「AIを使えば生産性が上がる」とはよく聞く話だ。でも、実際にチーム全体で底上げしようとすると、どこから手をつければいいのか迷う。個人が使いこなしても、チームとしての恩恵は限定的だったりする。
2026年4月、Google Cloud Nextで公開されたセッション「10x productivity with the Gemini CLI」（スピーカー：Dmitry LyalinとTaylor Mullen）は、まさにそこに切り込んだ内容だった。Gemini CLIをチーム単位で運用し、ソフトウェア開発ライフサイクル全体をスピードアップする方法が43分にわたって解説されている。
この記事では、そのセッションで語られたエッセンスを軸に、最新のドキュメントや実際の開発者コミュニティの声も合わせて、「Gemini CLIをチームでどう活かすか」をできる限り具体的にまとめた。
- そもそもGemini CLIって何？ターミナルに住むAIエージェント
- Agent Skillsで「チームの暗黙知」をAIに覚えさせる
- サブエージェントでチームの「役割分担」をAIでも実現
- SDLC全フェーズをGemini CLIでどう変えるか
- 他のAIコーディングツールとの正直な比較
- 実際に使ってわかった注意点・デメリット
- チームへの導入ロードマップ
- まとめ
そもそもGemini CLIって何？ターミナルに住むAIエージェント
Gemini CLIは、Googleが提供するオープンソースのAIエージェントだ。ざっくり言うと「ターミナル（コマンドライン）から直接Geminiに話しかけながら、ファイルを読んだり、コードを書いたり、コマンドを実行したりできるツール」だと思えばいい。
ブラウザを開いてAIと会話するのとは違う。プロジェクトのディレクトリの中にいるまま、自然言語で指示を出して、AIが実際にコードを変更したりビルドを実行したりしてくれる。
インストールは驚くほど簡単
npx @google/gemini-cli
これだけ。Googleアカウントでログインすれば、個人アカウントなら1日あたり1,000リクエストまで無料で使える。チームでの本格利用はGemini Code Assistライセンスか、APIキーを使う構成になる。
1Mトークンのコンテキストウィンドウが意味すること
1Mトークンというのは、概算で日本語テキスト約150万字分に相当する。大規模なコードベースでも丸ごと読み込んで文脈を理解した上でアドバイスできる、ということだ。「ファイルAとファイルBの関係を考慮してリファクタリングして」という指示が、実際に意味を成す。
Agent Skillsで「チームの暗黙知」をAIに覚えさせる
Google Cloud NextのセッションでDmitry Lyalinが強調したのが、Agent Skillsという仕組みだ。
これが面白い。Skillsとは簡単に言うと「AIに覚えさせておきたいチームのルールや手順書」を、Markdownファイルとしてリポジトリに置いておく仕組みだ。セッションが始まるたびにゼロから説明し直す手間がなくなる。
Skillsの具体的な例
たとえばこんなファイルを .gemini/skills/pr-review/SKILL.md として保存しておく。
--- name: pr-reviewer description: Pull Requestのコードレビューを行う専門エージェント。セキュリティ、パフォーマンス、コーディング規約の観点でレビューする。 --- ## レビューの手順 1. 変更されたファイルをすべて確認する 2. セキュリティの脆弱性がないかチェックする 3. チームのコーディング規約（ESLint設定を参照）に沿っているか確認する 4. パフォーマンス上の懸念点を指摘する
チームでリポジトリを共有すれば、誰がGemini CLIを起動しても同じレビュー基準でPRを確認できるようになる。個人の経験差やレビューの抜け漏れを均一化できるわけだ。
スキルのスコープ
スキルの保存場所は2種類ある。
.gemini/skills/（プロジェクト配下）→ リポジトリに含まれ、チーム全員が使える~/.gemini/skills/（ホームディレクトリ）→ 個人の設定として自分だけが使う
チーム標準化には前者。個人の好みは後者、という使い分けが基本だ。
サブエージェントでチームの「役割分担」をAIでも実現
Google Cloud Next直後の2026年4月、Subagents（サブエージェント）機能が正式にリリースされた。これがチーム生産性10倍の核心と言っていい機能だ。
コンテキスト汚染の問題とその解決策
AIツールを使い込むうちに必ず直面する問題がある。「コンテキスト汚染」だ。長いセッションを続けると、最初の方の会話内容がAIの判断に影響を与えて、的外れな提案が増えてくる。
サブエージェントはこれを解決する。メインセッションはあくまで司令塔として高レベルな判断を担い、個別のタスクは専門エージェントに委譲する。各サブエージェントはそれぞれ独立したコンテキストウィンドウを持ち、実行結果のサマリーだけをメインに返す。
並列実行で時間を劇的に短縮
