WSLでVertex AI Gemini CLIを活用する完全ガイド

はじめに

Windows Subsystem for Linux（WSL）の普及により、Windows環境でも本格的な開発環境を構築できるようになりました。2025年にGoogleが発表したGemini CLIは、強力な生成AIをコマンドラインから直接利用できるオープンソースツールです。

本記事では、WSL環境でGemini CLIを設定し、特に企業利用で重要となるVertex AI経由での安全な利用方法について詳しく解説します。

なぜVertex AI経由での利用が重要なのか

データプライバシーの違い

Google AI（無料版）の場合： - 入力したプロンプトがGoogleのモデル品質向上のために利用される可能性 - 機密情報や企業コードの入力はリスクあり

Vertex AI経由の場合： - 入力データがモデルの学習に使われることは一切なし - 企業の機密情報を安全に扱える - 強固なセキュリティとガバナンス機能

WSL環境のセットアップ

1. WSL2の準備

# WSL2が有効になっていることを確認
wsl --version

# Ubuntu最新版のインストール（まだの場合）
wsl --install Ubuntu

2. 必要なツールのインストール

# パッケージリストの更新
sudo apt update && sudo apt upgrade -y

# 基本的な開発ツール
sudo apt install -y curl wget git build-essential

# Node.js 20以上のインストール
curl -fsSL https://deb.nodesource.com/setup_20.x | sudo -E bash -
sudo apt-get install -y nodejs

# バージョン確認
node --version
npm --version

3. Google Cloud CLIのセットアップ

# Google Cloud の公開鍵を追加
curl https://packages.cloud.google.com/apt/doc/apt-key.gpg | sudo gpg --dearmor -o /usr/share/keyrings/cloud.google.gpg

# リポジトリを追加
echo "deb [signed-by=/usr/share/keyrings/cloud.google.gpg] https://packages.cloud.google.com/apt cloud-sdk main" | sudo tee -a /etc/apt/sources.list.d/google-cloud-sdk.list

# Google Cloud CLI のインストール
sudo apt-get update && sudo apt-get install google-cloud-cli

# 認証
gcloud auth login
gcloud auth application-default login

# プロジェクトの設定
gcloud config set project YOUR_PROJECT_ID

Gemini CLIのインストールと基本設定

インストール

# Gemini CLI のインストール
npm install -g @google/gemini-cli

# または、npxで直接実行
npx @google/gemini-cli

基本的な使用方法

# 個人アカウントでの無料利用（開発・学習用）
gemini

# 対話例
> このプロジェクトのアーキテクチャを説明して
> @README.md このファイルの内容を要約して
> !ls -la  # シェルコマンドの実行

Vertex AI バックエンドへの切り替え

方法1: 環境変数での設定

# 一時的な設定
export GOOGLE_GENAI_USE_VERTEXAI=true
export GOOGLE_CLOUD_PROJECT="YOUR_PROJECT_ID"
export GOOGLE_CLOUD_LOCATION="us-central1"

# 恒久的な設定（~/.bashrcまたは~/.zshrcに追加）
echo 'export GOOGLE_GENAI_USE_VERTEXAI=true' >> ~/.bashrc
echo 'export GOOGLE_CLOUD_PROJECT="YOUR_PROJECT_ID"' >> ~/.bashrc
echo 'export GOOGLE_CLOUD_LOCATION="us-central1"' >> ~/.bashrc
source ~/.bashrc

方法2: .envファイルでの設定（推奨）

プロジェクトルートに.envファイルを作成：

# .env ファイルの作成
cat > .env << EOF
GOOGLE_GENAI_USE_VERTEXAI=true
GOOGLE_CLOUD_PROJECT="YOUR_PROJECT_ID"
GOOGLE_CLOUD_LOCATION="us-central1"
GEMINI_MODEL="gemini-2.5-flash"
EOF

# .gitignoreに追加（機密情報保護）
echo ".env" >> .gitignore

IAM権限の設定

# 必要な権限を付与
gcloud projects add-iam-policy-binding YOUR_PROJECT_ID \
  --member="user:your-email@example.com" \
  --role="roles/aiplatform.user"

# Vertex AI APIの有効化
gcloud services enable aiplatform.googleapis.com

高度なカスタマイズ

settings.jsonによる詳細設定

ワークスペース固有の設定（.gemini/settings.json）：

{
  "contextFileName": "GEMINI.md",
  "model": "gemini-2.5-flash",
  "maxTokens": 4096,
  "temperature": 0.7,
  "mcpServers": {
    "custom-tools": {
      "command": "node custom-tools-server.js",
      "port": 8080,
      "enabled": true
    }
  }
}

カスタムコンテキストファイルの設定

# GEMINI.md ファイルの作成例
cat > GEMINI.md << EOF
# プロジェクト概要
このプロジェクトは...

## コーディング規約
- TypeScriptを使用
- ESLintとPrettierで品質管理
- テストカバレッジ80%以上

## 重要な注意事項
- セキュリティを最優先
- パフォーマンスを考慮した実装
EOF

実践的な使用例

1. コードレビューとリファクタリング

# プロジェクトディレクトリで
gemini

> @src/components/UserProfile.tsx このコンポーネントのセキュリティ上の問題を確認して
> @tests/ テストカバレッジが足りない部分を特定して
> @package.json 依存関係の脆弱性をチェックして

