Google Antigravityは、Googleが開発した自律型AIコーディング環境です。CursorやWindsurfとは異なり、タスクを指示するだけでAIエージェントが計画・実装・テストまでを自動で進める「AIに開発を委託する」コンセプトが特徴です。この記事では、既存のAIエディタとの違いや実際の使い方、注意点まで解説します。
Cursor・Windsurfとの違いを先に知る：3ツールの比較と使い分け
AIコーディング支援ツールは、ここ数年で種類が急速に増えました。なかでもCursor・Windsurf・Google Antigravityは、それぞれ設計思想が大きく異なります。「どれを選べばいいかわからない」という方のために、まず3ツールの基本的な違いを整理しておきます。
大きな軸は「開発者がコードを書く作業をAIが補助するか」「AIがコードを書く作業そのものを引き受けるか」です。この違いを頭に入れておくと、ツール選びの判断がしやすくなります。
Cursor：シェア率No.1、開発者が自ら書くスピード特化型AIエディタ
CursorはVS Codeをベースに構築されたAIエディタです。既存の開発環境に近い操作感を保ちながら、コード補完・インライン編集・チャットによる質問応答を一つのエディタで利用できます。VS Codeに慣れている開発者であれば、移行コストが低い点が魅力です。
最大の強みは、コードを書くスピードを直接底上げできることです。カーソルの位置や直前のコードの流れを読んで次の行を予測補完するため、定型的な処理やボイラープレートを書く時間を短縮できます。「頭の中にある実装イメージをすばやく形にしたい」という場面に向いています。
あくまで「書く人を補助するツール」という位置づけのため、コードの最終判断と責任は開発者が持つ前提です。AIの提案をそのまま採用するのではなく、自分でレビューしながら進めるスタイルの方に合っています。
Windsurf：文脈を深く理解し、修正案を自ら提案するAIエディタ
Windsurfは、コードベース全体の文脈を把握したうえで提案を行うAIエディタです。単に次の行を補完するだけでなく、関連するファイルや関数の依存関係を読み取り、修正が必要な箇所を自ら検出して提案する動作が特徴です。
たとえば、ある関数の仕様を変更したとき、その影響を受ける他のファイルへの修正案もあわせて提示します。「変更がどこまで波及するかを自分で追うのが大変」と感じている場面で、特に役立ちます。
操作の主導権は開発者が持ちつつも、AIが先回りして問題点を指摘してくれるイメージです。CursorよりもAIの関与度が高く、コードレビューの補助としても活用できます。大規模なリファクタリングや、複数ファイルにまたがる修正を伴う作業に向いています。
Google Antigravity：開発タスクをAIエージェントに委託する次世代環境
Google Antigravityは、CursorやWindsurfとは根本的に異なるアプローチをとります。開発者がタスクを自然言語で指示すると、AIエージェントが計画・実装・テストまでを自律的に進める「委託型」の開発環境です。コードを書く作業そのものをAIに任せる構成になっています。
具体的には、「このAPIエンドポイントを追加して、テストも書いて」といった粒度の指示を出すと、エージェントがファイルを作成・編集し、動作確認まで行います。開発者はその結果をレビューする役割に回ることになります。
これはCursorやWindsurfが「ペアプログラミングの相手」に近いとすれば、Antigravityは「タスクを渡せるジュニア開発者」に近いイメージです。エージェントの自律性が高い分、指示の出し方や成果物のレビュー精度が、アウトプットの質を左右します。
3ツールの使い分け：自ら書くならCursor・Windsurf、AIに作らせるならAntigravity
3ツールの違いをふまえると、使い分けの基準は「開発の主導権を誰が持つか」に集約されます。自分でコードを書きながらAIに補助してもらいたい場合は、CursorかWindsurfが適しています。
CursorとWindsurfの選び方は、作業の性質で判断するとわかりやすいです。単一ファイルの実装やスピード重視の場面ではCursor、複数ファイルにまたがる変更や波及範囲の把握が必要な場面ではWindsurfが向いています。
一方、要件定義が固まっていて「この機能を丸ごと作ってほしい」という場合はAntigravityの出番です。ただし、エージェントが生成したコードをレビューできる知識は必要です。AIに任せた結果を検証できない状態で使うと、バグや設計上の問題を見落とすリスクがあります。
チームの開発スタイルやプロジェクトのフェーズに合わせて、ツールを使い分けることが妥当な運用になります。
