Google AI Studio is nu een volwaardige full stack builder
Ik was halverwege het opzetten van een Firebase backend voor een zijproject — handmatig Firestore-regels configureren, authenticatieflows opzetten, de standaard connectiecode schrijven die ik al honderden keren eerder heb geschreven — toen een vriend een link in onze groepschat dropte. "Google heeft net je middag om zeep geholpen."
Hij had geen ongelijk. Maar hij onderschatte het nog.
De nieuwe build mode van Google AI Studio bespaarde me niet alleen een middag Firebase-configuratie. Het bouwde een compleet multiplayer tankspel — met AI bots, een live scorebord, real-time spelersynchronisatie en Google Sign-In — vanuit één enkele prompt. Het spel werkte. Spelers konden vanuit verschillende browsers meedoen en in real time op elkaar schieten. Het scorebord werd direct bijgewerkt. De AI bots speelden daadwerkelijk met een basisstrategie in plaats van doelloos tegen muren aan te lopen.
Ik zat te staren naar een volledig functioneel multiplayer spel dat me minstens een week handmatig werk zou hebben gekost, en het bestond omdat ik drie zinnen in een tekstvak had getypt.
Dat was het moment waarop ik stopte met waar ik mee bezig was en de volgende zes uur besteedde aan het testen van elke grens van deze update. Wat ik ontdekte is dat Google zojuist de meest agressieve zet in de vibe coding-wereld heeft gedaan sinds Replit zijn agent lanceerde — en dat deden ze door het ene probleem op te lossen waar elk ander platform omheen danste: de backend.
Waarom deze update anders voelt dan elke andere AI-codingtool
Ik heb inmiddels elk groot vibe coding-platform getest. Bolt.new, Lovable, Replit Agent, v0, Claude Artifacts — ik heb echte projecten door allemaal gehaald. En ze delen allemaal dezelfde fundamentele beperking: ze zijn briljant in het genereren van frontends en matig tot ronduit slecht in alles achter de UI.
Je kreeg een prachtig React dashboard dat er productierijp uitzag. Maar dan probeerde je het aan een database te koppelen. Of gebruikersauthenticatie toe te voegen. Of data te bewaren tussen sessies. En ineens zat je weer in je terminal, handmatig infrastructuur in te richten, CORS-fouten te debuggen, en je af te vragen waarom je überhaupt met die AI-tool was begonnen.
De build mode van Google AI Studio, gelanceerd op 19 maart 2026, pakt dit probleem frontaal aan. Wanneer je een app beschrijft in het promptveld en op build drukt, genereert het platform niet alleen een frontend. Het zet een complete full stack-omgeving op: een React frontend (met Angular en Next.js als alternatieven), een Node.js backend runtime, en — en dit is het cruciale deel — een one-click Firebase-integratie die automatisch Firestore, Authentication en Cloud Run-deployment regelt.
De agent hierachter heet Antigravity. Oorspronkelijk gelanceerd als Google's standalone agent-first IDE in november 2025, vormen de kerncomponenten nu de motor achter de build mode in AI Studio. En de manier waarop het werkt verschilt fundamenteel van hoe andere AI-codingtools opereren.
De meeste AI-codegeneratoren werken als geavanceerde autocomplete. Je beschrijft iets, ze genereren code, je kopieert het ergens naartoe en hoopt dat het werkt. Antigravity werkt meer als een junior developer die toevallig een perfect geheugen en oneindig geduld heeft. Het plant de volledige projectstructuur voordat het ook maar één regel schrijft. Het maakt en beheert meerdere bestanden tegelijk. Het draait de app in een ingebouwde browser, test het, vangt fouten op en repareert ze — autonoom — voordat het je het resultaat toont.
Ik keek toe terwijl het dit in real time deed, en ik zal eerlijk zijn: het is een beetje verontrustend. Je typt een prompt, en dan begint de agent te werken. Bestanden verschijnen. Code vult zich. Een voorbeeldvenster opent en de app begint te renderen. Als er iets kapotgaat, merkt de agent het op, diagnosticeert het probleem, herschrijft de relevante code en probeert het opnieuw. Geen menselijke tussenkomst nodig.
