Cómo usar MÚLTIPLES AGENTES en Google Antigravity para crear proyectos más rápido

Diálogo 'Open New Workspace' en Antigravity mostrando workspaces activos y la opción 'Open New Workspace'

Antigravity no es solo un editor de código: es una plataforma para orquestar agentes. En lugar de depender de un único asistente que hace todo, puedes crear un equipo de agentes que trabajan en paralelo — investigación, generación de código, datos, diseño, imágenes y más — todo dentro del mismo workspace. Ese cambio en la forma de trabajar acelera proyectos y mejora la calidad del resultado.

Tabla de contenidos

🚀 ¿Por qué trabajar con múltiples agentes?

Un flujo de trabajo tradicional suele ser secuencial: investigas, diseñas, codificas, pruebas. Con agentes puedes paralelizar tareas. Algunos beneficios concretos:

  • Productividad: varias tareas se ejecutan al mismo tiempo.
  • Especialización: cada agente se puede orientar a una función (diseño, datos, frontend, SEO).
  • Iteración rápida: mientras un agente genera código, otro mejora los assets y otro valida contenidos.
  • Escalabilidad: un mismo proyecto puede crecer sumando agentes según necesidad.

En la práctica esto se traduce en poder crear prototipos funcionales y material visual al mismo tiempo, reduciendo tiempos muertos y decisiones manuales.

🧭 Primeros pasos: crear el workspace y el proyecto

Empieza creando un workspace nuevo. En Antigravity lo verás como «Open Workspace» o una opción similar; crea uno y nómbralo para identificar bien el objetivo del proyecto. Por ejemplo: demo – agentes antigravity.

Dentro del workspace puedes crear múltiples conversaciones o agentes. Cada una funciona como un miembro del equipo y puede recibir instrucciones específicas. En un proyecto demo yo configuro:

  • Agente A: prototipa la app (estructura Next.js, SEO, páginas, componentes).
  • Agente B: recopila datos (genera un JSON con herramientas reales, categoriza y agrega metadatos).

Separar responsabilidades evita que un único agente “se disperse” y permite enfocarnos en prompts concretos.

🛠️ Cómo asignar tareas claras a cada agente

Los prompts son el contrato con cada agente. Da instrucciones completas y específicas para que no haya ambigüedad. Ejemplo de prompt para el agente que prototipa:

«Crea el prototipo de un directorio de herramientas de inteligencia artificial usando Next.js optimizado para SEO. Incluye una página de inicio con buscador, categorías, listado de herramientas. Cada ficha de herramienta debe incluir nombre, descripción, categoría, tags, sitio web y precio. Usa categorías como agentes de IA, plataformas de LLM, video con IA, audio con IA, herramientas para desarrolladores y automatización. Asume que otro agente generará un JSON con las herramientas y prepara el proyecto para consumir ese JSON.»

Cuadro de texto de Antigravity mostrando el área para escribir el prompt, indicador de 'Recording' y selección de modelo

Para el agente que genera los datos:

«Genera un JSON con herramientas reales. Busca herramientas y organízalas en categorías: agentes de IA, plataformas de LLM, audio con IA, video con IA, herramientas para desarrolladores con IA y automatización. Para cada herramienta incluye: nombre, descripción corta, categoría, sitio web, precio, modelo de precios y tags.»

Interfaz de Antigravity con cuadro 'Start new conversation' y estado 'Recording' activo

Notarás que el prompt incluye la suposición de que otro agente entregará un archivo JSON. Esa coordinación es clave: defines un contrato de datos (qué campos tendrá el JSON) y cada agente se adhiere a él.

⚙️ Elegir modelos y ajustar parámetros

Antigravity permite seleccionar modelos para cada agente. Si vas a generar código, texto o assets, elige un modelo optimizado para esa tarea. En mi ejemplo usé Gemini 3.1 Pro para el agente principal, porque facilita respuestas detalladas. También probé modelos de imágenes y audio; algunos modelos no manejan audio todavía, así que está bien alternar.

Desplegable de selección de modelo en Antigravity mostrando opciones como Gemini 3.1 Pro

Consejo práctico: si un agente falla con una tarea (por ejemplo, manejo de audio), cambia a otro modelo o ajusta el prompt. La experimentación rápida es parte del flujo cuando trabajas con varios agentes.

🧩 Estructura del proyecto Next.js preparada para consumir JSON

El agente de frontend debe generar una estructura lista para consumir el JSON. Aquí un ejemplo simple de cómo podrías fetchar el JSON en Next.js usando fetch desde getStaticProps (o fetch en el cliente si prefieres). Esto establece el contrato de datos en el código:


export async function getStaticProps() {
  // Simulamos que tools.json estará expuesto en /data/tools.json
  const res = await fetch('https://tu-dominio.com/data/tools.json');
  const tools = await res.json();

  return {
    props: {
      tools
    }
  };
}

Otra opción es servir el JSON desde una API interna del proyecto (api/tools) o directamente consumir un endpoint externo que el agente de datos haya creado o puesto en un bucket.

