Erste Anfrage: Installation erfolgreich verifizieren

Was Sie nach diesem Kurs können

Ihre erste Antigravity-Modellanfrage senden
Die Funktion der --model- und --variant-Parameter verstehen
Das passende Modell und die Denkkonfiguration basierend auf Ihren Anforderungen auswählen
Gängige Modellanfragefehler beheben

Ihre aktuelle Situation

Sie haben das Plugin gerade installiert, die OAuth-Authentifizierung abgeschlossen und die Modelldefinitionen konfiguriert, aber sind sich nun nicht sicher:

Funktioniert das Plugin wirklich?
Mit welchem Modell sollte ich Tests beginnen?
Wie verwendet man den --variant-Parameter?
Wenn die Anfrage fehlschlägt, wie finde ich heraus, bei welchem Schritt das Problem liegt?

Wann diese Methode anzuwenden ist

Verwenden Sie die Verifizierungsmethode dieses Kurses in den folgenden Szenarien:

Nach der Erstinstallation — Bestätigen, dass Authentifizierung, Konfiguration und Modell ordnungsgemäß funktionieren
Nach Hinzufügen eines neuen Kontos — Verifizieren, ob das neue Konto verfügbar ist
Nach Ändern der Modellkonfiguration — Bestätigen, dass die neue Modellkonfiguration korrekt ist
Vor dem Auftreten von Problemen — Eine Basislinie erstellen, um spätere Vergleiche zu ermöglichen

🎒 Vorbereitungen vor dem Start

Voraussetzungen prüfen

Bevor Sie fortfahren, bestätigen Sie bitte:

✅ Schnellinstallation abgeschlossen
✅ opencode auth login ausgeführt, um OAuth-Authentifizierung abzuschließen
✅ Modelldefinitionen zu ~/.config/opencode/opencode.json hinzugefügt
✅ OpenCode-Terminal oder CLI verfügbar

Kernkonzept

Warum zuerst verifizieren?

Das Plugin erfordert die Zusammenarbeit mehrerer Komponenten:

OAuth-Authentifizierung — Zugriffstoken erhalten
Kontenverwaltung — Verfügbare Konten auswählen
Anfragenumwandlung — OpenCode-Format in Antigravity-Format umwandeln
Streaming-Antwort — SSE-Antworten verarbeiten und zurück in OpenCode-Format umwandeln

Das Senden der ersten Anfrage kann verifizieren, ob die gesamte Verbindung funktioniert. Bei Erfolg bedeutet dies, dass alle Komponenten ordnungsgemäß funktionieren; bei Fehlschlag kann das Problem anhand der Fehlermeldung lokalisiert werden.

Beziehung zwischen Modell und Variant

Im Antigravity-Plugin sind Modell und Variant zwei unabhängige Konzepte:

Konzept	Funktion	Beispiel
Modell	Das spezifische KI-Modell auswählen	`antigravity-claude-sonnet-4-5-thinking`
Variant	Den Denkbudget oder Modus des Modells konfigurieren	`low` (leichtes Denken), `max` (maximales Denken)

Was ist ein Denkbudget?

Ein Denkbudget (thinking budget) bezieht sich auf die Anzahl der Token, die ein Modell vor der Generierung einer Antwort zum "Denken" verwenden kann. Ein höheres Budget bedeutet, dass das Modell mehr Zeit für das Schlussfolgern hat, aber auch die Antwortzeit und Kosten erhöht.

Claude Thinking-Modelle: Konfiguriert mit thinkingConfig.thinkingBudget (Einheit: Token)
Gemini 3-Modelle: Konfiguriert mit thinkingLevel (String-Level: minimal/low/medium/high)

Empfohlene Einsteigerkombinationen

Empfohlene Modell- und Variant-Kombinationen für verschiedene Anforderungen:

Anforderung	Modell	Variant	Merkmale
Schneller Test	`antigravity-gemini-3-flash`	`minimal`	Schnellste Antwort, geeignet für Verifizierung
Tägliche Entwicklung	`antigravity-claude-sonnet-4-5-thinking`	`low`	Ausgewogen zwischen Geschwindigkeit und Qualität
Komplexes Schlussfolgern	`antigravity-claude-opus-4-5-thinking`	`max`	Stärkste Schlussfolgerungsfähigkeit
Vision-Aufgaben	`antigravity-gemini-3-pro`	`high`	Multimodale Unterstützung (Bilder/PDFs)

Mach mit

Schritt 1: Einfachste Testanfrage senden

Testen Sie zuerst mit dem einfachsten Befehl, ob die grundlegende Verbindung funktioniert.