Maar levert het daadwerkelijk apps op die je zou willen gebruiken? Dat is de vraag die ertoe doet. Marketingdemo's zijn één ding. Ik moest het hard genoeg onder druk zetten om de grenzen te vinden.
Wat ik daadwerkelijk heb gebouwd (en wat er onderweg misging)
Ik besteedde zes uur aan steeds moeilijkere tests. Dit is wat er bij elke test gebeurde — de successen, de mislukkingen en de verrassingen.
Test 1: Geanimeerde landingspagina
Ik begon simpel. "Build me an animated landing page for a SaaS product called TaskFlow. Include a hero section with a floating 3D element, a features grid with hover animations, a pricing table with three tiers, and a testimonials carousel."
Bouwtijd: 47 seconden.
Het resultaat was oprecht indrukwekkend. Vloeiende CSS-animaties, een samenhangend kleurenschema, een responsieve layout die zonder dat ik erom vroeg op mobiel werkte. Het zwevende 3D-element was eigenlijk een CSS-geanimeerde isometrische illustratie — geen echte 3D, maar het zag er overtuigend uit. De prijstabel had een werkende schakelaar tussen maandelijkse en jaarlijkse facturering. De testimonialcarrousel scrollde automatisch met pauze-bij-hover.
Was het zo gepolijst als wat een senior frontend developer en designer zouden opleveren? Nee. De typografiekeuzes waren veilig maar generiek. De spacing voelde iets mechanisch — consistent maar zonder het bewuste ritme dat een menselijke designer zou creëren. Maar als startpunt dat je in een uur zou kunnen verfijnen? Het lag maanden voor op alles wat ik van Bolt of Lovable heb gekregen.
Test 2: Het multiplayer tankspel
Hier werd het interessant. "Build a multiplayer tank game where players control tanks in a top-down arena. Include AI bots that fill empty slots, a scoring system, power-ups that spawn randomly, and a live leaderboard. Use Firebase for real-time synchronization so multiple players can join from different browsers."
Ik verwachtte dat dit zou falen. Real-time multiplayer is een van de moeilijkste problemen in webontwikkeling. Je hebt WebSocket-verbindingen of Firebase Realtime Database-listeners nodig, conflictresolutie voor gelijktijdige invoer, interpolatie voor vloeiende beweging tussen netwerkupdates, en game loop-timing die consistent blijft op verschillende apparaten.
De Antigravity-agent werkte ongeveer drie minuten. Ik keek toe hoe het een game engine-module aanmaakte, een Firebase-integratielaag, spelerinvoer-handlers, AI bot-logica, een collision detection-systeem en een renderingpijplijn. Het richtte Firestore in, stelde de real-time listeners op, configureerde de authenticatieflow voor Google Sign-In en deployede een preview.
Ik opende het spel in twee browservensters. Beide maakten verbinding. Ik kon beide tanks op beide schermen zien. Toen ik tank één bewoog, werd het scherm van tank twee binnen ongeveer 200 milliseconden bijgewerkt. Niet perfect — er was zichtbare interpolatievertraging — maar volledig speelbaar. De AI bots bewogen met basis achtervolg-en-ontwijklogica. Power-ups verschenen op willekeurige intervallen. Het scorebord werd in real time bijgewerkt.
Dit verbaasde me het meest: ik had niets van de Firebase-infrastructuur geconfigureerd. De agent detecteerde dat een multiplayer spel real-time datasynchronisatie nodig heeft, vroeg me met één klik Firebase in te schakelen, en schreef vervolgens automatisch alle Firestore-integratiecode — listeners, schrijfoperaties, conflictafhandeling, beveiligingsregels.
Dit werkte niet perfect: de collision detection had randgevallen waarbij tanks door muren heen konden glippen bij hoge snelheid. De AI bot-pathfinding was functioneel maar basaal — ze bleven af en toe in hoeken vastzitten. En het spel ging niet goed om met netwerkonderbrekingen. Als de verbinding van een speler wegviel, bevroor hun tank ter plaatse in plaats van te worden verwijderd of overgenomen door een AI bot.
