깊이 3까지의 작업 디렉터리 파일 트리, Node.js·Python·Go·Rust 등 활성 언어 런타임, 현재 브랜치·최근 커밋·스테이징 영역을 포함한 Git 상태가 들어간다. 수집한 내용은 시스템 프롬프트에 주입되어 에이전트가 작업 환경을 판단하는 컨텍스트로 사용된다.

Agent Skills가 CLI 기능을 확장하는 경계

Agent Skills는 특정 도메인에서 사용할 도구와 실행 로직을 묶은 모듈이다. 각 스킬은 표준 인터페이스를 구현한 Go 플러그인 바이너리로 배포된다.

인터페이스에는 세 가지 핵심 메서드가 있다. Describe()는 스킬이 제공하는 도구와 입출력 스키마를 JSON Schema로 반환한다. Execute(toolName string, params map[string]interface{})는 도구 호출을 받아 실행 결과를 돌려준다. Teardown()은 스킬이 사용한 자원을 해제한다.

⤢✕

CLI는 시작할 때 ~/.antigravity/skills/를 스캔하고 Go의 plugin 패키지로 설치된 플러그인을 메모리에 올린다. 각 스킬이 공개한 도구는 통합 도구 레지스트리에 등록된다. 이후 에이전트가 도구를 선택하면 라우팅 레이어가 해당 스킬의 Execute()로 요청을 보낸다.

플러그인의 버전 충돌과 장애를 가두는 방법

각 스킬은 Semantic Versioning을 따르며 독립적인 의존성 네임스페이스를 사용한다. 서로 다른 스킬이 요구하는 라이브러리 버전이 충돌하지 않도록 실행 경계를 분리하는 정책이다.

스킬은 CLI 메인 프로세스 안에서 직접 실행되지 않는다. 각각 별도의 OS 프로세스로 동작하며 Unix 소켓 기반 IPC(Inter-Process Communication)로 메인 프로세스와 통신한다. CPU, 메모리, 파일 디스크립터 수에도 리소스 제한이 적용된다. 악의적인 스킬이나 결함이 있는 스킬이 멈추더라도 그 영향이 CLI 전체로 번지지 않게 만드는 격리 계층이다.

협업하는 스킬 사이의 데이터 경계

복합 워크플로에서는 한 스킬의 출력이 다른 스킬의 입력이 된다. 보안 감사 스킬이 발견한 취약점을 코드 수정 스킬에 넘겨 자동 패치를 적용하는 흐름이 그 예다.

Antigravity CLI는 이를 위해 세션 범위의 타입 지정 키-값 저장소를 제공한다. 다른 스킬이 읽을 수 있는 것은 해당 스킬이 명시적으로 공개한 데이터뿐이다. 각 스킬은 Describe()에 읽을 수 있는 데이터 타입을 선언하고, 런타임은 실제 접근 시 권한을 검사한다. 공유 저장소를 두되 모든 세션 데이터를 플러그인에 무조건 노출하지 않는 설계다.

Gemini CLI 자산을 옮기는 경로

Gemini CLI는 2024년 말 출시 이후 빠르게 사용자 기반을 확보했지만 Python 런타임 의존성과 응답 지연 문제로 개발자 커뮤니티의 비판을 받았다. Google은 Antigravity CLI와 함께 기존 설정, 히스토리, 커스텀 도구 정의를 이전하는 자동 마이그레이션 도구를 제공한다.

이 도구는 Gemini CLI의 .gemini/ 설정 디렉터리를 분석해 ~/.antigravity/ 구조로 변환한다. 기존 커스텀 도구는 Agent Skills 인터페이스를 따르는 플러그인으로 자동 래핑한다. Python으로 작성한 도구는 Python 스킬 어댑터를 통해 계속 실행할 수 있어 전환 시 기존 자산을 한꺼번에 폐기할 필요가 없다.

다른 에이전트 CLI와 갈리는 지점

⤢✕

Claude Code CLI는 Bash 실행과 파일 편집에 강한 도구 호출 기능을 갖췄다. 다만 도구 생태계를 확장하는 구조는 Antigravity CLI의 스킬 플러그인 시스템만큼 체계화되어 있지 않다.

OpenAI Codex CLI의 구분점은 클라우드 샌드박스 실행이다. 코드 관련 작업에 집중된 만큼 범용 에이전트 CLI로 활용할 때는 유연성이 제한된다. Antigravity CLI는 Go 기반 실행 성능과 Agent Skills를 결합해 범용 에이전트 플랫폼이라는 위치를 겨냥한다.

Go 재작성 이후의 성능과 플랫폼 확장

내부 벤치마크에서는 Gemini CLI와 비교해 Antigravity CLI의 평균 콜드 스타트 시간이 87% 단축됐다. 같은 태스크에서 도구 호출 처리량은 3.2배 향상됐고, Python 인터프리터 오버헤드가 없어지면서 메모리 사용량은 약 60% 감소한 것으로 보고된다.

Google은 Agent Skills 인터페이스 사양을 오픈 스탠다드로 공개할 계획이다. Antigravity CLI뿐 아니라 서드파티 에이전트 런타임도 동일한 스킬 플러그인을 공유하도록 만드는 상호운용성 구상이다. Google Cloud의 Vertex AI Agent Builder와의 통합도 예정되어 있다. 이에 따라 로컬 CLI에서 개발한 스킬을 클라우드 배포 환경에서 그대로 재사용할 수 있게 될 전망이다.

Antigravity CLI의 방향은 명령 실행기를 더 빠르게 만드는 데 머물지 않는다. 영속 세션과 비동기 도구 그래프를 실행 기반으로 삼고, 도메인별 역량을 독립적인 스킬로 배포하는 플랫폼 구조를 구축하려는 시도다. Gemini CLI 자산을 옮기는 경로와 인터페이스 공개 계획도 이 CLI를 에이전트 생태계의 허브로 확장하려는 Google의 장기 전략에 연결된다.