Google Antigravityとは何か：自律型開発を支える仕組み
Google Antigravityは、AIエージェントが開発タスクを自律的に進める環境です。従来のAIエディタが「書く作業を補助する」ものだとすれば、Antigravityは「作業そのものを引き受ける」ことを前提としています。その仕組みを理解するには、まず自律型開発という概念と、Antigravityを構成するインターフェースの役割を押さえておく必要があります。
AIが自動で動く「自律型開発」とはどういうことか
自律型開発とは、人間が細かい手順を指示しなくても、AIが目標から逆算して計画を立て、実装・検証まで自分で進める開発スタイルです。従来のAI補完ツールが「次の一行を提案する」レベルだとすれば、自律型では「この機能を完成させる」という粒度でAIが動きます。
具体的には、開発者が「ユーザー登録機能を追加する」と指示を出すと、AIエージェントが必要なファイルを特定し、コードを生成・編集し、テストを実行するまでの一連の作業を自動で行います。人間はその経過と結果をレビューする役割に回ります。
この仕組みの前提として、エージェントはコードベース全体を参照し、既存の設計や命名規則を読み取ったうえで作業を進めます。白紙から作るのではなく、プロジェクトの文脈に沿った実装を行う点が重要です。
Editor ViewとManager Surface：2つの画面が担う役割の違い
Antigravityは、用途の異なる2つのインターフェースで構成されています。一つはEditor View、もう一つはManager Surfaceです。それぞれが担う役割を理解することで、ツール全体の操作感がつかみやすくなります。
Editor Viewは、実際のコードや作業内容を確認・編集するための画面です。AIエージェントが生成したコードをここで確認し、必要に応じて手を加えることができます。従来のコードエディタに近いインターフェースで、コードレビューや細かい修正はこの画面で行います。
Manager Surfaceは、タスクの進捗管理や複数エージェントの状態を俯瞰するための画面です。どのエージェントが何を担当しているか、現在どのステップにいるかを一覧で把握できます。複数タスクを並行して進める際に、全体の状況を整理する役割を担います。
複数エージェントを同時に動かすAgent Managerの概要
Agent Managerは、複数のAIエージェントを並行して制御するための機能です。一つのタスクを一つのエージェントが担当するだけでなく、異なるタスクを複数のエージェントに同時に割り当てることができます。
たとえば、フロントエンドの修正を一つのエージェントに任せながら、別のエージェントがバックエンドのAPIを実装するといった並行作業が可能です。こうした並列処理により、開発全体のスループットを高められます。
各エージェントの進捗や状態はManager Surfaceで確認できるため、どのタスクが完了していて、どのタスクが止まっているかを随時把握できます。エージェント同士が競合しないよう、タスクの依存関係を整理してから割り当てることが、運用上のポイントになります。
個人利用は現在無償：Public Preview期間中の料金体系
Public Preview期間中、個人利用については無償で利用できます。アカウントを作成してアクセスを申請すれば、追加費用なしに主要な機能を試せる状態です。新しいツールの評価コストを抑えられるため、個人開発者にとって試しやすい環境といえます。
ただし、無償提供はあくまでPreview期間中の措置です。正式リリース後に有償プランへ移行する可能性は十分にあります。無償期間中に機能の評価と業務への適合性の確認を済ませておくことが、導入判断を進めるうえで堅実な進め方です。
チームや企業での利用については、別途エンタープライズ向けの条件が設けられる見通しです。組織単位での導入を検討している場合は、公式の案内を定期的に確認しておく必要があります。
トークンではなく「Work Done（仕事量）」で課金される新しい料金モデル
Antigravityが採用する料金モデルは、従来のAIサービスとは考え方が異なります。多くのAIツールがAPIの呼び出し回数やトークン数（処理した文字・単語の量）をもとに課金するのに対して、AntigravityはWork Done、すなわちAIが実際に完了した仕事量を基準にした課金方式です。
この方式のメリットは、処理の途中経過ではなく成果に対して費用が発生する点です。エージェントが試行錯誤する過程でトークンを大量に消費しても、その分がコストに直結しにくい仕組みです。タスクの複雑さに応じてコストが変動するため、単純な作業と高度な作業で料金に差がつく構造になっています。