2. ドキュメント生成

> @src/ この機能のAPIドキュメントを生成して
> @CHANGELOG.md 最新のコミットログからリリースノートを作成して
> @docs/ ユーザーガイドを更新して

3. 開発ワークフローの自動化

> !git status
> 変更内容を確認して、適切なコミットメッセージを提案して
> !npm test
> テスト結果を分析して、改善点を教えて

モデル選択とパフォーマンス最適化

モデルの使い分け

# 高速な応答が必要な場合
gemini -m gemini-2.5-flash "簡単な質問"

# 複雑な分析が必要な場合
gemini -m gemini-2.5-pro "@large-codebase/ 全体のアーキテクチャを分析して"

# 恒久的なデフォルトモデル設定
echo 'GEMINI_MODEL="gemini-2.5-flash"' >> .env

パフォーマンス設定

{
  "maxTokens": 8192,
  "temperature": 0.3,
  "topP": 0.95,
  "maxOutputTokens": 2048,
  "candidateCount": 1
}

セキュリティとベストプラクティス

データ保護

1. 機密情報の除外

# .gptignore ファイルで機密ファイルを除外
cat > .gptignore << EOF
.env
*.key
*.pem
config/secrets.json
.aws/credentials
EOF

1. VPC Service Controls（企業向け）

# VPC-SC境界内でのVertex AI利用設定
gcloud access-context-manager perimeters create secure-ai-perimeter \
  --title="Secure AI Development" \
  --resources=projects/YOUR_PROJECT_ID \
  --restricted-services=aiplatform.googleapis.com

監査とログ

# Cloud Audit Logsの有効化
gcloud logging sinks create gemini-audit-logs \
  storage.googleapis.com/YOUR_AUDIT_BUCKET \
  --log-filter='protoPayload.serviceName="aiplatform.googleapis.com"'

トラブルシューティング

よくある問題と解決方法

1. 認証エラー

# 認証情報のリフレッシュ
gcloud auth application-default login --force

# プロジェクト設定の確認
gcloud config get-value project

2. WSL特有の問題

# Windows側からWSL内のファイルにアクセスする場合
cd /mnt/c/Users/YourName/Projects

# WSL内でのファイルパーミッション問題
sudo chown -R $USER:$USER ~/.npm

3. Node.js関連の問題

# NPMキャッシュのクリア
npm cache clean --force

# Node.jsバージョンの確認と更新
nvm install --lts
nvm use --lts

4. Vertex AI接続問題

# APIの有効化確認
gcloud services list --enabled | grep aiplatform

# 権限の確認
gcloud projects get-iam-policy YOUR_PROJECT_ID \
  --flatten="bindings[].members" \
  --filter="bindings.members:user:your-email@example.com"

企業での運用パターン

チーム開発での設定標準化

1. プロジェクトテンプレート

# プロジェクト初期化スクリプト
#!/bin/bash
mkdir -p .gemini
cp ../templates/settings.json .gemini/
cp ../templates/.env.template .env
cp ../templates/GEMINI.md .

2. CI/CDパイプラインとの統合

# .github/workflows/ai-code-review.yml
name: AI Code Review
on: [pull_request]
jobs:
  ai-review:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - name: Setup Gemini CLI
        run: npm install -g @google/gemini-cli
      - name: AI Code Review
        run: |
          export GOOGLE_GENAI_USE_VERTEXAI=true
          gemini "このPRの変更を確認してセキュリティ上の問題がないかチェックして"

コスト管理

# 利用状況の監視
gcloud ai operations list --filter="metadata.@type:type.googleapis.com/google.cloud.aiplatform.v1.GenericOperationMetadata"

# 予算アラートの設定
gcloud billing budgets create \
  --billing-account=YOUR_BILLING_ACCOUNT \
  --display-name="Vertex AI Budget" \
  --budget-amount=100USD

まとめ

WSL環境でのVertex AI Gemini CLI活用により、以下の利点を得ることができます：

開発効率の向上 - コマンドラインからの直接的なAI活用 - ローカルファイルとの seamless な連携 - 既存のワークフローへの自然な統合

企業レベルのセキュリティ - データプライバシーの完全な保護 - 詳細な権限管理とガバナンス - 監査ログとコンプライアンス対応

柔軟性と拡張性 - オープンソースによる自由なカスタマイズ - MCPサーバーとの連携による機能拡張 - 様々なモデルの選択と最適化

Gemini CLIとVertex AIの組み合わせは、個人の学習から企業の本格的なAI活用まで、幅広いニーズに対応できる強力なソリューションです。WSL環境であれば、WindowsユーザーでもLinuxベースの豊富な開発ツールと合わせて活用できるため、より効率的な開発体験を実現できるでしょう。

参考リンク - Gemini CLI GitHub リポジトリ - Vertex AI ドキュメント - Google Cloud CLI インストールガイド - WSL2 セットアップガイド