Dit zijn echte problemen. Maar het zijn het soort problemen dat je in iteratie oplost, niet het soort dat het hele ding onbruikbaar maakt. Het feit dat er een speelbaar multiplayer spel met real-time synchronisatie bestond na één enkele prompt is het grote nieuws.
Test 3: CRM Dashboard met AI-chatassistent
Dit was mijn productierijpheidstest. "Build a CRM dashboard where users sign in with Google, see their contacts and deals in a Kanban board, and can ask an AI assistant questions about their CRM data through a chat interface. Store everything in Firestore."
De Antigravity-agent bouwde het in ongeveer vier minuten. Google Sign-In werkte bij de eerste poging. Het Kanban-bord renderde met drag-and-drop-functionaliteit. Contacten en deals bleven bewaard in Firestore tussen sessies. Het datamodel was redelijk — een contactenverzameling met subcollecties voor deals en interacties.
De AI-chatassistent was het interessantste onderdeel. De agent integreerde Gemini 3.1 Pro in de app als een conversatie-interface die de CRM-data van de gebruiker kon opvragen. Ik kon typen "Show me all deals closing this month over $10,000" en kreeg een gefilterd, opgemaakt antwoord. Ik vroeg "Which contacts haven't been reached in 30 days?" en het bevroeg de Firestore-data correct en gaf een lijst terug.
Was het een productie-CRM? Absoluut niet. Het Kanban-bord miste filtering en zoekfunctionaliteit. Er was geen import/export-functionaliteit. De AI-assistent hallucineerde af en toe dealwaarden wanneer de vraag dubbelzinnig was. De Firestore-beveiligingsregels waren te ruim — elke geauthenticeerde gebruiker kon met een aangepaste query de data van andere gebruikers lezen.
Maar als werkend prototype dat het concept demonstreert en aan een klant of investeerder getoond kon worden? Het was schokkend dicht bij bruikbaar. Wat normaal een klein team twee tot drie weken sprintwerk zou kosten, bestond in vier minuten.
Test 4: Real-time collaboratieve 3D-omgeving
Mijn moeilijkste test. "Build a shared 3D particle environment where multiple users can join and interact. Each user gets a cursor that affects nearby particles. All interactions sync in real time across users."
Deze duurde ongeveer vijf minuten. De agent gebruikte Three.js voor de 3D-rendering, Firebase voor synchronisatie en een eigen deeltjesfysicasysteem. Meerdere gebruikers konden vanuit verschillende browsers meedoen en elkaars cursors het gedeelde deeltjesveld in real time zien beïnvloeden.
De prestaties waren ruw. Met meer dan ongeveer 500 deeltjes daalde de framerate onder de 30fps. De synchronisatie werkte maar introduceerde zichtbare latentie van ongeveer 300 milliseconden — genoeg om traag aan te voelen. En de 3D-rendering was helemaal niet geoptimaliseerd voor mobiel.
Toch — een gedeelde, real-time 3D collaboratieve omgeving vanuit een tekstprompt. Een jaar geleden was dit een meerweken-project van een senior engineer geweest.
De Firebase-integratie is het echte verhaal
Elke techpublicatie gaat koppen met "Google AI Studio kan apps bouwen vanuit prompts!" alsof dat nieuw is. Dat is het niet. Bolt, Lovable en Replit doen al meer dan een jaar aan frontendgeneratie.
