Tùy biến, Đa tác tử và Tự động hóa với Google Antigravity
Ở khóa trước, bạn đã làm việc với Google Antigravity một cách có kỷ luật: viết đặc tả 5 thành phần, dùng /grill-me, duyệt Implementation Plan Artifact, kiểm chứng hai tầng bằng pytest và Browser Subagent, rà soát từng thay đổi trước khi commit. Sau vài tuần làm việc thực tế, bạn sẽ nhận ra mình phải lặp lại cùng những quy trình giao việc, chạy lại cùng những bước thu thập bằng chứng, và có những quy tắc kiến trúc viết trong AGENTS.md mà đôi lúc agent vẫn quên tuân thủ.
Khóa học này dạy bạn biến quy trình kỷ luật đó thành hệ thống công cụ tự động và điều phối đa tác tử: đóng gói quy trình lặp lại thành Skills theo cơ chế Progressive Disclosure, biến lời dặn thành ràng buộc luôn thực thi bằng Lifecycle Hooks (hooks.json) và kiểm thử canh gác, kết nối dữ liệu dự án qua MCP và Chrome DevTools MCP, điều phối dàn tác tử chạy song song bằng kịch bản Python (run_workflow) và bảng tin chung (Native Swarm), thiết lập Sidecars chạy nền định kỳ, nhúng Antigravity Python SDK (google-antigravity) vào công cụ kiểm tra, và đóng gói tất cả thành một Plugin hoàn chỉnh cho đội nhóm kèm phép đo hiệu quả trước – sau.
Nội dung khóa học
Module 1. Hệ thống Tùy biến và Kỹ thuật viết Skills
2 bài học · 17 hoạt động-
Thực hành: Chuẩn bị đầu khóa và môi trường tùy biến
-
Năm loại tùy biến của Antigravity và thứ tự ưu tiên nạp
-
Cơ chế Progressive Disclosure: Vì sao Skill không làm tràn ngữ cảnh
-
Viết trường description quyết định thời điểm kích hoạt Skill
-
Thực hành: Tạo Skill giao việc kèm kiểm chứng trong .agents/skills/
-
Thảo luận: Đặt chỉ dẫn vào AGENTS.md hay đóng gói thành Skill?
-
Nộp bài: Skill giao việc kèm kiểm chứng và thử nghiệm kích hoạt
-
Kiểm tra bài 1.1
-
Nhật ký học tập tuần 1
-
Bước tất định thuộc về Script, bước phán đoán thuộc về Agent
-
Tổ chức Skill đa tệp: scripts/, references/, examples/ và resources/
-
Quản lý và chia sẻ Skills qua Git với .agents/skills.json
-
Thực hành: Xây dựng Skill thu thập bằng chứng và Skill rà soát 9 mục
-
Thảo luận: Chia việc giữa scripts/ tất định và Agent phán đoán
-
Nộp bài: Bộ Skill có script, tài liệu tham chiếu và tệp skills.json
-
Tổng kết Module 1
-
Nhật ký học tập tuần 2
Module 2. Lifecycle Hooks và Ràng buộc Thực thi Tự động
2 bài học · 16 hoạt động-
Từ lời dặn có thể bị quên tới ràng buộc luôn chạy bằng hooks.json
-
Hợp đồng JSON stdin/stdout (camelCase) và 6 sự kiện vòng đời trong hooks.json
-
Viết PreToolUse hook (decision & overwrite), PostToolUse và Stop hook
-
Thực hành: Hook bảo vệ tệp kiểm thử và Hook giữ mục tiêu ở sự kiện Stop
-
Thảo luận: Thiết kế PreToolUse và Stop hook không gây vòng lặp vô hạn
-
Nộp bài: Hai Lifecycle Hooks (PreToolUse và Stop) trong .agents/hooks.json
-
Kiểm tra bài 2.1
-
Nhật ký học tập tuần 3
-
Chọn đúng chỗ cho mỗi quy tắc: AGENTS.md, hooks.json hay Kiểm thử canh gác
-
Viết Kiểm thử canh gác bằng Python AST và pytest
-
Danh sách ngoại lệ tường minh và xử lý cảnh báo giả trong Hook & Canh gác
-
Tìm lỗi: Cấu hình hooks.json và script hook có lỗ hổng
-
Thảo luận: Đặt quy tắc vào AGENTS.md, hooks.json hay Kiểm thử canh gác?
-
Nộp bài: Bộ kiểm thử canh gác kiến trúc và bảng phân loại quy tắc 3 tầng
-
Tổng kết Module 2
-
Nhật ký học tập tuần 4
Module 3. Kết nối Công cụ qua MCP và Chẩn đoán Web Chuyên sâu
2 bài học · 16 hoạt động-
Kiến trúc MCP trong Antigravity: Stdio vs. Streamable HTTP trong mcp_config.json
-
Chi phí ngữ cảnh (Eager vs. Lazy tools), định danh toàn cục và an toàn MCP
-
Kết hợp Chrome DevTools MCP và bộ Skill chẩn đoán chuyên sâu (A11y, LCP, Cookie)
-
Thực hành: Kiểm toán Accessibility và hiệu năng giao diện Cổng sự kiện CLB
-
Thảo luận: Chi phí ngữ cảnh của MCP Eager vs. Lazy và khi nào không cần MCP
-
Nộp bài: Kết nối MCP và Báo cáo kiểm toán giao diện Web
-
Kiểm tra bài 3.1
-
Nhật ký học tập tuần 5
-
Khi nào nên tự xây dựng Máy chủ MCP riêng cho dự án?
