Google Antigravity: Local LLM Offload via MCP

Este projeto permite configurar o Google Antigravity IDE para delegar tarefas pesadas de codificação para um modelo local (Ollama) utilizando o protocolo MCP. Utilizando o padrão arquitetural Orchestrator-Worker, transformamos os modelos em nuvem do Antigravity (ex: Gemini Flash) em orquestradores de baixo custo. Eles roteiam instruções para o seu hardware local (ex: qwen2.5-coder) via MCP. Vantagens: Privacidade absoluta do código gerado localmente, latência reduzida (usando sua GPU local) e economia massiva de tokens da cota de nuvem.

🛠️ Pré-requisitos

• Ollama instalado no sistema.
• Node.js e npm/npx instalados (recomendado via NVM).
• Google Antigravity IDE.

🚀 Passo 1: Instalação Automatizada

Clone este repositório e execute o script de setup. Ele fará o download do modelo otimizado e criará dinamicamente o script de inicialização do MCP (start-ollama-mcp.sh) resolvendo o caminho do seu ambiente Node.

chmod +x setup.sh
./setup.sh

(Opcional: Certifique-se de que o serviço do Ollama está rodando em background com ollama serve)

⚙️ Passo 2: Configuração Manual no Antigravity

Para que os agentes de nuvem enxerguem sua máquina como uma "Tool", registre o servidor MCP na interface da IDE:

1. No Antigravity, pressione Ctrl + , para abrir as Settings.
2. Navegue até a aba Customizations no menu lateral esquerdo.
3. Clique no botão Open MCP Config no canto superior direito.
4. Adicione a configuração JSON abaixo. Substitua SEU_USUARIO pelo seu usuário do sistema:

{
  "mcpServers": {
    "ollama-worker": {
      "command": "/home/SEU_USUARIO/start-ollama-mcp.sh",
      "args": [],
      "env": {
        "OLLAMA_HOST": "[http://127.0.0.1:11434](http://127.0.0.1:11434)"
      }
    }
  }
}

5. Salve o arquivo e clique em Refresh. O status do ollama-worker deve ficar azul/ativo.

🧠 Passo 3: Utilizando a Skill de Offload

A skill de roteamento já está incluída na pasta .agents/skills/offload.md deste repositório. Para utilizá-la, abra o painel de agentes, selecione um modelo rápido (como o Gemini 3 Flash) e digite seu prompt instruindo o uso da skill. Exemplo de Prompt:

"Analise o arquivo services/auth_service.dart. Eu preciso implementar um rate limiter. Em vez de você escrever o código, use a skill offload para delegar essa tarefa ao modelo local. Pegue a resposta dele e aplique no arquivo."

O Gemini fará o planejamento, sua máquina fará a codificação bruta, e o arquivo será atualizado de forma autônoma.