【実演】Antigravityで実現する「AI司令官」の自動化ワークフロー

AIを指揮し、複雑な業務を丸投げする

Google Antigravityは、単なるチャットボットではなく、開発者がAIエージェントを指揮してツールを爆速で製造する「開発者のための工場」です。司令官として指示を出すだけで、自作ツールを連携させ業務を完結させるプロの手法を公開します。

はじめに：Antigravityは「開発者の工場」である
エージェントの特技を定義する「SKILL.md」
実演ワークフローの解説
OKIHIRO流：司令官の視点（プロのコツ）
まとめ＆ネクストアクション

はじめに：Antigravityは「開発者の工場」である

Google Antigravityを触って確信したのは、これが一般大衆向けの簡易ツールではなく、ITスキルや経験を武器にする「開発者のための製造工場」であるということです。プログラミングやHTMLの知識がある司令官が、AIエージェントに「特技（Skill）」を習得させ、自作の武器（ツール）を組み合わせて業務を自動化する場所。それがこのプラットフォームの正体です。

エージェントの特技を定義する「SKILL.md」

エージェントを動かすには、.SKILL.md という業務マニュアルが必要です。今回は、私の自作ツール okihiro-cutter と Easy-Tube-Publisher を連携させるパイプラインを定義しました。以下の内容を .agent/skills/video-pipeline-helper.SKILL.md に配置します。

---
name: video-pipeline-helper
description: okihiro-cutterとEasy-Tube-Publisher(ETP)を連携させ、動画制作の自動化パイプラインを実行するスキル。
---

# Goal
動画の自動カットからETPでの素材生成までを行い、ユーザーのAI Studio作業を待機、その後JSONを受け取ってETP用の保存処理を行う。

# Instructions

## Phase 1: Auto-Cut & Prepare (自動カット〜素材生成)
1. **Analyze Request**: ユーザーから指定された動画ファイルを確認する。
2. **Execute Cut**: 
   - `okihiro-cutter/scripts/workflows/run_full_auto_workflow.py` を実行する。
   - 引数: `--no-cleanup` `--no-cfr`
   - 完了後、出力された `output_cut_video.mp4` の場所を確認する。
3. **Transfer**: 
   - カット済み動画を `Easy-Tube-Publisher/input/` にコピーし、名前を `cut_{元のファイル名}` に変更する。
4. **Generate Package (ETP)**:
   - `Easy-Tube-Publisher` 内で、Proxy動画作成とプロンプト生成を行う（ETPの scripts/gui_tab1.py のロジックに準拠）。
   - ※GUIは起動せず、PythonかFFmpegで裏で処理すること。
5. **Wait for User**: 
   - 「素材を作成しました。AI Studioで実行し、結果のJSONをここに貼り付けてください」と報告し、停止する。

## Phase 2: Process JSON (JSON解析〜保存)
1. **Receive Input**: ユーザーから貼られたJSON（またはテキスト）を受け取る。
2. **Process**:
   - `Easy-Tube-Publisher/output/{動画名フォルダ}/` 内に以下のファイルを保存する。
     - `03_Metadata.json` (システム用)
     - `04_Manual_Paste.txt` (人間確認用)
3. **Finish**:
   - 「保存しました。Easy-Tube-Publisherを起動して、アップロードを行ってください」と報告して終了する。

実演ワークフローの解説

STEP 1: ツールセット（武器庫）の読み込み

Antigravityのフォルダ管理機能で、自作ツールの親フォルダを丸ごと読み込ませます。これにより、エージェントはローカルにある全スクリプトの構造を把握し、必要な時に必要なスクリプト（仮想環境 .venv を含む）を呼び出せるようになります。

STEP 2: エージェントへのコマンド発行

チャット欄から、先ほど定義したスキル名を使って指示を出します。ファイル名ではなく、YAMLで定義した name で呼び出すのがルールです。

video-pipeline-helperを使って、この動画「sample.mp4」を処理して。

STEP 3: レビュー駆動開発（承認プロセス）

Antigravityの「Review-driven development」モードでは、エージェントが各工程（ファイルの移動やスクリプト実行）の前に承認（Accept）を求めてきます。最初は手動で承認しながら挙動を確認し、信頼できたら「常に承認」に切り替えて全自動化を進めるのが安全な運用です。

OKIHIRO流：司令官の視点（プロのコツ）

1. コンテキストの蓄積がAIをパートナーにする

AIを使って学習を進める際、私は「前回の作業ログ（文字起こし等）」を前提条件としてAI（Gemini等）に必ず読み込ませます。これによりAIは「私が前回何を学び、どこまで進んだか」を把握した状態で回答してくれます。エージェントを育てるのではなく、対話するAI側にコンテキストを蓄積させることで、最短で目的のツールを完成させることができます。

2. コストと精度の最適解（AI Studio活用）

動画分析はAPIコストが高いため、私はエージェントに「軽量なプロキシ動画」とプロンプトを作らせるところまでを自動化しています。その素材を無料で使える Google AI Studio (Gemini 3 Pro) に手動で投入し、結果のJSONをエージェントに戻す。この「半自動」の工程を挟むことで、爆速・高精度・低コストのすべてを両立させています。