https://about.gitlab.com/blog GitLab 2026-01-27T19:23:46.865Z https://github.com/jpmonette/feed The GitLab Team GitLab Blog RSS feed https://about.gitlab.com/favicon.ico All rights reserved 2026 <![CDATA[GitLab 18.8リリース]]> https://about.gitlab.com/ja-jp/blog/gitlab-18-08-release/ 2026-01-15T00:00:00.000Z 本ブログは、GitLab 18.8 Releaseの抄訳です。内容に相違がある場合は、原文が優先されます。

GitLab Duo Agent Platformの一般提供開始を含むGitLab 18.8をリリース

このたび、GitLab 18.8をリリースしました。今回のリリースでは、GitLab Duo Agent Platformの一般提供開始、GitLab Duoプランナーエージェント、GitLab Duoセキュリティ分析エージェント、無関係な脆弱性の自動却下機能など、さまざまな機能が追加されました。

これらの機能は、今回のリリースに含まれる10項目以上の改善点のほんの一部です。この記事では、お役に立つアップデートをすべてご紹介していますので、ぜひ最後までお読みください。

GitLab 18.8には、GitLabコミュニティのユーザーから169件ものコントリビュートがありました。ありがとうございました！GitLabは誰もがコントリビュートできるプラットフォームであり、今回のリリースはユーザーのみなさまの協力なしには実現しませんでした。

来月のリリースで予定されている内容を先取りするには、What’s newページをご覧ください。

GitLab 18.8では、GitLab Duo Agent Platformが一般提供開始となりました

クリックしてSNSで共有しましょう！

今月の注目コントリビューターはWesley Yardeさんです

今月の注目コントリビューターは、組織がエンタープライズユーザーのSSHキーを無効化できる基盤的な新機能を構築したWesley Yardeさんです。

Wesleyさんのコントリビュートが特に優れている理由は以下の通りです。

  • セキュリティとコンプライアンス: この機能により、組織はSSHキーの要件を強制し、エンタープライズ全体のセキュリティを強化できるようになります。
  • 基盤作業: 既存の実装を参考にできない中、Wesleyさんは要件とアーキテクチャをゼロから定義するため、GitLabチームと密接に協力する必要がありました。
  • 初めてのコントリビュート: 驚くべきことに、これがWesleyさんにとってGitLabへの初めてのコントリビュートでした。複雑なコードベースを理解し、難易度の高い機能開発に取り組む卓越した能力を発揮されています。
  • 将来の開発へのコントリビュート: この作業により、インスタンスレベルのSSHキー無効化やサービスアカウント制御など、今後の同様の機能開発の基盤が確立されました。

実装は複数のマージリクエスト（!205020、!210482）にまたがり、徹底的なレビューが行われました。その複雑さにもかかわらず、Wesleyさんはプロセス全体を通じて優れた協力姿勢と忍耐強さを示しました。

Wesleyさんをこの表彰に推薦したBogdan Denkovychは次のように述べています。

「この機能リクエストでWesleyさんと協力できたことは素晴らしい経験でした！コントリビューターとレビュアーの双方がレビュープロセスに圧倒されたと感じることもあったかもしれませんが、お互いに理解を示し合い、実装を堅実かつ完全なものにするために素晴らしい協力関係を築くことができました。」 

Wesleyさん、おめでとうございます。そして、GitLabへの貴重なコントリビュートをありがとうございました！

GitLab 18.8でリリースされた主な改善点

GitLab Duo Agent Platformの一般提供開始

GitLab.com: Premium、Ultimate
Self-Managed: Premium、Ultimate
GitLab Dedicated: Ultimate

GitLab Duo Agent Platformの一般提供が開始されました。ソフトウェア開発ライフサイクル全体にわたるエージェント型AIオーケストレーションを実現します。Agent Platformは、個々のタスクを単独で高速化するAIツールとは異なり、ソフトウェアの計画から構築、セキュリティ確保、リリースまで、AIエージェントを連携させます。これにより、個人の作業効率化と、協調的で複数段階にわたる実際のソフトウェアデリバリーとのギャップを解消します。

プラットフォームには、組織全体でエージェントとフローを検索、管理、共有できる統合AIカタログが用意されています。Planner（プランナー）、Security Analyst（セキュリティ分析）、Data Analyst（データ分析）といったビルトインの基本エージェントが、重要な意思決定ポイントで構造化された作業を処理します。また、カスタマイズ可能なフローにより、イシューからマージリクエスト、CI/CD移行、パイプラインのトラブルシューティング、コードレビューまで、開発ワークフロー内の複数ステップのエージェントとタスクを自動化できます。

