Google AI Studio: Export nach Antigravity im Praxistest – was wirklich funktioniert

Google AI Studio hat mit dem Feature "Export zu Antigravity" die Hürde zwischen Browser-Prototyp und lokaler Entwicklung deutlich gesenkt. Doch was steckt wirklich hinter der One-Click-Lösung? Ein Entwickler hat ein reales Zwei-Agenten-System getestet und deckt auf: Nicht alles, was versprochen wird, hält, was es verspricht.

Ein reales Projekt als Testfall

Für den Praxistest diente ein zweistufiger Multi-Agenten-Prototyp namens Research Digest. Der erste Agent, ein Researcher, durchsucht das Web nach Quellen zu einem vorgegebenen Thema. Der zweite, der Editor, fasst diese Quellen zu einem strukturierten Digest zusammen. Beide Agents greifen auf eine Firestore-Datenbank zu, um historische Ausgaben zu archivieren.

Das gesamte System entstand vollständig aus einem einzigen Prompt in der Build-Umgebung von AI Studio. Bereits hier zeigte sich ein erstes Hindernis: Bei der Einrichtung der Firestore-Integration tauchte ein unerwartetes Problem auf, das später für Verwirrung sorgte – mehr dazu später.

Der Export selbst verlief technisch problemlos: Über den Code-Tab wurde der Befehl Export → Export zu Antigravity ausgelöst. Die Vorschau informierte transparent, was übertragen werden sollte: alle Projektdateien, ein Geheimnis (Secret) sowie die Gesprächshistorie. Klingt simpel – doch die Realität sah anders aus.

Was tatsächlich übertragen wurde

Die Export-Funktion von Google AI Studio listet drei Hauptbestandteile auf, die migriert werden sollen. Eine Überprüfung zeigte jedoch deutliche Unterschiede zwischen Versprechen und Wirklichkeit:

• Alle Projektdateien ✅

Die gesamte Struktur inklusive .agents, .antigravity, src, Konfigurationsdateien und einer README.md mit Setup-Anleitung landete vollständig im Zielsystem.

• Geheimnisse (Secrets) ✅

Der GEMINI_API_KEY wurde korrekt in die .env-Datei übertragen und funktionierte sofort ohne manuelle Nacharbeit.

• Gesprächshistorie ❌

Trotz der expliziten Zusage im Export-Dialog zeigte die Agent Manager-Oberfläche von Antigravity nach dem Import die Meldung „Noch keine Gespräche vorhanden“ an. Eine manuelle Überprüfung auf zwei verschiedenen Bildschirmen bestätigte das Ergebnis: Die Historie wurde nicht übertragen.

Drei Stolpersteine, die Zeit kosteten

Der Export selbst war schnell erledigt – doch die eigentliche Arbeit begann erst danach. Drei unerwartete Hürden verzögerten die lokale Weiterentwicklung spürbar:

1. Der fehlende Pfad zur Projektdatei

Nach dem Export erschien das Projekt zunächst nirgendwo im Download-Ordner. Die Agent Manager-App von Antigravity zeigte zwar ein neues Projekt namens Research Digest an, bot aber keine Option, den Speicherort anzuzeigen. Erst eine manuelle Suche über den gesamten Rechner führte zum Ziel: Die Dateien lagen versteckt in einem internen Ordner ~/antigravity/.

Ohne dieses Wissen wäre der Zugriff auf den Code unmöglich gewesen. Erst das separate Öffnen der Antigravity IDE – einer VS Code-basierten Entwicklungsumgebung – ermöglichte den Zugriff auf die Dateien. Hier zeigte sich eine klare Trennung zwischen der Chat-Oberfläche (Agent Manager) und der eigentlichen Entwicklungsumgebung (IDE), die nicht automatisch synchronisiert werden.