Wat daadwerkelijk nieuw is — en wat dit naar mijn mening een echt kantelpunt maakt — is de Firebase-integratie. Wanneer je tijdens een build op "Enable Firebase" klikt, maakt de Antigravity-agent niet zomaar verbinding met Firebase. Het doet dit alles automatisch:
- Richt een Firebase-project in gekoppeld aan je Google-account
- Zet Firestore op met een initieel datamodel gebaseerd op wat je app nodig heeft
- Schakelt Firebase Authentication in met Google Sign-In vooraf geconfigureerd
- Schrijft alle integratiecode — listeners, schrijfoperaties, foutafhandeling
- Genereert beveiligingsregels (basisregels — meer over deze beperking later)
- Configureert Cloud Run voor one-click deployment naar een publieke URL
Dit is het onderdeel dat andere vibe coding-platformen op dit moment niet kunnen evenaren. Replit heeft Replit DB, dat propriëtair en beperkt is. Bolt en Lovable genereren frontendcode die je vervolgens handmatig aan Supabase of je eigen backend moet koppelen. v0 genereert prachtige componenten maar heeft geen enkel backendverhaal.
Google bezit Firebase. Ze bezitten de authenticatie-infrastructuur. Ze bezitten de hosting. Ze bezitten het CDN. Ze bezitten Cloud Run. Door dit alles in de build mode-agent te integreren, hebben ze iets gecreëerd dat geen van hun concurrenten kan repliceren: een prompt-naar-productie-pijplijn waarin elke laag van de stack first-party is.
De praktische impact is enorm. Toen ik het CRM dashboard testte, was de tijd van prompt tot gedeployde, via-URL-toegankelijke app met authenticatie en persistente data minder dan vijf minuten. Vijf minuten. Met elk ander platform zou het toevoegen van een echte backend met authenticatie me minimaal een uur handmatige setup hebben gekost — en dat uitgaande van het feit dat ik al wist wat ik deed.
Voor teams die dit geïmplementeerd en onderhouden willen hebben door een expertteam, levert Ramlit precies dit soort rapid prototyping en full stack-oplossingen — ramlit.com/services.
Google Stitch: de designlaag die de workflow compleet maakt
Er is een bijbehorende tool die de meeste berichtgeving over deze update negeert, en ik denk dat het cruciaal gaat worden voor de workflow: Google Stitch.
Stitch, dat ook een grote update kreeg in maart 2026, is Google's AI-aangedreven UI-designtool. Je beschrijft een UI in natuurlijke taal — of spreekt je designdoelen zelfs hardop uit via de nieuwe voice canvas-functie — en Stitch genereert high-fidelity UI-componenten met schone React, HTML en CSS-code.
Dit is waarom het ertoe doet voor AI Studio: Stitch exporteert nu direct naar Google AI Studio. De workflow ziet er als volgt uit:
- Ontwerp in Stitch: Beschrijf je UI, verfijn het visueel op het oneindige canvas, itereer met de AI-designagent
- Exporteer naar AI Studio: Stuur je gepolijste frontendcomponenten direct naar de build-omgeving van AI Studio
- Voeg backend toe in AI Studio: De Antigravity-agent koppelt je Stitch-gegenereerde frontend aan Firebase, voegt authenticatie, databaselogica en API-integraties toe
- Deploy: One-click deployment naar Cloud Run
Dit is een design-naar-deployment-pijplijn die volledig binnen Google's ecosysteem leeft. Geen Figma-naar-code vertaalstap. Geen handmatige overdracht tussen design en development. Geen externe services om te configureren.
Ik testte deze workflow met een virtuele voedselfotografie-app. Ontwierp de UI in Stitch — productafbeelding-uploadgebied, AI-gegenereerde achtergronden voor staging, zij-aan-zij vergelijkingsweergave. Exporteerde naar AI Studio. Voegde Firestore-opslag toe voor gebruikerssessies en afbeeldingsmetadata. Het hele proces duurde ongeveer twintig minuten, en het resultaat zag er beduidend gepolijster uit dan wat de Antigravity-agent op eigen kracht genereert.
De door Stitch gegenereerde componenten hadden betere typografie, bewustere spacing en een coherenter visueel systeem. De Antigravity-agent, wanneer aan zijn eigen designkeuzes overgelaten, produceert functionele maar generiek ogende interfaces. Stitch vult die leemte.
Stitch wordt ook geleverd met een SDK en MCP-server die het verbinden met externe codeerassistenten — Claude Code, Gemini CLI, Cursor — dus het is niet opgesloten in Google's ecosysteem. Maar de strakkste integratie is uiteraard met AI Studio.
