Gemini CLI 徹底解説 — ターミナルで動くGoogleのオープンソースAIエージェント

Google の Gemini CLI は、ターミナルから直接 Gemini モデルを呼び出して開発作業を任せられる、オープンソースの AI エージェントです。ファイルの読み書き、シェルコマンドの実行、Web 検索といった操作をエージェント自身が判断しながら繰り返し、コードベースの調査やリファクタリング、定型作業の自動化を進めます。GUI やエディタ拡張を介さず、開発者が普段作業しているコマンドライン上でそのまま動くことが最大の特徴です。

本記事では、2026年時点の Gemini CLI について、位置づけ、対応モデルと無料枠、インストールと初回設定、基本的な使い方、ツール連携と MCP による拡張、そして Claude Code など他の CLI エージェントとの使い分けを整理します。コマンド例を交えながら、実務のどの場面でどう使うかという判断軸を中心に解説します。

Gemini CLI とは何か

Gemini CLI は Google が Apache 2.0 ライセンスで公開しているコマンドラインツールで、リポジトリは google-gemini/gemini-cli で管理されています。中核にあるのは、プロンプトを受け取ったモデルが必要なツールを選んで実行し、その結果を観測してから次の行動を決めるという、エージェントのループです。ユーザーが一度指示を出すと、CLI がファイルを読み、コマンドを走らせ、結果を踏まえて修正するという一連の流れを、モデル自身が組み立てて進めます。

従来のチャット型 AI が質問して答えをもらう道具だったのに対し、Gemini CLI は作業を任せる道具です。単発のコード生成にとどまらず、複数ファイルにまたがる変更や、テスト実行を挟んだ修正の反復まで、ローカルの作業ディレクトリを対象に完結させられます。同名の非公式ツールが複数存在するため、導入時はパッケージ名が @google/gemini-cli であることを確認しておくと確実です。

対応モデルとコンテキスト、無料枠

Gemini CLI が利用するのは Gemini 2.x 系のモデルです。既定では長文コンテキストと高い推論性能を備えた Gemini 2.5 Pro が使われ、軽量で高速な Gemini 2.5 Flash に切り替えることもできます。Gemini 2.5 Pro は最大 100 万トークン規模のコンテキストを扱えるため、大きなソースツリーや長いログをまとめて読み込ませても文脈を保ったまま処理できる点が、コードベース全体を対象にした作業と相性よく働きます。

個人の Google アカウントでログインすると、無料枠として毎分 60 リクエスト、1 日あたり 1,000 リクエストの範囲で Gemini 2.5 Pro を利用できます。個人開発や検証であればこの枠内で十分に試せます。より高い上限や本番運用が必要な場合は、Google AI Studio で取得した API キー、あるいは Vertex AI 経由の認証に切り替えることで、従量課金のもとで利用できます。用途に応じて認証方式を選べる設計になっています。

インストールと初回設定

Gemini CLI は Node.js 上で動作します。事前に Node.js 20 以上が入っていることを確認したうえで、npm でグローバルにインストールします。

# Node.js のバージョンを確認（20 以上が必要）
node --version

# npm でグローバルインストール
npm install -g @google/gemini-cli

# インストールせずに試す場合
npx https://github.com/google-gemini/gemini-cli

インストール後、作業したいプロジェクトのディレクトリで gemini を実行すると対話セッションが起動します。初回はテーマと認証方法の選択を求められます。手早く始めるなら Login with Google を選ぶと、ブラウザでの OAuth 認証を経て無料枠での利用が始まります。API キーを使う場合は、あらかじめ環境変数に設定しておきます。

# 作業ディレクトリで起動
cd my-project
gemini

# API キーを使う場合は環境変数に設定
export GEMINI_API_KEY="your-api-key-here"

プロジェクト固有の前提や規約は GEMINI.md というファイルに書いておくと、セッション開始時に文脈として読み込まれます。コーディング規約、ディレクトリ構成の意図、避けたい操作などをまとめておくことで、指示のたびに同じ説明を繰り返さずに済みます。

