Bahasa Indonesia

Google Resmi Bergabung dalam Perang Platform Agent Enterprise: Bagaimana Antigravity 2.0 dan Gemini Enterprise Agent Platform Dinilai oleh CTO

Platform agent enterprise Google Antigravity 2.0 memasuki perlombaan empat arah bersama Microsoft, OpenAI, dan Anthropic

Daftar pendek platform agent enterprise kini memiliki nama keempat. Pengumuman Google di I/O 2026 menutup celah tersebut, dan setiap chief technology officer (CTO) yang mengevaluasi infrastruktur agent kini memiliki semua pemain untuk dibandingkan.

Apa yang Diumumkan Google di I/O 2026

Menurut sorotan pengembang Google I/O 2026, perusahaan meluncurkan Antigravity 2.0 pada 19 Mei 2026 sebagai aplikasi desktop mandiri yang dibangun sepenuhnya di atas orkestrasi agent. Ini adalah perbedaan yang berarti: ini bukan plugin yang ditambahkan ke Antigravity integrated development environment (IDE) yang sudah ada. Ini adalah produk terpisah, yang dibangun khusus untuk workflow agent dari awal.

Platform ini hadir dengan lima komponen yang bekerja bersama sebagai sistem. Pertama, aplikasi desktop Antigravity itu sendiri. Kedua, command-line interface (CLI) Antigravity, yang menggantikan Gemini CLI sebelumnya. Ketiga, software development kit (SDK) Antigravity untuk pengembang yang membangun agent kustom. Keempat, Managed Agents dalam application programming interface (API) Gemini. Kelima, Gemini Enterprise Agent Platform, yang merupakan jalur penerapan enterprise untuk pelanggan Google Cloud. Google juga memperbarui Agent Development Kit (ADK) 2.0 bersamaan dengan peluncuran ini.

Key Facts

  • Google meluncurkan Antigravity 2.0 di I/O 2026 pada 19 Mei 2026, sebagai aplikasi desktop mandiri yang berfokus pada agent, terpisah dari Antigravity IDE yang sudah ada (Google, 2026).
  • Antigravity 2.0 hadir dengan lima komponen: aplikasi desktop, CLI, SDK, Managed Agents di Gemini API, dan jalur penerapan Gemini Enterprise Agent Platform (Google, 2026).
  • Dengan Managed Agents, satu panggilan Gemini API dapat menjalankan agent yang bernalar, menggunakan alat, dan mengeksekusi kode di dalam lingkungan Linux yang terisolasi (Google, 2026).

Kemampuan Managed Agents layak mendapat perhatian khusus. Satu panggilan API menyediakan agent yang dapat bernalar, memanggil alat, dan mengeksekusi kode di dalam lingkungan Linux yang terisolasi. Isolasi eksekusi tersebut adalah detail teknis yang paling penting bagi CTO yang memikirkan keamanan dan pengendalian dampak. Agent berjalan di dalam sandbox, bukan di lingkungan produksi Anda, yang mengubah perhitungan risiko secara signifikan.

Apa yang Ditambahkan Gemini Enterprise Agent Platform bagi Pelanggan Google Cloud

Gemini Enterprise Agent Platform adalah tempat pengumuman ini menjadi praktis bagi organisasi besar. Platform ini memungkinkan pelanggan Google Cloud menghubungkan Antigravity langsung ke proyek Google Cloud yang sudah ada. Artinya, infrastruktur agent mewarisi konfigurasi identity and access management (IAM), struktur penagihan, dan pengaturan tata kelola data yang sudah ada.

Jika tim engineering Anda sudah berada di Google Cloud, ini adalah jalur dengan hambatan paling rendah untuk menerapkan agent dalam skala besar. Anda tidak perlu membangun lapisan identitas baru. Anda tidak perlu merenegosiasi posisi lokasi penyimpanan data Anda. Anda cukup memperluas yang sudah Anda miliki.

Itu berbeda dari membangun infrastruktur agent di platform yang sama sekali baru. Dan ini adalah keputusan yang layak ditekan ulang: kenyamanan integrasi cloud-native memang nyata, namun begitu pula ketergantungan pada vendor yang menyertainya. Kedua sisi ini harus masuk dalam evaluasi CTO.

Bagi tim yang belum berada di Google Cloud, kalkulasinya terbalik. Keunggulan integrasi hilang, dan Anda membandingkan kemampuan runtime dan control plane Google langsung dengan tiga platform lain di lapangan yang sejajar. Di sinilah cara pandang komparatif yang terstruktur sangat membantu.

Tumpukan Platform Agent Enterprise: Kerangka Kerja untuk Evaluasi

Setiap platform agent enterprise yang kredibel di 2026 memiliki empat lapisan. Menamai lapisan-lapisan ini memberi CTO cara yang dapat diulang untuk mempertanyakan presentasi vendor mana pun tanpa tersesat dalam merek.

