Gemini CLIでTerraformインフラ構築｜IaC自動生成・プラン分析・ドリフト検出ガイド

⚡ 3秒でわかる！この記事のポイント

Gemini CLIのマルチモーダル能力でアーキテクチャ図からTerraformコードを自動生成できる
terraform planの出力をGemini CLIに渡すだけでリスク分析・影響評価が可能
既存インフラのドリフト検出と修正コード生成をAIで自動化できる

「Terraformの構文を覚えるのが大変」「plan結果が長すぎて変更影響を見落としそう」「既存環境のコード化（import）をどう進めればいいかわからない」

結論から言えば、Gemini CLI（Google Antigravity）を活用することでTerraform HCLの生成・レビュー・保守を劇的に効率化できます。特にGeminiのマルチモーダル能力を活かした「図からコード生成」は他のAIツールにない強みです。

Gemini CLIによるTerraform IaC構築の全体像

Gemini CLI × Terraformの相性が良い理由

Gemini CLI（Google Antigravity）がTerraform開発に特に適している理由は3つあります。

特長	具体的な活用場面
マルチモーダル入力	アーキテクチャ図の画像からHCLコードを生成
200万トークンのコンテキスト	大規模なTerraformプロジェクト全体を把握
Google Cloud統合	GCPリソースのベストプラクティスを熟知

特に200万トークンのコンテキストウィンドウは、数百ファイルにわたるTerraformモジュールの全体像を把握する際に圧倒的な優位性を発揮します。

基本的なTerraformコード生成

プロバイダー設定の自動生成

gemini "AWS環境のTerraformプロバイダー設定を作成して。東京リージョン、S3バックエンド、DynamoDBステートロック付きで"

# versions.tf
terraform {
  required_version = ">= 1.7.0"

  required_providers {
    aws = {
      source  = "hashicorp/aws"
      version = "~> 5.40"
    }
  }

  backend "s3" {
    bucket         = "ses-base-terraform-state"
    key            = "production/terraform.tfstate"
    region         = "ap-northeast-1"
    encrypt        = true
    dynamodb_table = "terraform-state-lock"
  }
}

provider "aws" {
  region = var.aws_region

  default_tags {
    tags = {
      Project     = "ses-base"
      Environment = var.environment
      ManagedBy   = "terraform"
    }
  }
}

# variables.tf
variable "aws_region" {
  description = "AWSリージョン"
  type        = string
  default     = "ap-northeast-1"
}

variable "environment" {
  description = "環境名（production, staging, development）"
  type        = string
  default     = "production"

  validation {
    condition     = contains(["production", "staging", "development"], var.environment)
    error_message = "environment は production, staging, development のいずれかを指定してください。"
  }
}

variable "project_name" {
  description = "プロジェクト名"
  type        = string
  default     = "ses-base"
}

VPC + サブネット構成の一括生成

gemini "マルチAZ構成のVPCを作成して。パブリック/プライベート/データベース用の3層サブネット、NAT Gateway、フローログ付きで"

# vpc.tf
module "vpc" {
  source  = "terraform-aws-modules/vpc/aws"
  version = "~> 5.5"

  name = "${var.project_name}-${var.environment}"
  cidr = "10.0.0.0/16"

  azs             = ["${var.aws_region}a", "${var.aws_region}c", "${var.aws_region}d"]
  private_subnets  = ["10.0.1.0/24", "10.0.2.0/24", "10.0.3.0/24"]
  public_subnets   = ["10.0.101.0/24", "10.0.102.0/24", "10.0.103.0/24"]
  database_subnets = ["10.0.201.0/24", "10.0.202.0/24", "10.0.203.0/24"]

  enable_nat_gateway     = true
  single_nat_gateway     = var.environment != "production"
  one_nat_gateway_per_az = var.environment == "production"

  enable_dns_hostnames = true
  enable_dns_support   = true

  create_database_subnet_group       = true
  create_database_subnet_route_table = true