Warum Diese Anfrage verwendet keine Thinking-Funktion, gibt sehr schnell zurück und ist geeignet, um Authentifizierung und Kontostatus schnell zu verifizieren.

Befehl ausführen

bash

opencode run "Hello" --model=google/antigravity-claude-sonnet-4-5

Sie sollten sehen

Hello! I'm Claude Sonnet 4.5, an AI assistant...

Erfolgsindikator

Wenn Sie die Antwort der KI sehen, bedeutet dies:

✅ OAuth-Authentifizierung erfolgreich
✅ Konto hat Zugriffsberechtigung
✅ Anfragenumwandlung funktioniert normal
✅ Streaming-Antwort korrekt geparst

Schritt 2: Thinking-Modell und Variant verwenden

Testen Sie nun den vollständigen Thinking-Prozess, einschließlich des Variant-Parameters.

Warum Thinking-Modelle erfordern zusätzliche Anfragenumwandlungslogik, was eine der Kernfunktionen des Plugins ist.

Befehl ausführen

bash

opencode run "Erkläre, was ein Closure ist, mit einer einfachen Metapher" --model=google/antigravity-claude-sonnet-4-5-thinking --variant=max

Sie sollten sehen

Streaming-Thinking-Ausgabe: Sie sehen, dass das Modell zuerst den Thinking-Prozess ausgibt (mit <thinking>-Tags)
Thinking-Prozess: Das Modell analysiert detailliert, wie die Antwort organisiert werden soll
Finale Antwort: Nach Abschluss des Thinking-Prozesses wird die finale Inhalt ausgegeben

Ein vollständiges Antwortbeispiel ansehen

<thinking>
Der Benutzer fragt, was ein Closure ist, und möchte eine einfache Metapher zur Erklärung.

Konzept des Closures:
1. Funktionen können auf Variablen aus ihrem äußeren Geltungsbereich zugreifen
2. Auch wenn die äußere Funktion bereits ausgeführt wurde
3. Diese Fähigkeit ist wie ein "Rucksack"

Metaphern-Ansatz:
- Kann "Rucksack"-Metapher verwenden
- Funktion nimmt beim Zurückgeben einige Variablen mit
- Wie beim Verlassen des Hauses mit Dingen aus dem Haus im Rucksack
</thinking>

Ein Closure ist wie ein "Rucksack" einer Funktion.

Wenn eine Funktion erstellt wird, "packt" sie alle Variablen, auf die sie zugreifen kann, in diesen "Rucksack", so wie man vor dem Verlassen des Hauses die benötigten Dinge in den Rucksack packt. Auch wenn die Funktion den Ort verlässt, an dem sie erstellt wurde (die äußere Funktion wurde ausgeführt), kann sie weiterhin über diesen "Rucksack" auf diese Variablen zugreifen.