複数のサブエージェントを同時に動かすことができる。たとえば5つのコンポーネントを並列リファクタリングしたり、複数トピックの調査を同時に走らせたり。
Gemini CLIへの指示： 「frontend-specialistを各パッケージで並列実行して」
ただし、複数エージェントが同一ファイルを同時編集するとコンフリクトが起きる可能性があるため、コード変更が絡む場合は注意が必要だ。リクエストも並列で消費されるため、無料枠での使用には限度がある。
ビルトインのサブエージェント
最初から使えるサブエージェントが3つ用意されている。
| サブエージェント | 得意なこと |
|---|---|
generalist |
多ステップの汎用タスク、バッチリファクタリング |
cli_help |
Gemini CLI自体の使い方に関する質問 |
codebase_investigator |
コードベースの構造解析、バグの根本原因調査 |
codebase_investigatorは地味に使える。「この認証まわりのアーキテクチャどうなってる？」と聞けば、プロジェクト全体を読み込んで依存関係を地図のように整理して返してくれる。
カスタムサブエージェントの作り方
.gemini/agents/frontend-specialist.md のようなファイルを置くだけでいい。
--- name: frontend-specialist description: React、TypeScript、Tailwindを使ったフロントエンド実装の専門家。パフォーマンスとアクセシビリティを重視する。 model: gemini-3-flash-preview temperature: 0.3 tools: - write_file - read_file --- あなたはフロントエンドの専門家です。コンポーネントの設計においてはコンポーネントの責任を明確に分離し、...
このファイルをリポジトリにコミットすれば、チーム全員が同じ専門エージェントを呼び出せる。
SDLC全フェーズをGemini CLIでどう変えるか
SDLCとはSoftware Development Life Cycle、つまりソフトウェア開発の要件定義から運用までの一連のプロセスのことだ。Taylor Mullenがセッションで強調したのは、「CLIはコーディングだけのツールではない」という点だ。
要件・設計フェーズ
> このユーザーストーリーをもとにシステム設計のドラフトを作って。 コンポーネント間の依存関係と、検討すべきトレードオフも含めて。
Gemini CLIはウェブ検索も内蔵している（Googleサーチグラウンディング）ため、「最新のベストプラクティスを参照しながら」という指示も意味を成す。
コーディングフェーズ
GEMINI.md（コンテキストファイル）にプロジェクトの概要やコーディング規約を書いておくと、セッションを開始した瞬間からAIがプロジェクトの前提を理解した状態でスタートできる。
# GEMINI.md ## プロジェクト概要 このリポジトリはECサイトのバックエンドAPI。Node.js + TypeScript + PostgreSQL。 ## コーディング規約 - 関数は100行以内 - エラーハンドリングは必ずtry-catchで - テストはVitest、カバレッジ80%以上を維持 ## やってはいけないこと - console.logをそのままコミットしない - 環境変数をハードコードしない
このファイルさえあれば、「プロジェクトについて1から説明する」手間が消える。
テスト・レビューフェーズ
> この変更差分を見て、セキュリティとパフォーマンスの観点でレビューして。 既存のテストカバレッジも確認して、追加すべきテストケースを提案して。
前述のpr-reviewerスキルを使えば、全員が同じ観点でレビューを受けられる。シニアエンジニアの知見をスキルとして形式知化するイメージだ。
デプロイ・運用フェーズ
ヘッドレスモード（対話なしでスクリプト実行できる機能）を使えばCI/CDパイプラインにGemini CLIを組み込める。
gemini -p "本番デプロイ前のチェックリストを実行して。設定ファイルの検証と依存関係のセキュリティスキャンを含めて。" \ --output-format json
GitHub ActionsのワークフローからGemini CLIを呼び出して、PRマージのたびに自動レビューを走らせることも可能だ。
他のAIコーディングツールとの正直な比較
「Gemini CLIが一番いい」と言いたいわけではない。チームの状況によって選ぶべきツールは変わる。2026年4月時点の実態をまとめた。
| 比較項目 | Gemini CLI | Claude Code | GitHub Copilot CLI |
|---|---|---|---|
| デフォルトモデル | Gemini 3 Flash | Claude Sonnet 4.6 | GPT-4o |
| 最高モデル | Gemini 3.1 Pro | Claude Opus 4.7 | GPT-4o |