De roadmap: wat Google hierna bouwt
Google deelde naast deze lancering een roadmap die aangeeft waar ze naartoe gaan. Sommige van deze functies zijn het nauwlettend volgen waard:
Design Mode — Directe integratie van Stitch in AI Studio, zodat je niet meer tussen tools hoeft te schakelen. Dit comprimeert de design-naar-backend-workflow tot één enkele interface.
Figma-integratie — Naadloze import en export met Figma-designbestanden. Dit is enorm voor teams die al designsystemen in Figma hebben. In plaats van componenten opnieuw te maken, importeer je ze direct en laat je de agent de backend eromheen bouwen.
Google Workspace-integratie — Toegang tot Docs, Sheets, Drive en Calendar vanuit gebouwde apps. Stel je voor dat je een interne tool bouwt die data ophaalt uit een gedeeld Google Sheet en dit weergeeft in een real-time dashboard — allemaal vanuit een prompt.
Planning Mode — Projectplanning en managementtools ingebouwd in de agent. Dit suggereert dat Google wil dat AI Studio niet alleen het bouwen afhandelt, maar ook het plannen van wát je bouwt. Scopedefinitie, taakverdeling, mijlpaalbewaking — alles AI-ondersteund.
Intelligent Agents — Slimmere AI-agents die ontwikkelworkflows automatiseren voorbij codegeneratie. Denk aan geautomatiseerd testen, prestatieoptimalisatie en deploymentbeheer.
Het patroon is duidelijk. Google bouwt geen codegenerator. Ze bouwen een AI-native IDE waarbij de ontwikkelworkflow is: beschrijf wat je wilt, beoordeel wat de agent bouwt, itereer via conversatie, deploy naar productie. De taak van de mens verschuift van code schrijven naar de agent aansturen en productbeslissingen nemen.
Wat Google AI Studio fout doet (en waar de scheuren zichtbaar worden)
Het vorige deel vertelde je wat er werkt. Laat me nu vertellen wat niet werkt, want ik vind een eerlijke beoordeling waardevoller dan hype.
Beveiligingsregels zijn te ruim
De Firestore-beveiligingsregels die de agent genereert zijn functioneel maar gevaarlijk los voor productiegebruik. Bij mijn CRM dashboard-test kon elke geauthenticeerde gebruiker technisch gezien de data van een andere gebruiker lezen door het Firestore-querypad aan te passen. De agent stelt basis authenticatiecontroles in — "is de gebruiker ingelogd?" — maar implementeert geen beveiliging op rijniveau of data-isolatie tussen gebruikers.
Voor een prototype of demo is dit prima. Voor alles wat met echte gebruikersdata werkt, moet je de beveiligingsregels handmatig herschrijven. Dit is de grootste kloof tussen "AI Studio-demo" en "productierijpe app."
Foutafhandeling is oppervlakkig
De gegenereerde code handelt het succespad goed af. Netwerkfouten, randgevallen, race conditions, time-outscenario's — deze krijgen minimale of geen afhandeling. Mijn multiplayer spel ging niet om met verbroken verbindingen. Het CRM dashboard handelde Firestore-quotalimieten niet af. De 3D-omgeving degradeerde niet netjes wanneer de framerate daalde.
Dit is typisch voor AI-gegenereerde code op elk platform, niet alleen dat van Google. Maar het is het vermelden waard omdat de marketingmaterialen gepolijste demo's tonen, en de kloof tussen demo en productie precies deze ontbrekende foutgrenzen is.
Prestatieoptimalisatie ontbreekt vrijwel volledig
De code werkt. Hij is niet geoptimaliseerd. Geen lazy loading. Geen code splitting. Geen memoization van dure berekeningen. Geen debouncing op real-time listeners. De 3D-deeltjesomgeving renderde elk deeltje elk frame, of het nu zichtbaar was of niet. Het CRM dashboard bevroeg Firestore opnieuw bij elke navigatie in plaats van resultaten te cachen.