🧾 Esquema sugerido para el JSON

Para que los agentes y el frontend estén alineados, define un esquema. Ejemplo de esquema para cada herramienta:


{
  "name": "Nombre Herramienta",
  "short_description": "Descripción corta",
  "category": "plataformas-llm",
  "tags": ["llm", "developers"],
  "website": "https://ejemplo.com",
  "price": "Gratis / Freemium / $",
  "pricing_model": "suscripción / pago único / gratuito"
}

Pide al agente de datos que entregue el array completo y que valide URLs, precios y campos faltantes. Si esperas que el frontend haga filtros, asegúrate de incluir categorías y tags consistentes.

🖼️ Generación de imágenes y assets por agentes

Mientras un agente arma la app, otro puede crear imágenes y assets. En mi ejemplo pedí imágenes horizontales con aspecto 16:9 para las fichas y probé modelos de imagen como nano banana 2. Los prompts deben incluir el contexto del proyecto para mantener coherencia visual.

Vista del agente mostrando el prompt y la imagen hero generada de 'Nano Banana 2' en alta calidad, formato horizontal

Si un agente no entiende bien el proyecto, envíale el «brief» o el README del proyecto. Esto acelera la convergencia hacia resultados útiles.

🔍 Interacción entre agentes: ejemplo práctico

En el demo hice exactamente eso:

  1. Agente A: crea el proyecto Next.js optimizado para SEO.
  2. Agente B: genera el JSON con herramientas reales y categorías.
  3. Agente C: crea imágenes para cada ficha en formato horizontal.

Mientras el agente A ya tenía archivos y estructura, B y C estaban generando datos y assets en paralelo. Al combinar resultados, el prototipo quedó con fichas completas y filtros funcionando. La vista del proyecto mostró tarjetas de herramientas y un buscador que filtraba por categorías y tags.

Interfaz del directorio IA con el título 'Encuentra la Herramienta IA Perfecta', filtros de tags y tarjetas de herramientas visibles

🔧 Cómo revisar lo que cada agente hizo

Antigravity organiza las conversaciones/agents dentro del mismo proyecto. Puedes cambiar entre «vista de agentes» y la «vista de editor» clásica donde ves archivos y código. La vista de agentes te muestra la conversación, el plan de ejecución y los artefactos generados; la vista de editor te permite editar manualmente.

Interfaz de Antigravity mostrando la conversación del agente con registros en el centro y el plan de implementación a la derecha

Revisa los siguientes elementos cuando validas el trabajo de los agentes:

  • Plan de ejecución: el agente suele proponer pasos. Útil para alinearse.
  • Archivos generados: revisa los componentes React, rutas y assets.
  • JSON de datos: valida que los campos estén completos y correctos.
  • Imágenes: asegúrate de que el estilo visual coincida con tu UI.

✅ Tips para prompts efectivos y trabajo paralelo

Algunos consejos prácticos que funcionan bien en este tipo de flujo:

  • Define contratos de datos: especifica exactamente qué campos tendrá el JSON, tipos y formatos.
  • Separa responsabilidades: un agente = una responsabilidad principal.
  • Incluye ejemplos en los prompts: muestra cómo debe lucir una ficha o un archivo JSON de ejemplo.
  • Usa checklists en el prompt para que el agente confirme cada paso (ej. «1. Generar data, 2. Validar URLs…»).
  • Prueba modelos distintos para cada tipo de tarea: algunos modelos generan mejor código, otros mejores imágenes o textos.
  • Revisión humana: aunque los agentes agilizan, una revisión final evita errores lógicos o de negocio.

📐 UX y SEO: pedirlo explícitamente

Si quieres que el prototipo sea usable y indexable, deja claro en el prompt que el proyecto debe estar optimizado para SEO y accesibilidad:

  • Rutas limpias y semánticas
  • Meta tags y Open Graph configurados
  • Uso de etiquetas semánticas HTML
  • Pre-rendering o SSR para páginas importantes

Ejemplo de instrucción corta a un agente frontend: «Genera un componente ToolCard con atributos ARIA, imagen responsive, título, descripción corta y enlace al sitio. Incluye meta tags en la página de categoría para SEO.»

🧪 Ejemplo de flujo completo paso a paso

Imagina que quieres lanzar un directorio de herramientas de IA en 48 horas. Un posible plan de agentes:

  1. Agent-Research: recolecta 80 herramientas y genera tools.json con esquema validado.
  2. Agent-Frontend: crea estructura Next.js, rutas, buscador, filtros, ToolCard, y consumo del JSON.
  3. Agent-Images: genera miniaturas 16:9 optimizadas y variantes para retina.
  4. Agent-SEO: revisa meta tags, sitemap y robots.txt y sugiere títulos H1/H2 por categoría.
  5. Agent-Deploy: sugiere configuración para Vercel y scripts de build y despliegue.