  enable_flow_log                      = true
  create_flow_log_cloudwatch_log_group = true
  create_flow_log_iam_role             = true

  tags = {
    Environment = var.environment
  }
}

アーキテクチャ図からのコード生成

Gemini CLIの最大の強みであるマルチモーダル入力を活かした使い方です。

# アーキテクチャ図の画像を入力にしてTerraformコードを生成
gemini -m "この構成図をTerraformコードに変換して。各リソースのセキュリティグループ設定も含めて" architecture-diagram.png

例えば、AWS構成図（ALB → ECS Fargate → RDS Aurora）の画像を入力すると、Gemini CLIは画像を解析して以下のようなTerraformコードを自動生成します。

# alb.tf
resource "aws_lb" "main" {
  name               = "${var.project_name}-alb"
  internal           = false
  load_balancer_type = "application"
  security_groups    = [aws_security_group.alb.id]
  subnets            = module.vpc.public_subnets

  enable_deletion_protection = var.environment == "production"

  access_logs {
    bucket  = aws_s3_bucket.alb_logs.id
    prefix  = "alb"
    enabled = true
  }
}

resource "aws_lb_target_group" "app" {
  name        = "${var.project_name}-tg"
  port        = 3000
  protocol    = "HTTP"
  vpc_id      = module.vpc.vpc_id
  target_type = "ip"

  health_check {
    enabled             = true
    healthy_threshold   = 3
    unhealthy_threshold = 3
    timeout             = 5
    interval            = 30
    path                = "/health"
    matcher             = "200"
  }

  deregistration_delay = 30
}

resource "aws_lb_listener" "https" {
  load_balancer_arn = aws_lb.main.arn
  port              = 443
  protocol          = "HTTPS"
  ssl_policy        = "ELBSecurityPolicy-TLS13-1-2-2021-06"
  certificate_arn   = aws_acm_certificate_validation.main.certificate_arn

  default_action {
    type             = "forward"
    target_group_arn = aws_lb_target_group.app.arn
  }
}

# ecs.tf
resource "aws_ecs_cluster" "main" {
  name = "${var.project_name}-cluster"

  setting {
    name  = "containerInsights"
    value = "enabled"
  }
}

resource "aws_ecs_service" "app" {
  name            = "${var.project_name}-service"
  cluster         = aws_ecs_cluster.main.id
  task_definition = aws_ecs_task_definition.app.arn
  desired_count   = var.environment == "production" ? 3 : 1
  launch_type     = "FARGATE"

  network_configuration {
    subnets          = module.vpc.private_subnets
    security_groups  = [aws_security_group.ecs.id]
    assign_public_ip = false
  }

  load_balancer {
    target_group_arn = aws_lb_target_group.app.arn
    container_name   = "app"
    container_port   = 3000
  }

  deployment_circuit_breaker {
    enable   = true
    rollback = true
  }

  deployment_maximum_percent         = 200
  deployment_minimum_healthy_percent = 100
}

resource "aws_ecs_task_definition" "app" {
  family                   = "${var.project_name}-app"
  network_mode             = "awsvpc"
  requires_compatibilities = ["FARGATE"]
  cpu                      = var.environment == "production" ? 512 : 256
  memory                   = var.environment == "production" ? 1024 : 512
  execution_role_arn       = aws_iam_role.ecs_execution.arn
  task_role_arn            = aws_iam_role.ecs_task.arn