Voor kleinschalige apps en prototypes maakt dit niet uit. Voor alles met echt verkeer heb je een prestatieoptimalisatieronde nodig die de agent momenteel niet goed kan uitvoeren.
Het UI-ontwerp is generiek
Zonder Stitch in de workflow zijn de designkeuzes van de agent veilig, schoon en volledig onopvallend. Je krijgt Material Design-achtige componenten, logische layouts en absoluut nul persoonlijkheid. Elke gegenereerde app ziet eruit alsof hij ontworpen is door iemand die de richtlijnen heeft gelezen maar nooit een gevoel voor smaak heeft ontwikkeld.
Dit is oplosbaar — door Stitch te gebruiken voor de designlaag of door gedetailleerde designspecificaties in je prompts te geven. Maar out-of-the-box moet je niets verwachten dat een designer zou imponeren.
Firebase vendor lock-in
Dit is de strategische zorg. Het volledige full stack-verhaal hangt af van Firebase. Firestore voor data. Firebase Auth voor identiteit. Cloud Run voor deployment. Als je een serieuze app op dit platform bouwt en later moet migreren naar AWS of een zelfgehoste oplossing, kijk je naar een aanzienlijke herschrijving.
Google heeft dit ecosysteem wrijvingsloos gemaakt door elke laag te bezitten. Dat is zowel het voordeel als het risico.
Hoe Google AI Studio zich verhoudt tot de concurrentie op dit moment
Na uitgebreid testen, hier mijn eerlijke vergelijking per maart 2026:
Google AI Studio vs. Replit Agent: Google wint op backend-integratie — Firebase is naadloos vergeleken met Replit DB. Replit wint op iteratiesnelheid en de diepgang van de debugmogelijkheden van zijn agent. Replit ondersteunt ook meer frameworks en heeft een volwassenere community. Voor een nieuw project dat snel een echte backend nodig heeft: Google. Voor langdurige ontwikkeling met complexe iteratiecycli: Replit.
Google AI Studio vs. Bolt.new: Google wint op bijna alles behalve snelheid-tot-eerste-render. Bolt is sneller in het genereren van een eerste frontend-prototype (ongeveer 28 seconden voor een eenvoudige pagina). Maar het backendverhaal van Bolt is praktisch onbestaand, en de codekwaliteit van Antigravity is beduidend beter gestructureerd.
Google AI Studio vs. Lovable: Lovable produceert de schoonste React-code van alle AI-builders en is het gemakkelijkst voor complete beginners. Google produceert completere apps dankzij de backend-integratie. Als je een frontendcomponent of statische site nodig hebt: Lovable. Als je een full stack-app nodig hebt met authenticatie en datapersistentie: Google.
Google AI Studio vs. Claude Artifacts: Verschillende tools voor verschillende doeleinden. Claude Artifacts blinkt uit in op zichzelf staande interactieve componenten en visualisaties. Google AI Studio bouwt complete gedeployde applicaties. Ik gebruik beide — Artifacts voor snelle verkenningen en prototypes, AI Studio wanneer ik een echte app met infrastructuur nodig heb.
Het concurrentielandschap verschuift snel, en deze vergelijkingen hebben een houdbaarheid van misschien drie maanden. Maar op dit moment geeft Google's Firebase-integratie het de sterkste prompt-naar-productie-pijplijn op de markt. Niemand anders biedt one-click backend-provisioning geïntegreerd in de build-agent.