Ein Beispiel:
```javascript
function createCounter() {
  let count = 0;  // Diese Variable wird in den "Rucksack" gepackt
  return function() {
    count++;  // Kann weiterhin auf die Variable im Rucksack zugreifen
    return count;
  };
}

Kontrollpunkt ✅

[ ] <thinking>-Block gesehen (wenn keep_thinking: true konfiguriert)
[ ] Antwortinhalt ist sinnvoll und logisch
[ ] Antwortzeit im akzeptablen Bereich (normalerweise 2-10 Sekunden)

Schritt 3: Gemini 3-Modell testen

Testen Sie verschiedene Denkniveaus mit Gemini 3 Pro.

Warum Gemini 3 verwendet String-Level thinkingLevel, um die Unterstützung für verschiedene Modellfamilien zu verifizieren.

Befehl ausführen

bash

# Gemini 3 Flash testen (schnelle Antwort)
opencode run "Schreibe einen Bubble Sort" --model=google/antigravity-gemini-3-flash --variant=low

# Gemini 3 Pro testen (tiefgreifendes Denken)
opencode run "Analysiere die Zeitkomplexität von Bubble Sort" --model=google/antigravity-gemini-3-pro --variant=high

Sie sollten sehen

Flash-Modell antwortet schneller (geeignet für einfache Aufgaben)
Pro-Modell denkt tiefer (geeignet für komplexe Analysen)
Beide Modelle funktionieren normal

Schritt 4: Multimodale Fähigkeiten testen (optional)

Wenn Ihre Modellkonfiguration Bildeingabe unterstützt, können Sie die multimodale Funktion testen.

Warum Antigravity unterstützt Bilder/PDFs als Eingabe, was in vielen Szenarien benötigt wird.

Ein Testbild vorbereiten: Eine beliebige Bilddatei (z.B. test.png)

Befehl ausführen

bash

opencode run "Beschreibe den Inhalt dieses Bildes" --model=google/antigravity-gemini-3-pro --image=test.png

Sie sollten sehen

Das Modell beschreibt den Bildinhalt genau
Die Antwort enthält visuelle Analyseergebnisse

Kontrollpunkt ✅

Nach Abschluss der obigen Tests bestätigen Sie die folgende Checkliste:

Kontrollpunkt	Erwartetes Ergebnis	Status
Grundverbindung	Schritt 1 einfache Anfrage erfolgreich	☐
Thinking-Modell	Schritt 2 Thinking-Prozess gesehen	☐
Gemini 3-Modell	Schritt 3 beide Modelle normal	☐
Variant-Parameter	Unterschiedliche Varianten erzeugen unterschiedliche Ergebnisse	☐
Streaming-Ausgabe	Antwort wird in Echtzeit angezeigt, keine Unterbrechung	☐

Alles bestanden?

Wenn alle Kontrollpunkte bestanden sind, herzlichen Glückwunsch! Das Plugin ist vollständig konfiguriert und einsatzbereit.

Als Nächstes können Sie:

Warnhinweise für Stolperfallen

Fehler 1: `Model not found`

Fehlermeldung

Error: Model 'antigravity-claude-sonnet-4-5' not found

Ursache Die Modelldefinition wurde nicht korrekt zu opencode.json unter provider.google.models hinzugefügt.

Lösung

Überprüfen Sie die Konfigurationsdatei:

bash

cat ~/.config/opencode/opencode.json | grep -A 10 "models"

Bestätigen Sie, dass das Modell das korrekte Format hat:

json

{
  "provider": {
    "google": {
      "models": {
        "antigravity-claude-sonnet-4-5": {
          "name": "Claude Sonnet 4.5 (Antigravity)",
          "limit": { "context": 200000, "output": 64000 },
          "modalities": { "input": ["text", "image", "pdf"], "output": ["text"] }
        }
      }
    }
  }
}

Achten Sie auf die Schreibweise

Der Modellname muss exakt mit dem Schlüssel in der Konfigurationsdatei übereinstimmen (Groß-/Kleinschreibung beachten):

❌ Falsch: --model=google/claude-sonnet-4-5
✅ Richtig: --model=google/antigravity-claude-sonnet-4-5

Fehler 2: `403 Permission Denied`

Fehlermeldung

403 Permission denied on resource '//cloudaicompanion.googleapis.com/...'