  container_definitions = jsonencode([{
    name  = "app"
    image = "${aws_ecr_repository.app.repository_url}:latest"
    portMappings = [{
      containerPort = 3000
      protocol      = "tcp"
    }]
    environment = [
      { name = "NODE_ENV", value = var.environment },
      { name = "LOG_LEVEL", value = var.environment == "production" ? "warn" : "debug" },
    ]
    secrets = [
      { name = "DATABASE_URL", valueFrom = aws_ssm_parameter.db_url.arn },
    ]
    logConfiguration = {
      logDriver = "awslogs"
      options = {
        "awslogs-group"         = aws_cloudwatch_log_group.app.name
        "awslogs-region"        = var.aws_region
        "awslogs-stream-prefix" = "ecs"
      }
    }
    healthCheck = {
      command     = ["CMD-SHELL", "curl -f http://localhost:3000/health || exit 1"]
      interval    = 30
      timeout     = 5
      retries     = 3
      startPeriod = 60
    }
  }])
}

terraform plan分析

plan結果のAI分析

terraform planの出力は長大になりがちで、変更影響の見落としが起きやすくなります。Gemini CLIを使えば、plan結果を自動分析できます。

terraform plan -no-color 2>&1 | gemini "このterraform planの変更内容を分析して。破壊的変更、セキュリティリスク、コスト影響を特にチェックして"

Gemini CLIは以下のような観点で分析結果を返します。

破壊的変更の検出: destroyやforce replacementのリソースを警告
セキュリティリスク: セキュリティグループの0.0.0.0/0開放など危険な変更を検出
コスト影響: インスタンスタイプの変更やリソース追加によるコスト増を推定
依存関係の影響: 変更されるリソースに依存する他のリソースへの波及効果

ドリフト検出と自動修正

# stateとの差分を検出
terraform plan -detailed-exitcode -no-color 2>&1 | gemini "ドリフトが検出されました。手動変更された箇所を特定し、Terraformコードに反映するための修正案を提示して"

モジュール設計のベストプラクティス

再利用可能なモジュール構造

gemini "TerraformのモジュールをDRY原則に従って設計して。VPC・ECS・RDS・監視の4モジュール構成で"

terraform/
├── environments/
│   ├── production/
│   │   ├── main.tf
│   │   ├── variables.tf
│   │   ├── terraform.tfvars
│   │   └── backend.tf
│   ├── staging/
│   │   ├── main.tf
│   │   ├── variables.tf
│   │   ├── terraform.tfvars
│   │   └── backend.tf
│   └── development/
│       └── ...
├── modules/
│   ├── networking/
│   │   ├── main.tf
│   │   ├── variables.tf
│   │   └── outputs.tf
│   ├── compute/
│   │   ├── main.tf
│   │   ├── variables.tf
│   │   └── outputs.tf
│   ├── database/
│   │   ├── main.tf
│   │   ├── variables.tf
│   │   └── outputs.tf
│   └── monitoring/
│       ├── main.tf
│       ├── variables.tf
│       └── outputs.tf
└── global/
    ├── iam/
    ├── s3/
    └── ecr/

環境別のmain.tfでモジュールを組み合わせます。

# environments/production/main.tf
module "networking" {
  source = "../../modules/networking"

  project_name = var.project_name
  environment  = "production"
  vpc_cidr     = "10.0.0.0/16"
  azs          = ["ap-northeast-1a", "ap-northeast-1c", "ap-northeast-1d"]
}

module "database" {
  source = "../../modules/database"

  project_name     = var.project_name
  environment      = "production"
  vpc_id           = module.networking.vpc_id
  subnet_ids       = module.networking.database_subnet_ids
  instance_class   = "db.r6g.large"
  engine_version   = "15.5"
  multi_az         = true
  backup_retention = 35
}

module "compute" {
  source = "../../modules/compute"

  project_name      = var.project_name
  environment       = "production"
  vpc_id            = module.networking.vpc_id
  private_subnet_ids = module.networking.private_subnet_ids
  public_subnet_ids  = module.networking.public_subnet_ids
  database_url      = module.database.connection_string
  desired_count     = 3
  cpu               = 512
  memory            = 1024
}

module "monitoring" {
  source = "../../modules/monitoring"

  project_name   = var.project_name
  environment    = "production"
  ecs_cluster    = module.compute.cluster_name
  ecs_service    = module.compute.service_name
  alb_arn_suffix = module.compute.alb_arn_suffix
  db_instance_id = module.database.instance_id
  alarm_email    = var.alarm_email
}