Wie zou dit daadwerkelijk moeten gebruiken (en wie niet)
Gebruik de build mode van Google AI Studio als:
- Je een werkend prototype met een echte backend nodig hebt in minder dan een uur
- Je interne tools bouwt voor een klein team en geen enterprise-grade beveiliging nodig hebt
- Je een app-idee wilt valideren voordat je investeert in volwaardige ontwikkeling
- Je een frontend developer bent die een hekel heeft aan het opzetten van backend-infrastructuur
- Je demo-apps, MVP's of proof-of-concept-projecten voor klanten bouwt
- Je real-time functies nodig hebt (multiplayer, samenwerking, live data) en niet handmatig WebSockets wilt configureren
Gebruik het niet als:
- Je productierijpe beveiligingsregels en data-isolatie nodig hebt
- Prestatieoptimalisatie belangrijk is voor jouw use case
- Je buiten Google's ecosysteem moet deployen
- Je iets bouwt dat gevoelige data verwerkt (gezondheidszorg, financieel, persoonlijk identificeerbare informatie) zonder handmatige beveiligingsreview
- Je complexe bedrijfslogica nodig hebt die verder gaat dan CRUD-operaties en real-time synchronisatie
Deze tool is buitengewoon goed in wat hij doet. Wat hij doet is prototypes, MVP's en kleinschalige apps met echte backends bouwen, snel. Wat hij niet doet is het engineeringoordeel vervangen dat nodig is om die apps naar productieschaal te brengen.
Hoe je nu het meeste uit build mode haalt
Na zes uur testen, hier de workflow die consistent de beste resultaten oplevert:
Stap 1: Schrijf een gedetailleerde prompt. Vage prompts produceren vage apps. In plaats van "build me a CRM," schrijf "build a CRM dashboard where users sign in with Google, manage contacts in a Kanban board with drag-and-drop, track deals with dollar values and close dates, and ask an AI assistant questions about their data through a chat sidebar."
Stap 2: Schakel Firebase direct in. Wanneer de agent je vraagt Firebase in te stellen, zeg ja. De backend-integratie is het grootste voordeel van het platform. Het overslaan betekent dat je gewoon een slechtere versie van Bolt gebruikt.
Stap 3: Specificeer je framework. De standaard is React, maar Next.js en Angular worden ook ondersteund. Als je een voorkeur hebt of een bestaande codebase, vertel het de agent. Het structureert het project dienovereenkomstig.
Stap 4: Kies Gemini 3.1 Pro als je model. De modelselectie in build mode maakt uit. Gemini 3.1 Pro produceert een beduidend betere codestructuur en maakt minder logische fouten dan de kleinere modellen. De afweging is iets langere bouwtijden.
Stap 5: Itereer via conversatie. Na de eerste build, begin niet opnieuw als iets niet klopt. Vertel de agent wat er moet veranderen. "The leaderboard should show the top 10 players, not all players. Add a filter for time period — today, this week, all time." De agent behoudt de context van het hele project en maakt gerichte aanpassingen.
Stap 6: Exporteer en beoordeel de code. Gebruik de ZIP-download of de GitHub-publicatiefunctie om de gegenereerde code in je eigen repository te krijgen. Beoordeel de Firestore-beveiligingsregels handmatig voordat je naar productie deployt. Beoordeel de foutafhandeling. Voeg de waarborgen toe die de agent niet heeft toegevoegd.
Stap 7: Gebruik Stitch voor designkritische projecten. Als het visuele ontwerp van de app ertoe doet — als het klantgericht is, als het indruk moet maken — ontwerp je UI eerst in Stitch, exporteer naar AI Studio en laat de agent de backend bouwen rondom je gepolijste frontend. Het verschil in visuele kwaliteit is aanzienlijk.
Het grotere plaatje: wat dit betekent voor builders
Ik schrijf nu al meer dan een jaar over AI-codingtools. Ik heb de ruimte zien evolueren van "AI kan een functie schrijven" naar "AI kan een app bouwen" naar waar we nu zijn: "AI kan een full stack-applicatie bouwen, deployen en hosten met een echte database en authenticatiesysteem vanuit één enkele tekstprompt."
De build mode van Google AI Studio is niet het eindpunt van deze ontwikkeling. De roadmap-functies — Figma-integratie, planning mode, intelligent agents — suggereren dat Google dit als het begin ziet. Ze bouwen naar een toekomst waarin de volledige softwareontwikkelingscyclus, van ontwerp tot deployment tot onderhoud, verloopt via gesprekken met een AI-agent.