ガバナンスコントロール、使用状況の可視性、オフライン環境向けのセルフホストモデルなど柔軟なデプロイオプションにより、組織は必要な透明性とコントロールを維持しながら、AIを大規模に展開できます。

GitLab PremiumおよびUltimateのユーザーは、プロモーション用GitLabクレジットを利用して、GitLab.comおよびGitLab Self-ManagedインスタンスでAgent Platformを今すぐご利用いただけます。

ドキュメント
イシュー

GitLab Duoプランナーエージェントの一般提供開始

GitLab.com: Premium、Ultimate
Self-Managed: Premium、Ultimate
GitLab Dedicated: Ultimate

プランナーエージェントの一般提供が開始されました！プランナーエージェントは、GitLab上でプロダクトマネージャーを直接支援するために開発された基本エージェントです。

プランナーエージェントを使えば、GitLabの作業アイテムを作成、編集、分析できます。更新の追跡、作業の優先順位付け、計画データの要約を手動で行う必要はありません。プランナーエージェントがバックログの分析、RICEやMoSCoWなどのフレームワークの適用、本当に注意すべき項目の抽出をサポートしてくれます。計画ワークフローを理解し、より良い意思決定を効率的に行えるよう協力してくれる、頼れるチームメイトのような存在です。

フィードバックはイシュー583008までお寄せください。

ドキュメント
イシュー

GitLab Duoセキュリティ分析エージェントの一般提供開始

GitLab.com: Ultimate
Self-Managed: Ultimate
GitLab Dedicated: Ultimate

GitLab 18.5でベータ版として導入されたGitLab Duoセキュリティ分析エージェントが、GitLab 18.8で一般提供となりました。

セキュリティ分析エージェントを使用すると、エンジニアはGitLab Duo Agentic Chat内で自然言語コマンドを通じて脆弱性を管理できます。脆弱性ダッシュボードを手動で操作したり、一括操作用のカスタムスクリプトを作成する必要はありません。セキュリティチームは、Chat上での会話を通じて、脆弱性のトリアージ、評価、対応ガイダンスの提供が行えます。

セキュリティ分析エージェントは、基本エージェントとしてGitLab Duo Agentic Chatでデフォルトで利用でき、手動セットアップは不要です。

ドキュメント
エピック

security_analyst_agent

脆弱性管理ポリシーによる無関係な脆弱性の自動却下

GitLab.com: Ultimate
Self-Managed: Ultimate
GitLab Dedicated: Ultimate

脆弱性管理ポリシーを使用することで、組織に該当しない脆弱性を自動的に却下できるようになりました。組織に関連性のない脆弱性を却下することで、ノイズを減らし、デベロッパーが実際にリスクとなる脆弱性に集中できる環境を整えます。

次の条件に基づいて脆弱性を自動却下するポリシーを作成できます：

  • ファイルパス
  • ディレクトリ
  • 識別子（CVE、CWE、OWASP）

自動却下された脆弱性は、マージリクエストのセキュリティウィジェットに「Auto-dismissed」（自動却下済み）ラベル付きで表示され、監査用として却下理由とともに脆弱性レポートのアクティビティーに記録されます。

ドキュメント
エピック

auto-dismiss

GitLab 18.8のその他の改善点

GitLab Runner 18.8

GitLab.com: Free、Premium、Ultimate
Self-Managed: Free、Premium、Ultimate
GitLab Dedicated: Ultimate

本日、GitLab Runner 18.8もリリースします。GitLab Runnerは、CI/CDジョブを実行し、その結果をGitLabインスタンスに送信する高度にスケーラブルなビルドエージェントです。GitLab Runnerは、GitLabに含まれるオープンソースの継続的インテグレーションサービスであるGitLab CI/CDと連携して動作します。

新機能：

バグ修正：

すべての変更のリストは、GitLab RunnerのCHANGELOGをご覧ください。

ドキュメント
イシューボード

複数コンテナスキャン

GitLab.com: Ultimate
Self-Managed: Ultimate
GitLab Dedicated: Ultimate

GitLab 18.8では、複数コンテナスキャンをベータ版としてリリースしました。

ユーザーは、複数のコンテナスキャンジョブの一部としてスキャンするイメージの配列を渡せるようになりました。

ドキュメント
エピック

グループオーナーがエンタープライズユーザーのSSHキーを無効化可能に

GitLab.com: Premium、Ultimate

グループオーナーは、グループ内のすべてのエンタープライズユーザーに対してSSHキーを無効化できるようになりました。無効化されると、ユーザーは新しいSSHキーを追加できなくなり、既存のキーも無効化されます。これは、オーナーロールを持つユーザーを含む、グループ内のすべてのエンタープライズユーザーに適用されます。

