구글 Antigravity, PC 꺼도 클라우드에서 AI 코딩 작업 이어간다
구글 Antigravity의 원격 에이전트는 코딩 작업을 구글 관리 클라우드 컴퓨터에서 이어가 PC를 꺼도 작업이 계속되게 합니다. 앤스로픽의 자체 호스팅형 Managed Agents는 서비스와 기록을 고객 인프라에 두지만, 모델 호출 때 대화와 도구 입력·결과를 선택한 제공자에게 보냅니다. Antigravity SDK는 로컬 오프라인 구성과 클라우드 계획자·로컬 작업자를 결합한 구성을 지원합니다.
AI 코딩 에이전트의 데이터 흐름은 코드를 실행하는 곳, 에이전트와 작업 기록을 관리하는 곳, 모델 요청을 받는 곳으로 나눠 살펴볼 수 있습니다. 각 기능은 서로 다른 인프라에서 운영될 수 있습니다.
구글 Antigravity의 원격 에이전트는 코드를 작성하고 명령을 실행하는 작업을 구글이 관리하는 독립 클라우드 가상 컴퓨터(VM)에서 이어갑니다. 이용자가 작업을 맡긴 뒤 PC를 꺼도 에이전트는 클라우드에서 계속 작업할 수 있습니다. 확인이나 추가 지시가 필요하면 스마트폰 등에서 원격 작업에 접속할 수 있습니다. 코드는 GitHub 저장소를 지정하거나 Google Drive의 파일·폴더를 선택하고, 기기에서 파일을 올려 제공할 수 있습니다. Publickey는 개인 Google 계정으로 AI Pro 또는 AI Ultra를 이용하는 가입자가 이 기능을 사용할 수 있다고 전했습니다.
앤스로픽은 11월 12일 자체 호스팅형 Claude Managed Agents를 비공개 베타로 공개했습니다. 기업은 자체 클라우드나 데이터센터에서 에이전트 관리 서비스와 실행용 샌드박스, 자격 증명, 세션 기록을 운영합니다. 이전에는 실행 환경인 샌드박스만 고객 인프라에 두고 서비스는 앤스로픽이 운영하는 방식도 있었습니다. 새 구성에서는 고객이 서버와 데이터베이스를 운영하고, 작업자는 서버에서 할 일을 받아 샌드박스 안에서 셸 명령과 파일 도구를 실행합니다. 베타 이용은 앤스로픽 담당 계정팀에 요청해야 합니다.
자체 호스팅형에서도 모델은 고객이 선택한 추론 제공자에서 실행됩니다. 세션 기록은 고객 데이터베이스에 저장되지만, 모델을 호출할 때마다 서버는 지금까지의 대화와 도구 입력·실행 결과를 선택된 추론 제공자에게 보냅니다. 고객은 앤스로픽이나 Amazon Bedrock, Google Agent Platform, Microsoft Foundry 또는 자체 게이트웨이 가운데 요청을 보낼 곳을 선택할 수 있습니다. 즉 기록은 고객 인프라에 두면서 모델 호출에 필요한 문맥은 선택한 제공자에게 전달합니다.
Antigravity SDK는 모델 추론을 기기 안에서 처리하는 구성도 지원합니다. 구글 개발자 블로그는 LiteRT를 이용한 Gemma 4 26B A4B 지원을 소개했으며, Ollama·LM Studio·vLLM 같은 호환 모델 서버도 연결할 수 있다고 밝혔습니다. 이런 로컬 모델과 도구를 이용하는 흐름은 인터넷 연결 없이 실행하도록 구성할 수 있습니다. 구글은 Gemma 예시를 실행할 장비로 VRAM 또는 통합 메모리 24GB 초과를 권장했습니다.
SDK는 클라우드와 로컬 모델을 함께 쓰는 구성도 보여줬습니다. 구글의 시연에서는 클라우드의 Gemini 3.8 Flash가 작업을 계획하고 조정하고, 기기의 Gemma 4 26B 에이전트들이 취약한 모듈 세 개를 점검하고 수정했습니다. 구글은 클라우드 모델이 파일 이름과 작업 설명만으로 계획을 세웠고 소스 코드는 기기 밖으로 보내지 않았다고 설명했습니다. 취약점 재현, 수정안 작성과 검토, 회귀 테스트는 로컬 에이전트가 맡았습니다. 이 구성에서는 파일 이름과 작업 설명이 클라우드로 전달되고, 실제 코드 작업은 기기에서 이뤄집니다.
세 방식은 서로 다른 위치를 바꿉니다. Antigravity 원격 에이전트는 구글이 관리하는 클라우드 컴퓨터에서 작업을 이어가고, Claude Managed Agents 자체 호스팅형은 서비스와 기록을 고객 인프라에 둡니다. Antigravity SDK의 로컬 구성은 모델 추론과 도구 실행을 기기에서 처리하며, 하이브리드 구성은 클라우드 계획자와 로컬 작업자가 역할을 나눕니다. 작업의 실행 위치와 기록 저장소, 모델 요청의 목적지를 나눠 보면 각 구성의 차이가 드러납니다.