Antigravity-Jules Orchestration：让两个 AI 代理替你写代码

一个真实场景：深夜紧急修 Bug，团队已下班

凌晨两点，你发现线上服务出了 Bug，需要紧急修复一个性能问题。打开编辑器，却发现：

• 这个模块你只写过一半，逻辑已经模糊
• 团队同事全部下线，没有人能 review
• 改完还要自己测试、部署、验证，一整套流程走下来天都亮了

如果这时候有两个 AI 代理，一个负责规划，一个负责写代码——你只需要点一个"批准"键，代码就自动写好、测试通过、部署上线呢？

这正是 Antigravity-Jules Orchestration 想要解决的问题。

---

它是什么：一个连接两个 AI 代理的 MCP 服务器

这个开源项目本质上是一个基于 Model Context Protocol（MCP） 的自定义服务器，核心功能是把 Google 的 Antigravity 和 Google 的 Jules API 两个 AI 代理串联起来，让它们协同工作、各司其职。

• Antigravity 是整个编排系统的"指挥官"：它擅长浏览器自动化（截屏、录制视频）、理解复杂任务并拆解为执行计划、管理多工作区并行对话，以及通过 MCP Store 连接外部服务。
• Jules API 是"代码工人"：它专注于接收编程任务、生成代码、处理 GitHub PR 合并，并提供实时的任务执行进度追踪。

两者之间的"桥梁"就是这个项目提供的 MCP 服务器。它暴露了 65 个 MCP 工具，涵盖：Jules 会话管理、PR 集成、Ollama 本地大模型、RAG 检索增强生成、Render 部署自动修复、语义记忆、建议任务扫描等模块。

---

技术架构：Node.js + Express + React Dashboard

整体架构分为三层：

第一层：MCP 服务器（Node.js）

• 基于 Node.js 的 Streamable HTTP 传输，兼容多种 MCP 客户端
• 使用 Joi 做输入校验，TypeScript 风格的类型安全
• 无状态架构设计，方便水平扩展
• LRU 缓存（100 条，TTL 10 秒）+ 熔断器（连续 5 次失败后熔断）

第二层：业务逻辑层

• lib/batch.js：批量会话处理器，支持批量创建、重试、审批
• lib/render-client.js：Render 平台 API 客户端（连接池管理）
• lib/render-autofix.js：自动检测 Render 构建失败并生成修复补丁
• lib/ollama.js：对接本地 Ollama 大模型，支持补全、聊天、代码生成
• lib/rag.js：本地 RAG 检索增强生成
• lib/memory-client.js：语义记忆持久化（8 个 MCP 工具）
• lib/suggested-tasks.js：扫描代码库 TODO/FIXME/HACK 并生成修复建议

第三层：Dashboard UI（React + Vite）

• 独立的 dashboard/ 子目录，pnpm 管理依赖
• 实时速率限制指标展示

存储层：

• PostgreSQL 存储会话状态和历史
• Redis 缓存加速 API 响应

---

核心工作流：如何用两个 AI 完成一个任务

整个自动化开发闭环如下：

1. 任务输入：用户在 Antigravity 中用自然语言描述需求（如"修复 XXX 模块的内存泄漏问题"）
2. 规划阶段：Antigravity agent 将任务拆解为实现计划，包含任务组和审批流程
3. 会话创建：MCP 服务器通过 Jules API 创建编程会话，附带代码源信息
4. 并行执行：Antigravity 负责浏览器自动化操作；Jules 负责代码生成
5. 进度监控：实时追踪两个代理的活动日志，Dashboard 可视化
6. 审批门控：实施计划在执行前需要人工审批（可选）
7. 完成收尾：PR 自动合并、测试执行、文档更新

亮点功能举例——Render 自动修复（v2.6.0）：

当 Jules 生成的代码触发了 Render 平台的构建失败时，系统会自动：

• 接收 Render webhook 事件
• 拉取构建日志，进行智能错误模式匹配
• 生成修复补丁，创建新的 Jules 会话尝试修复
• 整个过程无需人工介入

---

上手门槛：有技术背景才能用明白

这个项目不是一个开箱即用的 SaaS 产品，而是一套需要自行部署和维护的系统。

部署方式（相对友好）：

• 提供 docker-compose.yml，PostgreSQL + Redis + MCP 服务器一键启动
• orchestrator-api/ 子目录包含多阶段 Dockerfile（Node.js 20），构建产物精简
• 独立 Dashboard 使用 Vite 构建静态资源
• 必需配置：JULES_API_KEY（Jules API 凭证）、GITHUB_TOKEN（GitHub 集成）

门槛所在：

• 需要同时拥有 Antigravity 访问权限（Google 内部或特定渠道）和 Jules API 账号
• 需要自行维护 PostgreSQL 和 Redis 实例
• MCP 工具链庞大（65 个），配置和学习成本不低
• 无 License，任何使用方式均无法律保障

适合场景：

• 团队已经重度使用 Jules API，希望进一步自动化开发流程
• 需要在大规模代码库中系统性解决 TODO/FIXME 积压问题
• 已有 Render 部署流水线，想接入自动修复能力

---

局限性：不适合普通开发者

• 无 License：这是目前最大的法律风险——无法合规地用于商业项目
• API 依赖强：同时依赖 Antigravity 和 Jules API，两个服务不可用即瘫痪
• 维护活跃度存疑：作者 "Scarmonit" 个人维护，40 stars 说明社区关注度较低
• Node.js 单语言：不涉及 Python 生态，无法利用 LangChain、PyTorch 等工具
• Dashboard 简陋：只展示限流指标，没有会话状态、工作流执行进度等核心监控

---

在 AI 代理生态中的意义

2024 年是 AI Agent 元年，MCP 协议的推出（Anthropic 发起）让 AI 代理之间的互联互通成为可能。这个项目代表了一种趋势：不是让一个超级 AI 代理做所有事，而是让多个专业代理各司其职、协同工作。

Antigravity 擅长规划和理解上下文，Jules 擅长代码生成——两者的结合比任何一个单独使用都更接近"自动化的软件工程团队"这一愿景。

同时，它集成了 Ollama（本地模型）、RAG（知识检索）、语义记忆（长期上下文）等能力，展现了 AI 代理架构中"本地 + 云端混合"的工程思路。

---

快速部署

git clone https://github.com/Scarmonit/antigravity-jules-orchestration.git
cd antigravity-jules-orchestration
cp .env.example .env
# 编辑 .env，填入 JULES_API_KEY 和 GITHUB_TOKEN
docker-compose up -d

访问 Dashboard（默认端口 3323 的 /dashboard）查看运行状态。