この機能の開発にご協力いただいたWesley Yardeさんに感謝します。

ドキュメント
イシュー

GitLab Duo機能のグループアクセス制御

GitLab.com: Premium、Ultimate
Self-Managed: Premium、Ultimate
GitLab Dedicated: Ultimate

GitLab Duo機能を使用できるユーザーを制御するグループアクセスルールを定義できるようになりました。組織全体への即時アクセスから段階的なロールアウトまで、柔軟な導入戦略が可能になります。

この機能により、きめ細かなガバナンス制御が可能になり、セキュリティとコンプライアンスを維持しながら、自社のペースで導入を拡大できます。

ドキュメント
イシュー

group_based_access_control_for_gitlab_duo_features

C/C++サポートの高度なSASTが一般提供に

GitLab.com: Ultimate
Self-Managed: Ultimate
GitLab Dedicated: Ultimate

GitLab高度なSASTにおけるC/C++のクロスファイル、クロスファンクションスキャンサポートが一般提供開始となりました。

ドキュメント
エピック

グループオーナー向けの一元化された認証情報管理API

GitLab.com: Premium、Ultimate

認証情報インベントリAPIがGitLab.comのEnterpriseユーザーで利用可能になりました。これにより、以前はセルフホスト型インスタンスでのみ利用可能だった認証情報管理機能が追加され、組織が認証トークンとキーをより適切に管理および保護できるようになります。

認証情報インベントリAPIは、以下を含む組織全体の認証情報をプログラムで表示するアクセスを提供します：

  • パーソナルアクセストークン（PAT）
  • グループアクセストークン（GrAT）
  • プロジェクトアクセストークン（PrAT）
  • SSHキー
  • GPGキー

このAPIは既存の認証情報インベントリUIを補完し、エンタープライズ管理者が以前は手動で介入する必要があった認証情報管理タスクを自動化できるようにします。認証情報インベントリAPIを使用すると、次のことが可能になります：

  • セキュリティワークフローの自動化：認証情報の監視、監査、取り消しを行う自動プロセスの構築
  • 認証情報ポリシーの適用：未使用または期限切れのトークンの特定と取り消し
  • セキュリティ態勢の改善：定期的な監査を通じて認証情報の誤用リスクを低減
  • 業務の効率化：認証情報管理を既存のセキュリティツールやワークフローに統合

ドキュメント
エピック

GitLab Duo Self-Hosted（オフラインライセンス）向けGitLab Duo Agent Platformの一般提供開始

Self-Managed: Premium、Ultimate
アドオン: GitLab Duo Enterprise

GitLab Duo Agent PlatformがDuo Self-Hosted向けに一般提供開始となりました。この機能は、オフラインライセンスを持つGitLab Self-Managed顧客が利用可能で、シート単位の価格設定を使用します。

Self-Managed管理者は、GitLab Duo Agent Platformで使用する互換性のあるモデルを設定できます。AWS BedrockまたはAzure OpenAIを使用する管理者は、Anthropic ClaudeまたはOpenAI GPTモデルも設定できます。

GitLab Duo Agent Platformのオン/オフ切り替え

GitLab.com: Premium、Ultimate
Self-Managed: Premium、Ultimate
GitLab Dedicated: Ultimate

トップレベルグループまたはインスタンス全体に対して、GitLab Duo Agent Platform（GitLab Duo Chat（エージェント）、エージェント、フローを含む）のオン/オフを切り替えられるようになりました。この設定がオフになっている場合、これらの機能は利用できません。

ドキュメント
イシュー

duo_agent_platform_switch

削除された機能と破壊的な変更

削除されたすべての機能の一覧は、GitLabドキュメントで確認できます。今後の破壊的な変更について通知を受け取るには、破壊的な変更のRSSフィードにサブスクライブしてください。