| コンテキストウィンドウ | 100万トークン | 100万トークン（Sonnet 4.6以降） | 約12.8万トークン |
| 無料枠 | あり（1日1,000リクエスト） | なし | あり（GitHub Free） |
| ライセンス | Apache 2.0（オープンソース） | プロプライエタリ | プロプライエタリ |
| ウェブ検索 | あり（Googleサーチ） | なし | なし |
| マルチエージェント | サブエージェント対応 | エージェントチーム（実験的） | 非対応 |
| コード品質（SWE-bench） | 63.8% | 80.9% | ー |
| 月額費用（個人） | 無料〜（API利用時は従量） | $20〜 | $10〜 |
コード品質の点ではClaude Codeが現状リードしている。DataCampの比較では、同じタスクに対してGemini CLIはClaude Codeの約1.65倍のトークンを消費するというデータもある（432Kトークン対261Kトークン）。
一方でGemini CLIのアドバンテージは、無料枠の充実とオープンソースであることだ。チームで試験導入するにあたって予算を気にせず評価できる。Google WorkspaceやGoogle Cloudをすでに使っているチームなら、エコシステムとしての一体感もある。
GitHub Copilot CLIは「単一ファイルへのインライン補完」がメインで、アジェンティックな多ファイル操作には向いていない。既存のGitHubワークフローに統合しやすい点が強みだ。
実際に使ってわかった注意点・デメリット
良いことばかり書いてもフェアじゃないので、使用者の声やコミュニティでの指摘をまとめる。
安定性の問題
dev.toでのユーザーレビューでは、「ランダムなHTTPエラー」「トークン制限の通知がわかりにくい」「UIがもたつく」という声がある。Claude Codeと比べると、まだ成熟度の差を感じるユーザーが一定数いる。
特に並列サブエージェントは強力だが、リソースをあっという間に食う。無料枠で試している場合、気づいたら上限に当たっていた、ということが起きやすい。
コンテキストファイルの管理コスト
GEMINI.mdやスキルファイルは「書いたら終わり」ではない。プロジェクトの構造や規約が変わるたびに更新が必要だ。管理されていないGEMINI.mdは、古い情報でAIを混乱させる原因になる。最初の整備コストと継続的なメンテナンスコストを意識しておきたい。
チームへの展開には合意形成が必要
ツールの導入自体より難しいのが、チームとしての運用ルール決めだ。どのスキルをチームで共有するか、AIが自動実行していい操作の範囲をどこまでにするか、セキュリティポリシーとの整合性をどう取るかは、技術的な問題というより組織的な問題だ。
データの扱いに注意
個人アカウントで使う場合、会話データがGoogleのサービス改善に使われる可能性がある（認証設定による）。機密性の高いコードを扱う場合は、Vertex AI経由でのAPI接続や、エンタープライズ向けの契約を検討すること。
チームへの導入ロードマップ
いきなり全員に展開するよりも、段階的に進める方が定着しやすい。
ステップ1：個人で1週間試す（コスト：ゼロ）
まず自分が使い倒す。npx @google/gemini-cli でインストールし、日常の開発タスクで試してみる。「これは確かに速くなる」という実感を持てたら次のステップへ。
ステップ2：GEMINI.mdとチームスキルの整備（1〜2週間）
チームのプロジェクトにGEMINI.mdを作成する。最初はシンプルでいい。プロジェクト概要と禁止事項だけでも十分だ。並行して、よく使う作業（PRレビュー、テスト生成、ドキュメント更新）をスキルとして定義し始める。
ステップ3：サブエージェントでワークフローを自動化（1ヶ月）
使い方が安定してきたら、カスタムサブエージェントを作る。フロントエンド担当、バックエンド担当、セキュリティレビュー担当など、チームの役割構成に合わせた専門エージェントを用意する。
ステップ4：CI/CDへの統合（任意）
本番環境での自動レビューや品質チェックにGemini CLIを組み込む。ここまで来ると「AIがワークフローに溶け込んでいる」状態になる。
まとめ
正直に言うと、Gemini CLIはClaude Codeと比べてコード品質では見劣りする部分がある。ツールとしての成熟度も、まだ発展途上だ。
ただ、チームで使う観点では話が変わる。スキルとサブエージェントによるチームの知見の形式知化という発想は、他のツールにはない強みだ。GEMINI.mdやAgent Skillsを育てていくことで、「AIが徐々にチームの一員になっていく」感覚がある。
Google Cloud NextのセッションタイトルにあるU「10倍の生産性」は、個人が10倍速く仕事をすることを指しているわけではない。チーム全体として、暗黙知の共有やコンテキストの引き継ぎにかかっていたコストを削減し、開発サイクルを加速させることで、結果的に10倍のアウトプットを目指せる、という意味だ。
少なくとも、無料で試せる。まずは自分のプロジェクトでGEMINI.mdを書くところから始めてみてほしい。