Ursache

OAuth-Authentifizierung nicht abgeschlossen
Konto hat keine Zugriffsberechtigung
Project ID Konfigurationsproblem (für Gemini CLI Modelle)

Lösung

Authentifizierungsstatus prüfen:
bash
```
cat ~/.config/opencode/antigravity-accounts.json
```
Sie sollten mindestens einen Kontoeintrag sehen.

Wenn das Konto leer ist oder die Authentifizierung fehlschlägt:

bash

rm ~/.config/opencode/antigravity-accounts.json
opencode auth login

Wenn ein Gemini CLI-Modellfehler auftritt: Project ID muss manuell konfiguriert werden (siehe FAQ - 403 Permission Denied)

Fehler 3: `Invalid variant 'max'`

Fehlermeldung

Error: Invalid variant 'max' for model 'antigravity-gemini-3-pro'

Ursache Verschiedene Modelle unterstützen unterschiedliche Variant-Konfigurationsformate.

Lösung

Überprüfen Sie die Variant-Definition in der Modellkonfiguration:

Modelltyp	Variant-Format	Beispielwert
Claude Thinking	`thinkingConfig.thinkingBudget`	`{ "thinkingConfig": { "thinkingBudget": 32768 } }`
Gemini 3	`thinkingLevel`	`{ "thinkingLevel": "high" }`
Gemini 2.5	`thinkingConfig.thinkingBudget`	`{ "thinkingConfig": { "thinkingBudget": 8192 } }`

Korrektes Konfigurationsbeispiel:

json

{
  "antigravity-claude-sonnet-4-5-thinking": {
    "name": "Claude Sonnet 4.5 Thinking",
    "variants": {
      "low": { "thinkingConfig": { "thinkingBudget": 8192 } },
      "max": { "thinkingConfig": { "thinkingBudget": 32768 } }
    }
  },
  "antigravity-gemini-3-pro": {
    "name": "Gemini 3 Pro",
    "variants": {
      "low": { "thinkingLevel": "low" },
      "high": { "thinkingLevel": "high" }
    }
  }
}

Fehler 4: Anfrage-Timeout oder keine Antwort

Symptom Der Befehl wird lange Zeit ohne Ausgabe ausgeführt oder endet schließlich mit einem Timeout.

Mögliche Ursachen

Netzwerkverbindungsproblem
Langsame Serverantwort
Alle Konten befinden sich im Rate-Limit-Status

Lösung

Netzwerkverbindung prüfen:
bash
```
ping cloudaicompanion.googleapis.com
```

Debug-Logs ansehen:

bash

OPENCODE_ANTIGRAVITY_DEBUG=1 opencode run "test" --model=google/antigravity-claude-sonnet-4-5

Kontostatus prüfen:
bash
```
cat ~/.config/opencode/antigravity-accounts.json
```
Wenn Sie sehen, dass alle Konten einen rateLimit-Zeitstempel haben, sind sie alle raten-limitiert und müssen warten, bis sie zurückgesetzt werden.

Fehler 5: SSE-Streaming-Ausgabe unterbrochen

Symptom Die Antwort stoppt mitten im Prozess oder Sie sehen nur einen Teil des Inhalts.

Mögliche Ursachen

Instabiles Netzwerk
Konten-Token läuft während der Anfrage ab
Serverfehler

Lösung

Debug-Logs aktivieren, um detaillierte Informationen zu sehen:
bash
```
OPENCODE_ANTIGRAVITY_DEBUG=2 opencode run "test"
```

Log-Dateien prüfen:

bash

tail -f ~/.config/opencode/antigravity-logs/latest.log

Bei häufigen Unterbrechungen:
- Versuchen Sie, zu einer stabileren Netzwerkumgebung zu wechseln
- Verwenden Sie Nicht-Thinking-Modelle, um die Anfragezeit zu reduzieren
- Prüfen Sie, ob das Konto nahe am Kontingentlimit ist

Zusammenfassung dieses Kurses

Das Senden der ersten Anfrage ist ein entscheidender Schritt zur Verifizierung einer erfolgreichen Installation. Durch diesen Kurs haben Sie gelernt:

Grundlegende Anfrage: Verwendung von opencode run --model, um Anfragen zu senden
Variant-Nutzung: Konfiguration des Denkbudgets durch --variant
Modellauswahl: Auswahl von Claude- oder Gemini-Modellen basierend auf Anforderungen
Problembehebung: Lokalisierung und Lösung von Problemen basierend auf Fehlermeldungen