一方で、Work Doneの定義や計算方法は、従来のトークン課金と比べて直感的に把握しにくい面もあります。具体的な単価や換算基準は現時点で公表されていないため、実際に使い始める前に、いくつかのタスクを試して消費量の感覚をつかんでおくと、想定外のコストを防ぐ助けになります。
AWS Kiroとの比較：Googleのアプローチとの違い
自律型開発ツールの領域では、AWSもKiroというツールを提供しています。同じ「AIエージェントに開発を委託する」カテゴリに属しますが、設計の方向性にはいくつかの違いがあります。
KiroはAWSのインフラやサービスとの連携を前提とした設計が強く、既存のAWS環境を持つチームにとって親和性が高い構成です。一方のAntigravityは、GoogleのAI基盤を活用しつつ、エージェントの自律性と複数エージェントの並行制御に重点を置いています。
どちらが適しているかは、すでに利用しているクラウド環境や開発スタイルによって変わります。AWSを中心に構築されたインフラ上で開発しているチームにはKiroが馴染みやすく、GoogleのサービスやAI機能を活用したい場合はAntigravityとの相性がよくなります。両ツールともPreviewや初期段階にあるため、実際に試して比較することが判断材料として有効です。
Antigravityの始め方：初期設定から日本語化まで
Google Antigravityの導入は、公式サイトからインストーラーをダウンロードし、いくつかの初期設定を行うだけで完了します。専門的な知識がなくても進められる手順で、セットアップ自体に時間はかかりません。ただし、最初に設定するモードやポリシーの内容がその後の動作に影響するため、各項目の意味を理解しながら進めることが重要です。
インストール手順と初期設定：3分で完了する基本セットアップ
まず、動作環境を確認します。macOSはMonterey（12）以降、WindowsはWindows 10（64bit）以降、LinuxはUbuntu 20.04以降が対象です。公式サイト（antigravity.google）にアクセスし、利用中のOSに対応したインストーラーをダウンロードします。
ダウンロードしたファイルを開き、画面の指示に沿ってインストールを完了させます。アプリを起動すると初期設定画面が表示されます。「Import Settings」では既存設定の引き継ぎを選択できますが、初回は「Start fresh」を選ぶとクリーンな状態から始められます。続いて画面の配色（Theme）を好みで選択します。
その後、エディタの基本設定（Configure Your Editor）に進みます。キー操作のモードはVS Codeに近い「Normal」を選ぶのが一般的です。拡張機能（Extensions）はPythonなど主要な言語への対応を追加するもので、特段の理由がなければインストールしておくと、AIがコードの文脈をより正確に把握できるようになります。最後にGoogleアカウントでログインすれば、セットアップは完了です。
英語が苦手でも使える：日本語化パックの導入設定
Antigravityのインターフェース自体は英語ですが、AIとのやり取りを日本語で行うための設定が用意されています。UIの言語を切り替える機能ではなく、AIへの応答言語を固定するルールを設定する方式です。
設定手順は、画面右上のメニューアイコン（「…」）から「Customizations」を開き、「Rules」→「+ Global」の順にクリックします。表示された入力欄に「回答は常に日本語で行ってください。」と入力して保存するだけです。この設定を行うと、以降AIが日本語で応答するようになります。
Globalルールはプロジェクトをまたいで適用されるため、一度設定すれば新しいプロジェクトでも日本語対応が維持されます。プロジェクトごとに異なる言語を使いたい場合は、プロジェクト単位のルール設定を使い分けることができます。
VS Codeからの環境引き継ぎ：既存設定を活かす方法
Antigravityのエディタ部分はVS Codeに近い操作性を備えています。ただし、設計思想はあくまで「エージェントにタスクを委託する環境」であり、エディタはAIの成果物を確認・修正するためのインターフェースという位置づけです。初期設定の「Import Settings」でVS Codeの設定を引き継ぐ選択をすると、テーマやキーバインディングなど既存の環境設定をそのまま移行できます。
使い慣れたショートカットキーやカラーテーマをそのまま持ち込めるため、VS Codeユーザーであれば操作面での学習コストを抑えられます。拡張機能については、VS Codeのものがそのまま動作するわけではなく、Antigravity側でサポートされているものを新たにインストールする形です。