-
Thiết kế công cụ MCP bằng Python: Schema, Chế độ chỉ đọc và Xử lý lỗi
-
Thực hành: Xây dựng và kiểm thử máy chủ MCP cong-clb-mcp
-
Rà soát: Máy chủ MCP có lỗ hổng tiêm lệnh và lộ dữ liệu nhạy cảm
-
Thảo luận: Thẩm định an toàn máy chủ cong-clb-mcp trước khi cấp cho Agent
-
Nộp bài: Máy chủ MCP cong-clb-mcp kèm bộ kiểm thử đơn vị
-
Tổng kết Module 3
-
Nhật ký học tập tuần 6
Module 4. Điều phối Đa tác tử: Subagents, Dynamic Workflows và Swarm
2 bài học · 17 hoạt động-
Định nghĩa Subagent chuyên trách với quyền công cụ hẹp và Reactive Wakeup
-
Ba chế độ cô lập không gian làm việc: inherit, share và branch
-
Lập trình kịch bản điều phối với Dynamic Workflows (run_workflow)
-
Khai thác call_tool(), trajectory() và tối ưu hạn mức trong run_workflow
-
Thực hành: Kịch bản run_workflow rà soát và sửa lỗi song song trên nhiều mô-đun
-
Thảo luận: Chọn Subagent đơn lẻ, run_workflow hay Native Swarm?
-
Nộp bài: Tác tử con chuyên trách và Kịch bản run_workflow 3 pha
-
Kiểm tra bài 4.1
-
Nhật ký học tập tuần 7
-
Khi nào dùng Native Swarm thay cho Subagent đơn lẻ hay run_workflow?
-
Vai trò Coordinator trên bảng tin chung: swarm, post_message, read_board và swarm_wait
-
Đội hình Author – Verifier, Chia kênh (Channels) và Hợp nhất từ Workspace share
-
Xử lý sự cố trong Swarm: Trạng thái tác tử, Stall Monitor và Chuyển đổi mô hình khi hết Quota
-
Thảo luận: Thiết kế đội hình và phân chia biên giới tệp cho một Swarm 3 tác tử
-
Nộp bài: Điều phối Swarm (Author + Verifier) và Hợp nhất kết quả
-
Tổng kết Module 4
-
Nhật ký học tập tuần 8
Module 5. Tự động hóa Chạy nền, CI/CD và Antigravity Python SDK
2 bài học · 16 hoạt động-
Kiến trúc Sidecars (sidecar.json) và Tác vụ tự động theo lịch (Scheduled Automations)
-
Cấp quyền tối thiểu với agent_permissions.access_grants qua bước chạy thử (Test-Run)
-
Chạy agy không giám sát trong Script và Pipeline CI/CD (GitHub Actions)
-
Thực hành: Thiết lập Sidecar kiểm tra định kỳ và Workflow rà soát Pull Request
-
Thảo luận: Rà soát bảo mật sidecar.json và GitHub Actions trước khi chạy nền
-
Nộp bài: Cấu hình sidecar.json có access_grants chuẩn và Workflow CI/CD
-
Kiểm tra bài 5.1
-
Nhật ký học tập tuần 9
-
Kiến trúc Antigravity Python SDK (google-antigravity): Agent, LocalAgentConfig và CapabilitiesConfig
-
Bắt luồng suy nghĩ (response.thoughts) và luồng gọi công cụ (response.tool_calls) theo thời gian thực
-
Xây dựng bộ khung đánh giá tự động (Eval Harness) bằng Antigravity Python SDK
-
Thực hành: Viết công cụ kiểm tra và ghi vết Agent bằng google-antigravity SDK
-
Thảo luận: Thiết kế bộ nhiệm vụ chuẩn cho Eval Harness tránh thiên vị số liệu
-
Nộp bài: Ứng dụng Python điều phối và ghi vết Agent bằng google-antigravity SDK
-
Tổng kết Module 5
-
Nhật ký học tập tuần 10
Module 6. Đóng gói Plugin và Đo lường Hiệu quả Thực nghiệm
2 bài học · 15 hoạt động-
Cấu trúc chuẩn của một Plugin trong Antigravity và tệp manifest plugin.json
-
Định danh thư mục (customization://<dir>), tránh đụng độ toàn cục và tệp plugins.json
-
Thiết kế kế hoạch đo lường hiệu quả bộ công cụ trước và sau khi bật Plugin
-
Thực hành: Đóng gói Plugin cong-clb-toolkit và cài thử trên bản sao dự án sạch
-
Nộp bài: Plugin cong-clb-toolkit hoàn chỉnh và Kế hoạch đo thực nghiệm
-
Kiểm tra bài 6.1
-
Nhật ký học tập tuần 11
-
Thực hiện phép đo A/B có đối chứng và nhận diện yếu tố gây nhiễu
-
Đọc kết quả đo trung thực: Giữ lại công cụ giúp ích, gỡ bỏ thành phần gây chậm
-
Dự án cuối khóa: Bộ Plugin dự án, Kịch bản điều phối và Báo cáo đo trước – sau
-
Thảo luận: Bảo vệ bộ Plugin và số liệu thực nghiệm trước Trưởng nhóm kỹ thuật
-
Tự đánh giá theo 12 mục tiêu năng lực của Khóa 2
-
Sơ đồ tư duy: Hệ sinh thái Tùy biến, Đa tác tử và Tự động hóa Antigravity
-
Bài kiểm tra cuối khóa
-
Tổng kết lộ trình Google Antigravity: Đưa bộ công cụ vào dự án thực tế