Gemini CLIとは？導入から基本的なコマンドまで徹底解説

コラム更新日：2026.03.18

エンジニアが日々業務を行う「ターミナル」。そのターミナルから直接、強力な AI のサポートを受けられるツールが「Gemini CLI」です。ブラウザを開くことなく、コードの生成やデバッグ、さらには複雑な定型タスクの自動化までこなしてくれるこの次世代ツールは、開発効率を劇的に向上させます。

本記事では、Gemini CLI の導入手順や主要コマンドといった基本操作から、VS Code との連携、自動化の例、そして企業で導入する際に管理者が押さえておくべきセキュリティやコスト管理の課題までを網羅的に解説します。

▼Gemini CLI を活用して開発環境を整えたい方へ▼

TSクラウドに無料で問い合わせる

執筆・監修：TSクラウド編集部

Google Cloud の「プレミア認定」を保有する、Google Workspace 正規販売代理店です。業界歴 17 年、延べ 3,500 社以上の導入支援実績（ 2026 年 2 月時点）に基づき、Google Workspace の最新機能から活用術、DX推進に役立つノウハウを専門的な視点で解説しています。

※情報は記事公開（更新）時のものです。Google Workspace の仕様や価格は変更される場合があるため、最新情報は必ず公式ページでご確認ください。

Gemini CLIとは？開発効率を変える次世代ツール

Google 提供する Gemini CLI は、開発者が日々利用するターミナルから直接 Gemini の強力な AI 機能にアクセスできるオープンソースの AI エージェントです。ターミナルの効率性と汎用性を保ちながら、プロンプト入力からモデルの回答までのプロセスを短縮し、日々の業務を根本から変革します。

Gemini CLIの主な特徴

Gemini CLI の最大の特徴は、理由と行動（ReAct）ループを用いて複雑なタスクを自律的に実行できる点です。また、組み込みツールとしてローカルファイルの読み書き、ウェブ検索、ウェブフェッチ（WebFetch）機能を備えています。さらに、Model Context Protocol（MCP）を組み込みでサポートしており、ローカルまたはリモートの MCP サーバーに接続して機能を大幅に拡張することも可能です。

Gemini CLIの利用シーン

開発現場における Gemini CLI の利用シーンは多岐にわたります。

コーディングとデバッグ
バグの修正、新機能の作成、テストカバレッジの改善など、自然言語を用いてコードを記述し、動的にトラブルシューティングを行います。
リサーチと問題解決
組み込みの Google 検索やウェブフェッチ機能を活用し、リアルタイムのウェブページから外部コンテキストを取得して回答を得ることができます。
コンテンツ生成
開発関連のドキュメント作成のほか、Veo や Imagen を用いた動画・画像作成、Nano Banana の拡張機能を通じたアプリアイコンや背景画像などの生成がターミナル上で可能になります。

Gemini CLI を導入する

Gemini CLI は、Node.js 20 以降の環境であれば npm を利用して簡単にローカル環境へインストールできます。

インストールの手順は、ターミナルで以下のコマンドを実行します。

npm install -g @google/gemini-cli

インストール後、ターミナルで「gemini」と入力して起動します。初めて利用する際は認証が必要です。主な認証方法は以下の3つです。

Google アカウントによる認証
ターミナルで「/auth」と入力し、「Google でサインイン」を選択します。Gemini CLI はウェブブラウザを使用してサインインの画面を開きます。画面の指示に従ってください。
Gemini API キーによる認証
Google AI Studio から API キーを取得し環境変数にキーを設定。CLI を起動し、「Gemini API キーを使用する」を選択します。
Vertex AI 経由での認証
Google Cloud の Vertex AI プラットフォームで Gemini CLI を使用するには、次の認証オプションから選択します。アプリケーションのデフォルト資格情報や、サービスアカウント JSON キー、Google Cloud API キーなどそれぞれに合わせた認証方法があります。

Gemini CLIの基本操作と主要コマンド一覧

ここでは Gemini CLI の主要コマンドを中心に基本操作について解説していきます。

主要コマンドの使い方

Gemini CLI 内では、自然言語によるプロンプト入力のほかに、特定のアクションを実行する専用のコマンドが用意されています。

/memory ：コンテキストやメモリの管理に関連するコマンドです。
/stats ：現在のセッションのトークン使用量やクォータ（利用制限）の状況を確認でき、意図しないコストの発生を防ぐのに役立ちます。
/tools ：現在インストールされているツールの一覧を表示します。
/mcp ：MCPサーバーの設定や管理を行います。