変更履歴

変更内容をすべて表示するには、次のページから変更履歴を確認してください。

インストール

GitLabを新規にインストールする場合は、GitLabのダウンロードページをご覧ください。

更新事項

更新ページをご覧ください。

ご不明な点がある場合

ご質問やご意見をお聞かせください。本リリースについてご不明な点がある場合は、GitLabフォーラムにアクセスして質問を投稿してください。

GitLabサブスクリプションプラン

  • Free ユーザー向けの永久無料機能を提供
  • Premium チームの生産性と調整を強化
  • Ultimate 組織全体のセキュリティ、コンプライアンス、プランニングに対応 GitLabのすべての機能を無料でお試しいただけます。

--------------------

監修：ソリス ジェレズ / Jerez Solis @jerezs （GitLab合同会社 ソリューションアーキテクト本部 ソリューションアーキテクト）

過去の日本語リリース情報

]]> GitLab Japan Team https://about.gitlab.com/blog/authors/gitlab-japan team 2026-01-15T00:00:00.000Z <![CDATA[GitLab Duo Agent Platformの正式版リリースを発表]]> https://about.gitlab.com/ja-jp/blog/gitlab-duo-agent-platform-is-generally-available/ 2026-01-15T00:00:00.000Z GitLab Duo Agent Platformの正式版リリースを発表できることを大変うれしく思います。これはGitLab、お客様、そして業界全体にとって重要な節目です。ソフトウェア開発ライフサイクル全体にエージェント型AIを導入するというビジョンを実現する最初の一歩となります。

AIツールは、デベロッパーがコードを書く能力を急速に向上させており、場合によっては生産性が10倍向上したという報告もあります。しかし残念ながら、デベロッパーの時間のうちコードを書くことに費やされるのは約20%に過ぎないため、AIによって得られるイノベーション速度と提供の全体的な向上は段階的なものにとどまります。これはソフトウェア提供におけるAIパラドックスとしてよく知られています。

さらに、多くのチームでは、コード作成の速度が上がったことで、コードレビュー、セキュリティ脆弱性、コンプライアンスチェック、下流のバグ修正など、新たなボトルネックが生じています。

GitLab Duo Agent Platformは、ソフトウェアライフサイクル全体でインテリジェントなオーケストレーションとエージェント型AI自動化を実現することで、AIパラドックスに対処します。

詳しくは以下の動画をご覧いただき、さらに詳細は下記をお読みください。

💡 2月10日のGitLab Transcendにご参加いただき、エージェント型AIがソフトウェア提供をどのように変革するかをご覧ください。お客様の事例を聞き、独自のモダナイゼーションの取り組みを開始する方法をご確認ください。今すぐ登録

また、GitLab PremiumおよびUltimateサブスクリプションをご利用中のお客様に、追加費用なしでユーザーあたりそれぞれ12ドルおよび24ドルのGitLabクレジットを付与いたします。*これらのクレジットは毎月更新され、GitLab Duo Agent Platformのすべての機能をご利用いただけます。

GitLabクレジットの仕組みを簡単に説明します。GitLabクレジットは、GitLabの使用量ベースの製品に使用される仮想通貨です。GitLab Duo Agent Platformの使用量は、上記の含まれるクレジットから消費されます。その後、組織全体で共有クレジットプールへのコミットメントを決定するか、オンデマンドで月単位でお支払いいただくことができます。詳細については、GitLabクレジットの紹介記事をご覧ください。

GitLab Duo ProまたはDuo Enterpriseサブスクリプションをご利用のお客様は、引き続きこれらの製品をご利用いただくか、いつでもDuo Agent Platformに移行していただけます。Duo Enterpriseの契約残高は、いつでもGitLabクレジットに変換できます。詳細については、GitLab担当者にお問い合わせください。

本日からお試しいただける機能とユースケースをご紹介します。

人間とエージェントが協働するための統合エクスペリエンス

GitLab Duo Agent Platformは、人間とAIエージェントがGitLab内でシームレスに統合できるように設計された、統一されたユーザーエクスペリエンスを提供します。デベロッパーとそのチームは、ほぼすべてのページでDuo Agentic Chatを利用し、コンテキストに応じた質問をしたり、非同期エージェントセッションをフォローしたり、イシュー、マージリクエスト、パイプラインアクティビティなどの使い慣れたワークフロー内でエージェントとやり取りしたりできます。これにより、AIのアクションが透明になり、日常業務を通じて簡単にガイドできるようになります。