Empfohlene Praktiken

In der täglichen Entwicklung:

Zuerst einfache Tests verwenden: Nach jeder Konfigurationsänderung zuerst eine einfache Anfrage zur Verifizierung senden
Schrittweise Komplexität erhöhen: Von no thinking → low thinking → max thinking
Basisantworten aufzeichnen: Sich die Antwortzeiten unter normalen Umständen merken, um Vergleiche zu ermöglichen
Debug-Logs geschickt nutzen: Bei Problemen OPENCODE_ANTIGRAVITY_DEBUG=2 aktivieren

Vorschau auf den nächsten Kurs

Im nächsten Kurs lernen wir Verfügbare Modelle im Überblick.
Sie werden lernen:
Vollständige Liste und Merkmale aller verfügbaren Modelle
Auswahlleitfaden für Claude- und Gemini-Modelle
Vergleich von Kontext- und Ausgabelimits
Beste Anwendungsszenarien für Thinking-Modelle

Anhang: Quellcode-Referenz

Klicken Sie, um Quellcode-Positionen anzuzeigen

Aktualisiert: 2026-01-23

Funktion	Dateipfad	Zeilennummer
Anfragenumwandlungseinstieg	`src/plugin/request.ts`	1-100
Kontenauswahl und Token-Verwaltung	`src/plugin/accounts.ts`	1-50
Claude-Modellumwandlung	`src/plugin/transform/claude.ts`	Volltext
Gemini-Modellumwandlung	`src/plugin/transform/gemini.ts`	Volltext
Streaming-Antwortverarbeitung	`src/plugin/core/streaming/index.ts`	Volltext
Debug-Log-System	`src/plugin/debug.ts`	Volltext

Wichtige Funktionen:

prepareAntigravityRequest(): Wandelt OpenCode-Anfragen in Antigravity-Format um (request.ts)
createStreamingTransformer(): Erstellt Streaming-Antwort-Transformer (core/streaming/)
resolveModelWithVariant(): Parst Modell- und Variant-Konfiguration (transform/model-resolver.ts)
getCurrentOrNextForFamily(): Wählt Konto für Anfrage aus (accounts.ts)

Konfigurationsbeispiele:

Modellkonfigurationsformat: README.md#models
Detaillierte Variant-Erklärung: docs/MODEL-VARIANTS.md

Erste Anfrage: Installation erfolgreich verifizieren ​

Was Sie nach diesem Kurs können ​

Ihre aktuelle Situation ​

Wann diese Methode anzuwenden ist ​

🎒 Vorbereitungen vor dem Start ​

Kernkonzept ​

Warum zuerst verifizieren? ​

Beziehung zwischen Modell und Variant ​

Empfohlene Einsteigerkombinationen ​

Mach mit ​

Schritt 1: Einfachste Testanfrage senden ​

Schritt 2: Thinking-Modell und Variant verwenden ​

Schritt 3: Gemini 3-Modell testen ​

Schritt 4: Multimodale Fähigkeiten testen (optional) ​

Kontrollpunkt ✅ ​

Warnhinweise für Stolperfallen ​

Fehler 1: Model not found ​

Fehler 2: 403 Permission Denied ​

Fehler 3: Invalid variant 'max' ​

Fehler 4: Anfrage-Timeout oder keine Antwort ​

Fehler 5: SSE-Streaming-Ausgabe unterbrochen ​

Zusammenfassung dieses Kurses ​

Vorschau auf den nächsten Kurs ​

Anhang: Quellcode-Referenz ​

Erste Anfrage: Installation erfolgreich verifizieren

Was Sie nach diesem Kurs können

Ihre aktuelle Situation

Wann diese Methode anzuwenden ist

🎒 Vorbereitungen vor dem Start

Kernkonzept

Warum zuerst verifizieren?

Beziehung zwischen Modell und Variant

Empfohlene Einsteigerkombinationen

Mach mit

Schritt 1: Einfachste Testanfrage senden

Schritt 2: Thinking-Modell und Variant verwenden

Schritt 3: Gemini 3-Modell testen

Schritt 4: Multimodale Fähigkeiten testen (optional)

Kontrollpunkt ✅

Warnhinweise für Stolperfallen

Fehler 1: `Model not found`

Fehler 2: `403 Permission Denied`

Fehler 3: `Invalid variant 'max'`

Fehler 4: Anfrage-Timeout oder keine Antwort

Fehler 5: SSE-Streaming-Ausgabe unterbrochen

Zusammenfassung dieses Kurses

Vorschau auf den nächsten Kurs

Anhang: Quellcode-Referenz