Al finalizar, un humano revisa la calidad y decide lanzar o iterar. Con este enfoque, la mayor parte del trabajo repetitivo está automatizado.

📌 Manejo de errores comunes

Al usar agentes en paralelo te encontrarás con algunas situaciones habituales:

  • Datos inconsistentes: soluciona normalizando categorías y tags; ajusta el prompt de datos y re-genera el JSON.
  • Assets fuera de estilo: añade un brief de estilo para el agente de imágenes y/o re-genera con prompts más concretos.
  • Dependencias rotas: el agente de frontend puede olvidar instalar paquetes; pide un package.json completo y scripts de build.
  • Modelos no competentes: cambia el modelo asignado al agente para la tarea específica.

📎 Integración y despliegue

Para despliegues rápidos recomiendo preparar scripts de build y un target como Vercel. Pide al agente de despliegue:

  • Archivo vercel.json o configuración de Vercel
  • Scripts npm: build, start, export
  • Un README con pasos para desplegar manualmente o por CI

Si prefieres integrar con un bucket para el JSON (por ejemplo S3 o Storage), pide al agente que entregue instrucciones paso a paso.

🔁 Cambia entre vista de agentes y editor

La vista de agentes es útil para coordinar y ver el plan. La vista de editor es donde puedes ajustar archivos y hacer commits manuales. Alterna según necesites control humano o confianza en los agentes.

Antigravity mostrando conversación/registro del agente y, a la derecha, el plan de implementación con cambios propuestos y archivos referenciados

🗂️ Ejemplos de prompts útiles (plantillas)

Aquí tienes algunas plantillas para copiar y adaptar:

  • Prompt – Agente de datos: «Crea un archivo JSON con 50 herramientas de IA reales. Cada entrada debe tener name, short_description, category, tags (máximo 5), website, price (texto), pricing_model. Valida que las URLs respondan y que las descripciones tengan entre 20 y 80 palabras.»
  • Prompt – Agente frontend: «Genera un proyecto Next.js con pages: /, /category/[slug], /tool/[slug]. Usa SEO y meta tags. Consume /data/tools.json. Crea un componente ToolCard con imagen, nombre, descripción corta, tags y botón al sitio.»
  • Prompt – Agente imágenes: «Genera imágenes 16:9 estilo minimalista para cada herramienta. Usa paleta neutra y coloca un placeholder para el logo. Exporta PNG de 1200×675 y versiones webp.»

🧭 Recursos y enlaces útiles

Enlaces mencionados y recursos referenciados en este flujo:

  • Comunidad Skool: https://www.skool.com/vibe-coding-crea-apps-con-ia-5930
  • Playlist de videos sobre crear apps web con IA: https://www.youtube.com/playlist?list=PLBTuX25MUpdo9YuMzu-o9c80p1q40EBfI
  • Canal: https://www.youtube.com/channel/UCzyOS_56H5kiBCs4UnIp0HA
  • Video demo: https://www.youtube.com/watch?v=OqoP-4uqbK0

🧠 Casos de uso recomendados

Este enfoque brilla en proyectos que requieren:

  • Directorios y marketplaces de herramientas
  • Prototipado rápido de SaaS
  • Generación de contenido y assets a escala
  • Workflows donde investigación, datos y diseño pueden correr en paralelo

🔮 Reflexión final

Orquestar agentes dentro de un mismo proyecto transforma la forma de construir. No se trata solo de automatizar, sino de diseñar equipos de trabajo donde cada agente ejecuta lo que mejor sabe hacer. Con prompts claros, contratos de datos y un poco de supervisión humana, puedes pasar de idea a prototipo en una fracción del tiempo.

El enfoque requiere práctica y ajuste de prompts, pero cuando funciona —cuando varios agentes se complementan— el resultado es espectacular: más velocidad, menos fricción y la posibilidad de iterar mucho más rápido.

Interfaz de Antigravity con el panel izquierdo de workspaces y a la derecha la sección 'Implementation Plan' que describe el prototipo del directorio de herramientas AI

Si quieres experimentar, comienza con un proyecto pequeño: un directorio, una landing o una mini-app. Configura dos agentes (datos y frontend) y ve añadiendo agentes según necesidad. Pronto verás la ventaja de trabajar con un «equipo» de agentes.

📌 Recursos finales y recordatorios

Recuerda incluir:

  • Contratos de datos claros (JSON schema)
  • Prompts que incluyan ejemplos
  • Revisión humana al final de cada sprint
  • Un plan de despliegue sencillo (Vercel u otro)

¡A trabajar con agentes! Es un gran momento para construir con IA.

Página principal del directorio de herramientas IA con el título 'Encuentra la Herramienta IA Perfecta', barra de filtros y tarjetas en cuadrícula

Entradas relacionadas