既存の設定を引き継がず「Start fresh」を選んだ場合でも、後からCustomizationsメニューで設定を調整できます。まずデフォルト状態で触ってみてから、使いながら必要な設定を加えていくやり方でも問題ありません。
モード選択とポリシー設定：最初に確認すべき項目
初期設定で最も重要な項目が、Agent Modeの選択です。AIがどの程度自律的に作業を進めるかをここで決定します。選択肢は「Agent-driven development（エージェント主導）」「Agent-assisted development（エージェント支援）」「Review-driven development（レビュー主導）」「Custom configuration（カスタム）」の4つです。
初めて使う場合は「Agent-assisted development」が推奨されています。人間が主導しながらAIが必要な場面で支援するモードで、AIの動作を確認しながら使い方を学ぶのに適しています。AIへの信頼度が上がってきた段階で、より自律度の高いモードに切り替えるのが堅実です。
モードとあわせて確認しておきたいのが右側の詳細ポリシー設定です。ターミナルコマンドの自動実行を許可するか（Terminal execution policy）、AIの計画や変更をレビューする頻度（Review policy）、JavaScriptの実行を許可するか（JavaScript execution policy）、AIがアクセスできるサイトを制限するか（ブラウザのAllowlist）の4項目を状況に応じて設定します。セキュリティ上の懸念がある場合は、最初は制限を強めに設定しておくことを検討してください。
実際に何ができるか：3つの実践例で理解する活用シーン
「自律型開発」と言われても、実際にどんな場面で使えるのかイメージしにくいかもしれません。ここでは具体的な3つのシナリオを通じて、Antigravityに任せられる作業の粒度と進め方を整理します。いずれも「指示→確認→承認」というサイクルで進むため、AIの動きを把握しながら活用できます。
例1：フォームのバリデーション修正を丸ごと任せる
たとえば「お問い合わせフォームのメールアドレス入力欄に、正しい形式かどうかのチェックを追加してほしい」というタスクがあるとします。Antigravityにこの内容を自然言語で伝えると、エージェントが関連するファイルを特定し、バリデーション処理の実装からテストの実行までを自律的に進めます。
このようなタスクは、対象範囲が比較的明確で、完了の判断基準もはっきりしています。エージェントに任せやすい作業の典型例です。実装が完了したらEditor Viewでコードを確認し、期待どおりの内容になっているかをレビューします。
既存のコードに手を加える修正系の作業は、Antigravityが得意とする領域です。自分でファイルを探して修正箇所を特定する手間を省けるため、細かい改修が積み重なる保守フェーズに特に向いています。
例2：「新機能を1個だけ追加して」とタスクを小さく切って委託する
Antigravityを使いこなすうえで有効なアプローチが、タスクを小さく切り出して委託することです。「アプリ全体をリニューアルして」といった大きな指示は、エージェントの動作が発散しやすく、レビューコストも高くなります。「ログイン後のトップページに、直近の操作履歴を5件表示する機能を追加して」のように、1回の指示で完結する粒度に絞るのが効果的です。
タスクが小さいほど、計画書の内容を確認しやすく、成果物のレビューも短時間で済みます。承認・差し戻しのサイクルを短く回せるため、エージェントの動作を観察しながら徐々に信頼度を高めていくことができます。
慣れてきたら、複数の小タスクをAgent Managerで並行して走らせる運用に移行できます。まずは1件ずつ完結させる形で始め、作業の流れを体感してから並行処理に挑戦する順序が合理的です。
例3：ドキュメント調査から実装まで一括で依頼する
Antigravityはブラウザ操作の機能を持つため、外部ドキュメントの参照を含むタスクも一括で依頼できます。たとえば「このAPIの公式ドキュメントを確認して、認証まわりの実装を追加して」と指示すると、エージェントがドキュメントページを自ら開いて仕様を読み取り、その内容をもとに実装を進めます。
これは従来のAIエディタでは難しかった動作です。開発者がドキュメントを読んでAIに内容を渡す手順が不要になり、調査から実装までの流れをエージェントが一貫して担当します。外部APIとの連携実装や、ライブラリのアップデートに伴う修正作業などで特に有用です。
ただし、エージェントが参照するサイトはポリシー設定のAllowlistによって制限される場合があります。特定のドキュメントサイトにアクセスさせたい場合は、事前にAllowlistの設定を確認しておく必要があります。