Agentic Chat:インテリジェントでコンテキスト認識型のアシスタンス

Gitlab Duo Agentic Chatは、GitLab Web UIおよびIDEで真のマルチステップ推論を実現し、イシュー、マージリクエスト、パイプライン、セキュリティ調査結果などからのライフサイクル全体のコンテキストを活用します。以前リリースされたDuo Chatをベースに、Agentic Chatはユーザーに代わって自律的にアクションを実行し、複雑な質問により包括的に答えることができます。ソフトウェアチームの各メンバーに、オンボーディング、コード品質、提供速度の向上に役立つ、正確でコンテキスト認識型のガイダンスを提供します。

GitLab Duo Agentic Chatは、デベロッパーとAIの協働を可能にする数多くのユースケースをサポートしています。開始方法の詳細については、「GitLab Duo Agent Platform完全ガイド」をご覧いただき、こちらの拡張中の推奨プロンプト集もご確認ください。

  • 分析 Web UIでは、Agentic Chatはイシュー、エピック、マージリクエストを作成し、要約を提供し、重要な発見を強調し、特定のプロジェクト、イシュー、エピック、マージリクエストなどからのリアルタイムコンテキストに基づいた実用的なガイダンスを提供できます。Agentic Chatは、デベロッパーがIDEまたはGitLabリポジトリ内で、馴染みのないコード、依存関係、アーキテクチャ、プロジェクト構造を理解するのに役立ちます。
  • コード Agentic Chatは、幅広い言語とフレームワークにわたって、コード、設定、Infrastructure as Codeを生成できます。バグの修正、アーキテクチャとコードのモダナイゼーション、テストの生成、より迅速なオンボーディングのためのドキュメント作成を支援します。デベロッパーの手元で、Agentic ChatはVS Code、JetBrains IDE、Cursor、Windsurfにおける協働パートナーであり、オプションのユーザーレベルおよびワークスペースレベルのルールで応答をカスタマイズできます。
  • CI/CD Agentic Chatは、既存のパイプラインをより深く理解し、設定し、トラブルシューティングしたり、新しいパイプラインをゼロから作成したりするのに役立ちます。
  • セキュリティ Agentic Chatは、脆弱性を説明し、到達可能性に基づいて問題に優先順位を付け、時間を節約できる修正を推奨します。

エージェント:オンデマンドで協働する専門家

GitLab Duo Agent Platformにより、デベロッパーは専門のエージェントにタスクを委任できます。このプラットフォームは、基本エージェント、カスタムエージェント、外部エージェントの独自の組み合わせを提供し、すべてGitLabユーザーエクスペリエンスにシームレスに統合されているため、あらゆるタスクに適したエージェントを簡単に選択できます。

**基本エージェント**は、GitLabの専門家によって事前に構築されており、ソフトウェア提供サイクルで最も複雑なタスクを処理する準備が整っています。以下の基本エージェントは、GitLab Duo Agent Platformの正式版の一部として含まれており、その他のエージェントは現在ベータ版で、近日中に提供予定です。

  • プランナーエージェントは、チームがGitLab内で直接作業を構造化、優先順位付け、分割するのを支援し、計画をより明確に、より迅速に、より実行しやすくします。
  • セキュリティ分析エージェントは、脆弱性とセキュリティシグナルをレビューし、その影響を平易な言葉で説明し、チームが最初に対処すべきことを理解するのを支援します。

カスタムエージェントは、AIカタログを使用して構築できます。AIカタログは、チームがカスタムエージェントとフローを作成、公開、管理、共有するための中央リポジトリです。チームは、エンジニアリングチームの働き方を再現し、エンジニアが使用するエンジニアリング基準とガバナンスの仕組みを使用して問題に取り組むために、特定のコンテキストと機能を持つエージェントとフローを作成できます。

外部エージェントは、GitLabにシームレスに統合されており、AnthropicのClaude CodeやOpenAIのCodex CLIなど、最高クラスのAIツールが含まれています。ユーザーは、コード生成、コードレビュー、分析などのユースケースで、透明性の高いセキュリティと組み込みLLMサブスクリプションにより、これらのツールをGitLabからネイティブにアクセスできます。

これらのアプローチにより、チームは専門エージェント、組織固有の自動化、外部AIツールの統合など、エージェント型AIをどのように採用するかについて柔軟性を得ることができます。すべて単一のガバナンスされたプラットフォーム内で実現します。