Diagram empat lapisan Enterprise Agent Platform Stack: distribution surface, control plane, runtime, integration layer

Sebut ini Enterprise Agent Platform Stack:

Lapisan 1: Runtime. Tempat alat-alat agent benar-benar dieksekusi. Cloud vendor? Cloud pelanggan? Sandbox hybrid? Ini adalah lapisan yang paling bervariasi antar vendor dan memiliki bobot keamanan paling tinggi. Kontainer Linux yang terisolasi (pendekatan Google) berbeda dari sandbox yang dikendalikan pelanggan (pendekatan Anthropic). Memahami siapa yang mengendalikan komputasi sangat penting.

Lapisan 2: Control Plane. Lapisan identitas, audit, dan visibilitas armada. Siapa yang dapat melihat agent mana yang berjalan? Log audit apa yang ada? Bagaimana Anda mencabut akses agent yang tidak terkendali? Di sinilah tata kelola enterprise berada, dan sering kali lapisan ini yang paling kurang ditonjolkan vendor dalam demo.

Lapisan 3: Distribution Surface. Bagaimana pengembang dan pengguna akhir menjangkau agent. Apakah itu plugin IDE? CLI? Aplikasi desktop? Tombol di dalam produk seperti Slack atau Salesforce? Distribusi menentukan kecepatan adopsi di dalam organisasi Anda. Microsoft, OpenAI, Anthropic, dan Google semuanya menjawab hal ini dengan cara berbeda.

Lapisan 4: Integration Layer. Konektor ke sistem catatan. Bagaimana agent menjangkau CRM, ERP, data warehouse, atau alat internal Anda? Konektor siap pakai versus pendekatan API-first versus standar Model Context Protocol (MCP) menentukan keputusan beli versus bangun di lapisan integrasi.

Anda dapat membaca lebih lanjut tentang bagaimana pola AI enterprise bertumpuk dalam praktiknya di Stacking Patterns to Build AI Agents dan mendapatkan pemahaman tentang Autonomous Agent Pattern itu sendiri.

Perbandingan Empat Platform

Semua pemain kini sudah hadir. Berikut cara keempat platform bernama tersebut dipetakan ke Enterprise Agent Platform Stack. Setiap sel adalah deskripsi faktual, bukan vonis.

Platform Runtime Control Plane Distribution Integration
Microsoft (Agent 365 + Windows 365 for Agents) VM cloud pelanggan melalui Windows 365, eksekusi agent dalam sesi Windows yang terisolasi Control plane Agent 365, identitas Microsoft Entra, audit Purview Aplikasi Microsoft 365, Teams, desktop Windows, CLI Microsoft Graph, Dynamics, SharePoint, konektor pihak ketiga
OpenAI (Workspace Agents) Cloud OpenAI, eksekusi melalui konektor Konsol OpenAI Workspace, kontrol admin per tenant Slack, Salesforce, tombol dalam produk, API Salesforce, Slack, konektor file, API-first untuk integrasi kustom
Anthropic (Claude Managed Agents + Self-Hosted Sandboxes) Sandbox yang dikendalikan pelanggan, fleksibel melalui MCP Tunnels Kontrol admin Claude API, jejak audit MCP Claude.ai, API, permukaan kompatibel MCP, integrasi mitra Protokol MCP, konektor self-hosted, infrastruktur BYO
Google (Antigravity 2.0 + Gemini Enterprise Agent Platform) Lingkungan Linux terisolasi melalui Managed Agents API Gemini Enterprise Agent Platform, Google Cloud IAM, integrasi penagihan Aplikasi desktop Antigravity, Antigravity CLI, SDK, Gemini API Layanan Google Cloud native, ADK 2.0, API-first untuk alat kustom

Liputan Microsoft Agent 365, rincian Windows 365 for Agents, dan pengumuman self-hosted sandbox Anthropic masing-masing layak dibaca bersama artikel ini. Secara bersama, ketiganya menunjukkan pola arsitektur yang konvergen: runtime yang terisolasi ditambah control plane berbasis API ditambah berbagai distribution surface. Kehadiran Google mengonfirmasi bahwa pola ini kini berlaku di seluruh industri, bukan hanya pilihan desain Microsoft.

Model berbasis konektor dari OpenAI di OpenAI Workspace Agents untuk Salesforce dan Slack mengambil pendekatan integration-first yang berbeda, sehingga lapisan integrasi menjadi titik perbandingan paling penting bagi organisasi yang berfokus pada penjualan.

Implikasi bagi Strategi AI

Konvergensi pada runtime terisolasi di keempat vendor adalah sinyal yang layak dibaca dengan cermat. Isolasi eksekusi sedang menjadi standar minimum, bukan pembeda. Diferensiasi bergeser ke control plane (siapa yang memiliki visibilitas armada dan kedalaman audit) dan integration layer (berapa banyak penyambungan kustom yang harus Anda bangun).