基本的な使い方

起動後は自然言語で指示を出します。エージェントは対象ファイルを自分で探して読み込み、必要なら差分を提案し、承認を得てから書き込みます。破壊的な操作の前に確認を挟む挙動が既定になっているため、意図しない変更が勝手に適用される心配は抑えられています。

# コードの理解を促す
> src ディレクトリの構成と、認証まわりの処理の流れを説明して

# 変更を伴うリファクタリング
> user_service.py を責務ごとに分割して、既存テストが通る状態を保って

# テストの追加と実行
> calculator.py に対する pytest のテストを書いて、実際に実行して結果を見せて

ファイルの読み書きに加えて、シェルコマンドの実行もエージェントの手札に含まれます。テストの実行、ビルド、Git 操作、依存関係のインストールといった作業を、モデルが結果を確認しながら進められるため、コードを直してテストを走らせ、失敗を読んで直すという反復をひとつの指示から任せられます。Web 検索や URL の取得にも対応しており、外部ドキュメントを参照させながら実装させることもできます。

ツール連携と MCP、実務での自動化

Gemini CLI は Model Context Protocol（MCP）に対応しており、MCP サーバーを設定に追加することで、標準では持たない機能をエージェントに与えられます。課題管理システムやデータベース、社内 API などを MCP サーバー経由で接続すれば、それらを操作対象として扱えるようになります。ツールの追加が設定ファイルへの記述だけで完結するため、組織固有のワークフローに合わせて機能を拡張しやすい構造です。

対話利用だけでなく、非対話モードでの実行にも対応しています。-p オプションでプロンプトを直接渡せるほか、標準入力を通じて他のコマンドの出力を渡すこともできます。これにより、スクリプトや CI パイプラインへの組み込みが容易になります。

# プロンプトを直接渡して非対話で実行
gemini -p "変更ファイルの差分を要約して、レビュー観点を挙げて"

# 他コマンドの出力をパイプで渡す
git diff --staged | gemini -p "このコミットのメッセージ案を日本語で作成して"

この非対話実行を軸に、コミット前の差分チェック、リリースノートの下書き生成、定型的なコード修正の一括適用などを自動化できます。GitHub Actions と組み合わせて、プルリクエストへの自動レビューやトリアージを走らせる使い方も広がっています。実務では、人手で繰り返していた確認・整形・要約の工程を CLI に寄せることで、開発フローのなかの摩擦を減らせます。

他の CLI エージェントとの位置づけとまとめ

ターミナルで動く AI エージェントは Gemini CLI に限りません。Anthropic の Claude Code をはじめ、同種のツールが複数登場しており、モデルがツールを使ってローカルの作業を進めるという基本構造は共通しています。そのうえで Gemini CLI の特徴として挙げられるのは、オープンソースであること、個人アカウントで使える無料枠が用意されていること、そして Gemini 2.5 Pro の大きなコンテキストを活かした広範囲の読み込みが得意なことです。

ツールの優劣を一律に決めるより、モデルの性格や料金体系、既存の環境との相性で使い分けるのが現実的です。Google Cloud を基盤にしている組織や、まず無料で AI エージェントの実力を確かめたい場面では Gemini CLI が入り口として選びやすく、他のエージェントと併用しながら得意な作業を振り分けるチームも増えています。いずれにせよ共通するのは、作業をエージェントに任せるという開発スタイルそのものであり、そこに慣れることが第一歩になります。

エンハンスド株式会社では、Gemini CLI や Claude Code をはじめとする AI エージェントを開発の現場に定着させるための導入支援を行っています。どのツールをどの工程に組み込めば効果が出るか、無料枠での検証から本番運用・CI への組み込み、社内規約に沿った運用設計まで、実務に即した形でご支援します。AI 駆動開発の導入を具体的に進めたい方は、お気軽にご相談ください。

このテーマの全体像は .NET × AI 活用 完全ガイド にまとめています。