CI/CDパイプラインへの統合

GitHub ActionsでのTerraform自動化

gemini "GitHub ActionsでTerraformのCI/CDパイプラインを作成して。PRでplan、mainマージでapply。plan結果をPRコメントに投稿する機能付きで"

# .github/workflows/terraform.yml
name: Terraform CI/CD

on:
  pull_request:
    paths:
      - 'terraform/**'
  push:
    branches: [main]
    paths:
      - 'terraform/**'

permissions:
  id-token: write
  contents: read
  pull-requests: write

jobs:
  plan:
    runs-on: ubuntu-latest
    if: github.event_name == 'pull_request'
    steps:
      - uses: actions/checkout@v4

      - name: Configure AWS Credentials
        uses: aws-actions/configure-aws-credentials@v4
        with:
          role-to-assume: ${{ secrets.AWS_ROLE_ARN }}
          aws-region: ap-northeast-1

      - uses: hashicorp/setup-terraform@v3
        with:
          terraform_version: "1.7.5"

      - name: Terraform Init
        working-directory: terraform/environments/production
        run: terraform init

      - name: Terraform Plan
        id: plan
        working-directory: terraform/environments/production
        run: terraform plan -no-color -out=tfplan
        continue-on-error: true

      - name: Comment PR
        uses: actions/github-script@v7
        with:
          script: |
            const output = `#### Terraform Plan 📝
            \`\`\`
            ${{ steps.plan.outputs.stdout }}
            \`\`\`
            *Pushed by: @${{ github.actor }}*`;
            github.rest.issues.createComment({
              issue_number: context.issue.number,
              owner: context.repo.owner,
              repo: context.repo.repo,
              body: output
            });

  apply:
    runs-on: ubuntu-latest
    if: github.ref == 'refs/heads/main' && github.event_name == 'push'
    environment: production
    steps:
      - uses: actions/checkout@v4

      - name: Configure AWS Credentials
        uses: aws-actions/configure-aws-credentials@v4
        with:
          role-to-assume: ${{ secrets.AWS_ROLE_ARN }}
          aws-region: ap-northeast-1

      - uses: hashicorp/setup-terraform@v3
        with:
          terraform_version: "1.7.5"

      - name: Terraform Init
        working-directory: terraform/environments/production
        run: terraform init

      - name: Terraform Apply
        working-directory: terraform/environments/production
        run: terraform apply -auto-approve

SES案件でのTerraformスキル需要

IaC（Infrastructure as Code）スキルは、クラウドインフラ案件で最も需要が高いスキルの一つです。

スキルレベル	要求される技術	想定月額単価
初級	基本的なリソース定義、plan/apply	55〜65万円
中級	モジュール設計、CI/CD統合、マルチ環境	65〜85万円
上級	カスタムプロバイダー、大規模移行、ポリシー	85〜110万円

まとめ：Gemini CLIでTerraformインフラ構築を加速しよう

Gemini CLI（Google Antigravity）は、Terraformのインフラ構築を劇的に効率化するパートナーです。マルチモーダル入力によるアーキテクチャ図からのコード生成、200万トークンのコンテキストを活かした大規模プロジェクト分析、plan結果の自動リスク評価など、Terraformのワークフロー全体をAIでサポートします。

SESエンジニアとして、IaCスキルはクラウドインフラ案件の必須要件です。Gemini CLIを活用して効率的にTerraformの実践力を高めていきましょう。

Gemini CLIの基本はGemini CLI完全ガイドを、インフラ自動化はIaCガイドをご覧ください。クラウドデプロイはクラウドデプロイガイド、セキュリティはエンタープライズセキュリティが参考になります。