2. Ein versteckter Bug im generierten Code

Nach dem Start des lokalen Projekts mit npm install und npm run dev schien alles zu funktionieren: Die Verbindung zu Firestore wurde bestätigt. Doch beim Auslösen des Generate Digest-Vorgangs trat ein Fehler auf:

Tool use with a response mime type: 'application/json' is unsupported

Dieses Problem hatte nichts mit dem Export zu tun, sondern mit einer Einschränkung der Gemini-API: Eine Kombination aus Tool Usage (Websuche) und erzwungener JSON-Ausgabe in einem einzigen API-Aufruf ist nicht möglich. Der Fehler lag bereits im von AI Studio generierten Code verankert und wurde erst durch die lokale Ausführung sichtbar.

3. Die automatische Fehlerbehebung durch Antigravity

Anstatt den Code manuell zu debuggen, nutzte der Entwickler die integrierte KI-Unterstützung von Antigravity. Durch die Beschreibung des Fehlers im Agent Panel analysierte das System automatisch die relevanten Dateien (gemini.ts, server.ts, App.tsx, DigestViewer.tsx) und schlug eine konkrete Lösung vor:

• Agent 1 sollte nun reinen Text statt JSON zurückgeben.
• Agent 2 sollte diese Texteingabe parsen und in ein strukturiertes Format umwandeln.

Der vorgeschlagene Code-Diff umfasste Änderungen in zwei Dateien mit insgesamt 59 hinzugefügten und 53 entfernten Zeilen. Nach der Überprüfung und Übernahme der Änderungen lief der gesamte Prozess fehlerfrei ab: Agent 1 sammelte fünf fundierte Quellen, Agent 2 erstellte einen lesbaren Digest mit korrekten Zitaten, und das Ergebnis wurde mit einer eindeutigen Dokument-ID in Firestore gespeichert.

Checkliste für den erfolgreichen Export

Wer einen Multi-Agenten-Prototypen aus AI Studio nach Antigravity migrieren möchte, sollte folgende Schritte beachten:

Vor dem Export

• Geheimnisse prüfen: Die Export-Vorschau listet alle mit dem Projekt verknüpften Secrets auf. Diese Liste sollte mit den eigenen Erwartungen übereinstimmen.
• Gesprächshistorie sichern: Da die Übertragung nicht garantiert wird, sollten wichtige Inhalte oder Kontexte manuell kopiert werden.

Nach dem Export

• Projektdateien lokalisieren: Standardmäßig landen die Dateien in ~/antigravity/. Eine manuelle Suche über den Dateiexplorer kann notwendig sein.
• IDE separat öffnen: Neben dem Agent Manager muss die Antigravity IDE gestartet werden, um auf den Code zugreifen zu können.
• End-to-End-Test durchführen: Ein erster Lauf des Projekts sollte alle Funktionen umfassen, um versteckte Bugs im generierten Code zu identifizieren.
• KI-basierte Fehlerbehebung nutzen: Bei Laufzeitfehlern kann die Beschreibung des Problems im Agent Panel von Antigravity zu schnellen Lösungen führen – oft effizienter als manuelles Debugging.

Fazit: Ein Schritt in die richtige Richtung – aber noch nicht perfekt

Der Export von AI Studio zu Antigravity erfüllt die wichtigsten Versprechen: Projektdateien und Secrets werden zuverlässig übertragen, und die lokale Integration von Firestore funktioniert ohne zusätzliche Konfiguration. Was jedoch enttäuscht, ist die fehlende Übertragung der Gesprächshistorie – ein Feature, das explizit beworben wird.

Die größten Verzögerungen entstanden nicht durch den Export selbst, sondern durch die unklare Dateiverwaltung und einen versteckten Bug im generierten Code. Hier zeigte sich der wahre Mehrwert von Antigravity: Die integrierte KI half, das Problem schneller zu lösen, als es manuell möglich gewesen wäre.

Insgesamt bleibt festzuhalten: Der Export ist ein nützlicher erster Schritt, der jedoch noch Handarbeit erfordert. Wer bereit ist, etwa fünfzehn Minuten in die Feinjustierung zu investieren, kann den Wechsel jedoch reibungslos gestalten und von der lokalen Entwicklungsumgebung profitieren.