Google Antigravity estrena Dynamic Workflows: el agente escribe un script en Python para coordinar subagentes

Google comenzó a lanzar el 13 de noviembre de 2026 los Dynamic Workflows en Antigravity, su entorno de desarrollo con agentes de IA. La función llega con el comando /run-workflow: en lugar de coordinar una tarea larga solo mediante la conversación, el agente escribe un script corto en Python que reparte el trabajo entre subagentes — en paralelo o en secuencia — y el desarrollador revisa el script antes de que se ejecute.

El lanzamiento forma parte de la misma semana de novedades de Antigravity que trajo el Orchestrator, que alterna entre los modelos Gemini 4 Carbon (o Argon) y Hydrogen dentro de una misma conversación. La diferencia está en el enfoque: mientras el Orchestrator reparte el trabajo entre modelos, los Dynamic Workflows lo reparten entre agentes, con un flujo controlado por código.

Qué son los Dynamic Workflows

Según la documentación oficial de Google Antigravity, los Dynamic Workflows sirven para tareas que se dividen en muchas partes independientes — una revisión por archivo modificado, una auditoría por paquete — o en pasos encadenados, como escribir una prueba que falla y luego corregir el código. La idea es sustituir una conversación larga, que puede perderse en la interpretación de los prompts, por un control determinista en script.

  • Fases paralelas y secuenciales: el script ejecuta agentes al mismo tiempo con parallel() o uno tras otro con pipeline(), organizados en fases con nombre que se pueden seguir en vivo.
  • Conversación principal limpia: cada agente del flujo trabaja en su propia conversación y devuelve un resultado estructurado, validado con un JSON Schema. Las lecturas de archivos, las búsquedas y los registros de pruebas quedan fuera del contexto principal.
  • Agentes de un solo uso o persistentes: el flujo puede crear agentes desechables — un revisor por archivo — o mantener al mismo agente entre fases, para que el revisor que encontró los errores confirme después si se corrigieron.
  • Scripts reutilizables: un script que funciona puede guardarse como archivo .py en el proyecto y ejecutarse de nuevo más tarde.

Cómo funciona /run-workflow

Al escribir /run-workflow seguido de la tarea — o pedir el flujo con tus propias palabras —, el agente lee la skill interna run-workflow y escribe el script en Python. Antes de ejecutarlo, Antigravity muestra el script y pide aprobación, salvo que un preset de permisos, como Turbo, ya lo autorice. Para cambiar el plan, basta con denegar y decirle al agente qué ajustar.

El flujo se ejecuta en segundo plano, en un proceso separado que usa el runtime de Python incluido en Antigravity — no hace falta tener Python instalado en el equipo, y se puede apuntar a un intérprete propio (Python 3.8 o superior) con la variable ANTIGRAVITY_PYTHON. Al terminar, el agente principal recibe los registros y los resultados y los resume en la conversación.

Ejemplos de uso

La documentación de Google muestra tres patrones listos:

  • Revisión en paralelo: listar los archivos Python modificados desde la rama principal y revisar cada uno en paralelo en busca de excepciones sin controlar, con un veredicto de una línea por archivo.
  • Revisar, corregir y verificar: un agente Revisor persistente enumera los errores de un directorio, se crea un agente Corrector por error en paralelo y, al final, el mismo Revisor confirma que todo se corrigió.
  • Edición en workspaces aislados: cada agente paralelo trabaja en un worktree de Git aislado para sustituir un helper obsoleto y ejecutar las pruebas del paquete sin conflictos.

También se puede elegir el nivel de modelo de los agentes del flujo — flash_lite o flash para verificaciones rápidas en volumen, pro para un razonamiento más profundo — y el tipo de workspace: heredar el actual, crear una rama aislada por agente o una copia compartida del repositorio.

Disponibilidad

Los Dynamic Workflows están disponibles en la aplicación Antigravity y en Antigravity CLI, para suscriptores de Google AI Pro y Google AI Ultra. No hay un precio aparte: la función consume los créditos de modelo ya incluidos en el plan.

Dynamic Workflows, Orchestrator y /swarm: cuál usar

La propia documentación compara las formas de repartir el trabajo en Antigravity: el Orchestrator es para una única conversación en la que un modelo de frontera planifica y Hydrogen ejecuta; los subagentes sirven para delegar una tarea mientras el desarrollador sigue trabajando; los Dynamic Workflows son para un flujo controlado por script — la misma verificación en una lista de archivos, pasos en secuencia o un ciclo revisor-corrector; y /swarm es para agentes que colaboran en un tablero compartido de mensajes.

Límites a tener en cuenta

Los agentes creados por un flujo no ven el script ni se ven entre sí: el script debe dar a cada agente todo lo que necesita en su prompt, con un resultado corto y bien definido. Y, en una fase paralela, si un agente falla, los demás se cancelan. Google también deja claro que el desarrollador no necesita saber Python para usar la función — pero revisar el script antes de aprobarlo forma parte del flujo.

Fuentes

Imagen: captura de la documentación oficial de Google Antigravity, que muestra la pantalla de aprobación del script de un Dynamic Workflow. Crédito: Google.

Transparencia: este artículo fue producido con ayuda de inteligencia artificial, cruzando publicaciones públicas en X y fuentes de internet. La información se verificó en la documentación oficial de Google Antigravity y en anuncios oficiales; consulte las fuentes originales para confirmar los detalles.

Por Muse