AIが自動でブラウザを開いてテストする：自律動作の実態
Antigravityの特徴的な機能の一つが、AIエージェントがブラウザを自律的に操作できる点です。実装したフォームの動作確認や、Webアプリの画面遷移テストを、エージェントが自分でブラウザを開いて実行します。人間が手動で確認する手順をAIが代行する形です。
具体的には、ボタンのクリックや入力フォームへの文字入力、ページ遷移の確認といった操作をエージェントが順番に実行し、期待通りの動作になっているかを検証します。テスト中に問題が見つかった場合は、エージェントが修正を試みたうえで再テストを行うこともあります。
この自律動作が実行される際、Terminal execution policyやJavaScript execution policyの設定によっては、Inboxに承認依頼が届きます。エージェントが何をしようとしているかを確認したうえで許可を出す仕組みのため、意図しない操作が自動実行されるリスクを抑えられます。自律性の高さと人間の管理権限のバランスを保つ設計です。
使う前に知っておくべき注意点とリスク管理
AIエージェントに開発を委託できる利便性の裏側には、適切に管理しなければ生じるリスクがあります。権限の範囲、機密情報の扱い、環境の分離、そして人間の関与度合い——これらを事前に設計しておくことが、Antigravityを安全に運用するための前提になります。
権限管理：AIの独走を防ぐ「人間による承認プロセス」の設定
Antigravityでは、エージェントがターミナルコマンドの実行やブラウザ操作を行う前に、人間の承認を求める設定が用意されています。初期設定のポリシー項目で「Review policy」を適切に設定しておくと、エージェントが次のステップに進む前にInboxへ確認依頼が届き、内容を確認してから許可を出す流れになります。
「毎回承認が面倒」と感じて許可範囲を広げすぎると、意図しないファイルの変更や外部へのリクエストが自動実行されるリスクが高まります。使い始めの段階では承認頻度を高めに設定し、エージェントの動作パターンを把握してから徐々に緩めるのが安全です。
特にターミナルコマンドの自動実行（Terminal execution policy）は慎重に扱う必要があります。ファイルの削除や外部サービスへの接続を含むコマンドが自動実行されると、取り返しのつかない操作につながる場合があります。本番環境に近い設定で作業する際は、この項目を「確認あり」にしておくことを強く推奨します。
情報遮断：機密ファイルを守る.antigravityignoreの使い方
Antigravityのエージェントはプロジェクト内のファイルを広く参照しながら作業を進めます。そのため、APIキーや認証情報、個人情報を含むファイルが意図せずエージェントに読み取られるリスクがあります。これを防ぐために用意されているのが、.antigravityignoreファイルです。
使い方はGitの.gitignoreと同じ考え方です。除外したいファイルやディレクトリのパスを記述しておくと、エージェントがそのファイルにアクセスしなくなります。環境変数ファイル（.env）や秘密鍵ファイル、ログファイルなど、コードベース外に置くべき情報は最初にまとめて設定しておくと安心です。
すでに.gitignoreで除外しているファイルがある場合は、同じ内容を.antigravityignoreにも反映させることを基本にしてください。バージョン管理から除外しているファイルは、AIエージェントからも除外する——この原則を徹底しておくと、情報漏洩のリスクを体系的に抑えられます。
環境隔離：プロジェクトごとに専用の作業場を作る理由
Antigravityでは、タスクごとにワークスペースを分けて管理することが推奨されています。複数のプロジェクトや機能開発を同じワークスペースで進めると、エージェントが関係のないファイルを参照したり、別のタスクの変更内容と混在したりする可能性があります。
特に複数のエージェントをAgent Managerで並行稼働させる場合、タスクの依存関係や対象ファイルが重なると競合が起きやすくなります。プロジェクト単位でワークスペースを分け、各エージェントが操作するファイルの範囲を明確にしておくことが、安定した並行作業の前提条件です。
また、本番環境に直接つながる設定でエージェントを動かすことは避けてください。開発・ステージング環境を専用のワークスペースで分離し、本番への反映は人間が確認したうえで行う運用フローを維持することが重要です。
「丸投げ」のリスク：エンジニアが監督役として関与すべき場面
Antigravityの自律性が高いほど、エージェントが生成したコードをレビューせずに採用してしまうリスクが高まります。AIが出力するコードは一見正しそうに見えても、パフォーマンス上の問題や設計上の矛盾を含む場合があります。「動いているから問題ない」と判断してレビューを省略するのは危険です。