Zijn we er al? Lang niet. De beveiligingslekken alleen al betekenen dat geen serieus team een AI Studio-app naar productie zou brengen zonder aanzienlijke handmatige review. De prestatieproblemen betekenen dat alles met echte schaal menselijke optimalisatie nodig heeft. De designkwaliteit betekent dat alles wat klantgericht is het oog van een designer nodig heeft.
Maar dit is wat deze week veranderde: de afstand tussen "ik heb een idee" en "ik heb een werkende app met een echte backend waar mensen kunnen inloggen en gebruiken" kromp van weken naar minuten. Voor prototyping, voor validatie, voor interne tools, voor demo's, voor het leren — dat maakt enorm veel uit.
Firebase Studio wordt afgebouwd als onderdeel van deze transitie en blijft toegankelijk tot 22 maart 2027. Google consolideert duidelijk zijn AI-ontwikkeltools in AI Studio als centraal platform. Als je in Firebase Studio hebt gebouwd, begin dan nu met het verkennen van het migratiepad.
Het multiplayer tankspel dat ik bij mijn eerste test bouwde draait nog steeds. Spelers kunnen nog steeds meedoen, nog steeds op elkaar schieten, nog steeds het scorebord beklimmen. Het kostte me drie zinnen en ongeveer drie minuten wachttijd. Een jaar geleden had datzelfde spel me een week aan avondwerk gekost.
Ik weet niet wat het juiste woord is voor wat er zojuist met softwareontwikkeling is gebeurd. Maar "build mode" doet het misschien tekort.
Veelgestelde vragen
Is de build mode van Google AI Studio gratis te gebruiken?
De build mode van Google AI Studio is momenteel gratis, inclusief de Firebase-integratie voor Firestore en Authentication. Deployment naar Cloud Run kan bij schaaling kosten met zich meebrengen, maar voor prototyping en kleine apps dekt de gratis tier de meeste use cases.
Kan ik code uit Google AI Studio exporteren naar mijn eigen repository?
Ja. Je kunt gegenereerde code downloaden als ZIP-bestand of direct naar GitHub publiceren. De geëxporteerde code is standaard React, Angular of Next.js — geen propriëtaire lock-in op codeniveau, hoewel de Firebase-backend-integraties refactoring nodig zouden hebben om van provider te wisselen.
Hoe verhoudt Google AI Studio zich tot Replit voor het bouwen van full stack-apps?
Het voordeel van Google AI Studio is naadloze Firebase-backend-integratie — databases en authenticatie met één klik. Replit biedt sterkere iteratieworkflows, meer frameworkondersteuning en diepere debugtools. Voor snel prototypen met echte backends leidt Google. Voor doorlopende ontwikkelprojecten biedt Replit momenteel meer flexibiliteit. Voor een uitgebreidere vergelijking, bekijk mijn vergelijking van vibe coding-tools.
Wat is er gebeurd met Firebase Studio?
Google bouwt Firebase Studio af als onderdeel van deze consolidatie, met toegang die beschikbaar blijft tot 22 maart 2027. De AI-ondersteunde ontwikkelfuncties migreren naar de build mode van Google AI Studio, dat nu dient als Google's uniforme AI-ontwikkelplatform.
Ondersteunt de build mode van Google AI Studio real-time multiplayer-functies?
Ja — dit is een van de sterkste mogelijkheden. De Antigravity-agent configureert Firebase Realtime Database of Firestore-listeners voor synchronisatie, en handelt WebSocket-achtige verbindingen af via de infrastructuur van Firebase. Ik heb met succes multiplayer games en collaboratieve omgevingen getest, hoewel de prestaties afnemen bij hoge aantallen deeltjes of complexe fysica.
Laten we samenwerken
Wil je AI-systemen bouwen, workflows automatiseren of je technische infrastructuur opschalen? Ik help je graag.
- Fiverr (maatwerk builds & integraties): fiverr.com/s/EgxYmWD
- Portfolio: mejba.me
- Ramlit Limited (enterprise-oplossingen): ramlit.com
- ColorPark (design & branding): colorpark.io
- xCyberSecurity (beveiligingsdiensten): xcybersecurity.io