対話モードの終了方法

Gemini CLIの対話モードを終了して通常のターミナルに戻るには、「/quit」コマンドを入力します。

トラブルシューティング

利用中に問題が発生した場合、まずは最新バージョンへのアップデート（ gemini upgrade ）を試すことが推奨されます。

意図したリソースにアクセスできない場合は、プロジェクトの設定状況を確認しましょう。なお、従量課金プラン利用時にトークン上限のエラーや想定外のコストが生じている場合は、「/stats」コマンドで利用状況をモニタリングして対策を練ることをおすすめします。

VSCode 連携と Gemini CLI による自動化

ここでは VSCode との連携や Gemini CLI でできる定型タスクの自動化についてご紹介していきます。

VSCode 連携との連携

Gemini CLI はターミナル単体のツールではなく、IDE とも強力に連携しています。Visual Studio Code （VS Code）の「Gemini Code Assist エージェントモード」は、Gemini CLI を基盤として構築されています。

これにより、VS Code 内のチャットウィンドウから直接、MCP サーバーの利用、 /memory や /stats コマンド、ローカルファイルへのアクセス、ウェブ検索といった Gemini CLI の主要機能も利用可能です。

Gemini CLI で定型タスクを自動化

Gemini CLI は、対話形式での利用だけでなく、スクリプトやパイプラインから直接呼び出す非対話モードをサポートしています。これにより、人間の介入なしに AI を既存の自動化ワークフローへ組み込むことが可能になり、開発を加速させます。

具体的な活用例として、以下のような自律型ワークフローが挙げられます。

CI/CDとの統合による自動バグ修正
ビルドやテストでエラーが発生した際、そのログを Gemini CLI に直接渡し、AI にコードの修正案を生成させます。さらに、生成されたパッチを自動適用し、再度テストをパスしたことを確認してから GitHub へプルリクエストを送信する、といった「セルフヒーリング」的なパイプラインが構築可能です。
複雑なデータの抽出と要約
大量のログファイルや構造化されていないテキストデータを AI に解析させ、必要な項目だけを抽出して JSON 形式で出力したり、特定のニュースサイトから情報をフェッチして社内通知用に要約したりといった、日常的な情報収集タスクの自動化にも適しています。

このように Gemini CLI を自動化に活用することで、エンジニアは単純な定型作業から解放され、より本質的な設計や課題解決に集中できるようになります。

Gemini Code Assistとの使い分け

Gemini CLI は、ターミナル上でのファイル操作やシステムコマンドと組み合わせたスクリプト処理、および幅広いタスクの自動化に向いており、Gemini Code Assist は、IDE 内でのテスト作成やエラー修正、コード移行といった複雑な作業において、エージェントモードによる多段階の推論を活用するために使うのが効果的です。

これらは同じ技術を共有しており、各ライセンスで定められたリクエスト使用量の割り当て（クォータ）も共有されているため、作業環境に応じてシームレスに使い分けることができます。

【管理者必読】「シャドーIT」と「課金」の課題

開発現場への AI ツールの導入において、組織の管理者が直面する大きな課題が「シャドーITによるセキュリティリスク」と「予測困難なコスト」です。

個人APIキー利用による情報漏洩リスクの実態

開発者が組織の管理を通さず、個人的に発行した APIキーを業務で使用することは「シャドーIT」のリスクを孕んでいます。特に個人の Google アカウントや無料版の API キーを使用する場合、送信されたデータは一般向けのプライバシーポリシーに基づき、モデルの再学習やサービス改善に利用される可能性もあります。これにより、機密コードが意図せず学習データに取り込まれ、他者への回答として出力されるといった、深刻な知的財産流出のリスクも発生します。

また、管理者が実態を把握できない利用はガバナンスの欠如を招き、企業の情報セキュリティポリシーを形骸化させます。万が一、顧客データや個人情報が AI に入力された場合、コンプライアンス違反や損害賠償といった法的な事態に発展しかねません。このようなリスクを回避するためには、組織として利用をコントロールできる体制を整えることが急務です。

従量課金モデルにおけるコスト管理の限界

リクエスト制限を回避するために API キーや Vertex AI で「Pay-as-you-go（従量課金）モデル」を利用すると、トークン（呼び出し）ごとの課金となります。細かいタスクで頻繁に呼び出しを行うと予想外の高額なコストが発生する可能性があり、開発者個人に管理を委ねてしまうと、組織全体での予算管理が非常に困難になるでしょう。