Bagi CTO yang sudah berinvestasi di Google Cloud, Antigravity 2.0 adalah uji coba pertama yang paling alami. Warisan IAM dan penagihan saja sudah mengurangi overhead pengadaan dan kepatuhan. Namun "uji coba pertama yang paling alami" tidak sama dengan "pemenang otomatis." Evaluasi empat lapisan berlaku sama terlepas dari infrastruktur cloud Anda saat ini.

Panduan AI Agents in the Enterprise mencakup konteks strategis yang lebih luas untuk keputusan-keputusan ini. Dan jika Anda memikirkan ketergantungan platform jangka panjang, artikel AI Sovereignty membahas pertanyaan ketergantungan vendor secara langsung.

Bagi tim yang mempertimbangkan apakah harus membeli platform atau membangun di atas primitif, kerangka kerja Buy vs. Build by Pattern memberikan struktur keputusan yang tepat untuk momen ini.

Langkah Minggu Ini

Anda belum memerlukan keputusan platform akhir. Namun Anda perlu mulai membangun kemampuan evaluasi sekarang, sebelum demo dari satu vendor membentuk asumsi Anda.

Tiga langkah konkret:

Jalankan satu kasus penggunaan nyata melalui keempat tumpukan. Pilih workflow internal berisiko rendah (agent pengambilan data, tugas ringkasan dokumen) dan siapkan di setiap platform. Anda tidak memerlukan penerapan sekelas produksi. Anda memerlukan cukup kontak dengan setiap runtime dan control plane untuk memiliki pendapat yang terinformasi. Satu jam pengujian langsung bernilai lebih dari sepuluh briefing vendor.

Minta diagram isolasi runtime dari setiap vendor. Bukan slide presentasi. Diagram teknis yang menunjukkan dengan tepat di mana kode agent dieksekusi, siapa yang mengendalikan komputasi, dan bagaimana data Anda melewati batas tersebut. Jika vendor tidak dapat menghasilkannya, itu adalah sinyal.

Susun request for proposal (RFP) platform minimum menggunakan empat lapisan tumpukan. Tuliskan jawaban minimum yang dapat diterima untuk setiap lapisan sebelum Anda berbicara dengan vendor. Postur runtime apa yang benar-benar dapat diterima oleh tim keamanan Anda? Kedalaman audit apa yang dibutuhkan tim kepatuhan Anda? Konektor integrasi apa yang Anda butuhkan pada hari pertama? Vendor menjawab pertanyaan yang Anda berikan. Berikan mereka pertanyaan yang tepat.

Pasar platform agent enterprise baru saja mendapat peserta keempat yang serius. Itu bukan masalah. Itu adalah keunggulan CTO: persaingan nyata, variasi arsitektur nyata, dan momen di mana kerangka evaluasi yang Anda bangun sekarang akan melayani Anda selama beberapa tahun ke depan.

Pertanyaan yang Sering Diajukan

Apa itu Gemini Enterprise Agent Platform?

Gemini Enterprise Agent Platform adalah jalur penerapan enterprise Google untuk Antigravity 2.0. Platform ini memungkinkan organisasi yang sudah beroperasi di Google Cloud menghubungkan agent Antigravity langsung ke proyek mereka yang ada, mewarisi IAM, penagihan, dan konfigurasi tata kelola data Google Cloud tanpa harus membangun lapisan identitas dan keamanan terpisah.

Apa perbedaan Antigravity 2.0 dengan Antigravity IDE yang sudah ada?

Antigravity 2.0 adalah aplikasi desktop mandiri yang terpisah, dibangun sepenuhnya untuk orkestrasi agent. Ini bukan pembaruan dari Antigravity IDE yang sudah ada. Kedua produk memiliki tujuan berbeda: IDE mendukung pengembangan perangkat lunak umum, sementara Antigravity 2.0 dibangun khusus untuk membuat, menjalankan, dan mengelola AI agent.

Haruskah CTO mengevaluasi keempat platform agent enterprise, atau memilih satu?

Mulailah dengan evaluasi terstruktur terhadap keempat platform menggunakan kerangka yang konsisten sebelum berkomitmen. Enterprise Agent Platform Stack (Runtime, Control Plane, Distribution Surface, Integration Layer) memberi Anda cara pandang yang netral terhadap vendor. Dalam praktiknya, infrastruktur cloud Anda yang ada kemungkinan akan mempersempit daftar pendek dengan cepat. Namun menjalankan setidaknya satu kasus penggunaan nyata di setiap platform sebelum memutuskan sangat sepadan dengan waktu yang diinvestasikan.

Selengkapnya