特に以下の場面では、エンジニアが積極的に関与する必要があります。既存のアーキテクチャに影響する変更、セキュリティに関わる処理の実装、外部APIとのデータやり取りを含む機能の追加——これらはエージェントに任せつつも、必ず人間がコードレベルで内容を確認すべき場面です。
Antigravityはあくまでエンジニアの作業を加速するツールであり、エンジニアの判断を代替するものではありません。エージェントが作業を進める間、人間は「何を作らせるか」「結果が期待どおりかどうか」を判断する監督役として関与し続けることが、品質を担保するうえで不可欠です。
よくある疑問
Antigravityを使い始める前後によく挙がる疑問をまとめました。ツール選びや日常の使い方に関わる実践的な内容を中心に、現時点でわかる範囲で整理しています。
Q: CursorやWindsurfをすでに使っているが、Antigravityに乗り換えるべきか？
結論からいうと、乗り換えではなく使い分けを検討するのが妥当です。CursorやWindsurfは「自分でコードを書きながらAIに補助してもらう」スタイルに向いており、インライン補完や細かい修正の精度は成熟しています。これらのツールで満足している作業をわざわざ移行する理由は薄いです。
Antigravityが力を発揮するのは、ある程度まとまったタスクをAIに委託したい場面です。「この機能を丸ごと作ってほしい」「複数のファイルにまたがる修正を任せたい」というニーズがあるなら、Antigravityを並行して試す価値があります。現在Public Preview期間中で無償利用できるため、既存ツールを使いながら試してみるハードルは低い状況です。
チームの開発フローや個人のコーディングスタイルによって合う・合わないが分かれるツールでもあります。実際に触れてみたうえで、自分の作業のどの部分に向いているかを判断するのが確実です。
Q: 日本語の指示と英語の指示で、AIの出力品質は変わるか？
Antigravityが搭載するモデルは日本語にも対応していますが、英語での指示のほうがより精度の高い出力が得られる傾向があります。多くのAIモデルは英語のデータで学習している割合が高く、技術的な文脈での理解精度に差が出やすいためです。
ただし、日本語でも十分に実用的な精度で動作します。先述の日本語化設定を行えば、日本語で指示を出してAIが日本語で応答する形で運用できます。指示の内容が具体的で曖昧さが少ないほど、日英どちらの言語でも出力の質が安定します。
精度を重視したい場面、たとえばアーキテクチャの設計や複雑なロジックの実装を依頼するときは、英語で指示を試してみる価値があります。日常的な作業は日本語で進めつつ、重要なタスクは英語で依頼するという使い分けも一つの方法です。
Q: WorkspacesとPlaygroundはどう使い分けるのか？
WorkspacesとPlaygroundは、作業の目的によって使い分けます。Workspacesは実際のプロジェクトファイルを管理する場所です。コードの生成・編集・テストといった本番に向けた作業はここで行います。タスクの進捗やAIとの会話履歴も保存されるため、継続的な開発作業の拠点になります。
一方のPlaygroundは、実際のファイルやフォルダを作成せずにAIと対話できるサンドボックス環境です。「こんな指示の出し方で意図通りに動くか」を試したり、アイデアを気軽に検証したりする用途に向いています。本番のコードに影響を与えずに実験できるため、Antigravityに慣れる段階での練習の場としても活用できます。
新しいタスクに着手する前にPlaygroundで指示の文言や粒度を確かめ、うまくいく形が見えてからWorkspacesで本番作業を進める——というワークフローが実務では使いやすい流れです。
Q: Public Preview終了後、料金はどう変わると考えられるか？
正式リリース後の料金体系は現時点では公表されていません。同種の自律型AIツールの事例を参考にすると、個人向けの無償プランを存続させつつ、利用量や機能に応じた有償プランを設けるパターンが一般的です。
先述のWork Done課金モデルが正式リリース後も維持される場合、利用するタスクの規模や複雑さによって月々のコストが変動することになります。小規模な個人利用であれば費用を抑えられる一方、大量のタスクをエージェントに委託する使い方では相応のコストが発生する可能性があります。
Preview期間中に自分の使い方でどの程度のWork Doneが発生するかを把握しておくと、正式リリース後の費用感をつかみやすくなります。公式からの料金発表は定期的に確認しておくことをおすすめします。
コメント