フロー:複数ステップの作業を反復可能でガイド付きの進捗へ

フローは、複数のエージェントワークフローを使用して複雑なタスクを最初から最後まで自動化します。

エンジニアリングチームは、正式版に含まれるいくつかのフローを構築しており、さらに多くのフローが提供予定です。

  • デベロッパー(Issue to MR)フローは、明確に定義されたイシューから構造化されたマージリクエストを作成し、チームがすぐに作業を開始できるようにします。
  • GitLab CI/CD変換フローは、チームが手動で書き直すことなくパイプライン設定を移行またはモダナイズするのに役立ちます。
  • CI/CDパイプライン修復フローは、障害を分析し、考えられる原因を特定し、推奨される変更を準備します。
  • コードレビューフローは、コード変更、マージリクエストコメントなどを分析し、AIネイティブの分析とフィードバックでコードレビューを効率化します。
  • ソフトウェア開発フローは、日常的な開発とレビュー段階を通じて作業をガイドします。

MCP Client:GitLab Duo Agent Platformをチームが既に使用しているツールに接続

MCPクライアントにより、IDE内のGitLab Duo Agent PlatformがJira、Slack、Confluence、その他のMCP対応ツールなどの外部システムに安全に接続し、コンテキストを取り込み、DevSecOpsツールチェーン全体でアクションを実行できるようになります。

個々のツール内でAIアシスタンスがサイロ化されるのではなく、MCPクライアントはGitLab Duo Agent Platformが、計画、協働、実行が実際に行われるシステム全体を理解し、動作することを可能にします。これにより、手動でのコンテキスト切り替えが削減され、チームが実際に作業する方法を反映した、より完全なエンドツーエンドのAI駆動ワークフローが実現します。

正式版に含まれる機能:

  • Jira、Confluence、Slack、Playwright、GrafanaなどのMCP対応外部システムへの接続
  • ワークスペースレベルおよびユーザーレベルでの設定
  • MCPの使用を有効化または制限するためのグループレベルの制御
  • ツールアクセスのユーザー承認フロー
  • IDE拡張機能でのAgentic Chat全体でのサポート

現在ベータ版のGitLab MCPサーバー機能にさらに多くの機能を追加し、今後のリリースで正式版にする予定です。

チームとワークロードに適したモデルを選択

GitLab Duo Agent Platformは、チームがプライバシー、セキュリティ、コンプライアンスのニーズに合わせてプラットフォームを調整できる柔軟なモデル選択フレームワークに基づいて構築されています。GitLabは各機能に最適なLLMをデフォルトで設定していますが、管理者はOpenAI GPT-5バリアント、Mistral、Meta Llama、Anthropic Claudeなどのサポートされているモデルから選択することもできます。これにより、チームは組織の基準に基づいて、各特定のユースケースでチャット、コーディングタスク、エージェントインタラクションに何を使用するかについて、より正確な制御と柔軟性を得ることができます。サポートされているモデルの完全なリストとモデル選択設定の詳細については、ドキュメントのモデル選択セクションをご覧ください。

ガバナンス、可視性、デプロイの柔軟性

GitLab Duo Agent Platformは、組織がAIを責任を持って採用するために必要な制御と透明性を提供すると同時に、さまざまな環境で機能する柔軟なデプロイオプションを提供します。

正式版に含まれる機能:

  • **すべてのプラットフォームで利用可能:**GitLab.com、GitLab Self-Managed、GitLab DedicatedでGitLab 18.8リリースサイクルの一部として利用できます。
  • **ガバナンスと可視性:**チームは、エージェントがどのように使用され、どのようなアクションを実行し、作業にどのように貢献しているかを確認できます。使用状況とアクティビティの詳細により、リーダーは採用状況を把握し、影響を測定し、AIが適切に使用されていることを確認できます。これらの制御により、自信を持って大規模にAIを展開しやすくなります。
  • **グループベースのアクセス制御:**管理者は、どのユーザーがGitLab Duo Agent Platform機能にアクセスできるかを管理する名前空間レベルのルールを定義でき、組織全体での即時有効化から段階的なロールアウトまで、柔軟な採用をサポートします。LDAPおよびSAML統合により、手動設定なしで大規模なガバナンスを実現できます。
  • **モデル選択とセルフホスト型オプション:**LLM選択は、GitLab.com、Self-Managed、Dedicatedのすべての正式版機能で利用できます。トップレベルの名前空間所有者がモデルを選択し、サブグループはそれらの設定を自動的に継承します。より多くの制御が必要な組織のために、プラットフォームはGitLab Self-Managedデプロイメント向けのセルフホスト型モデルをサポートしています。

GitLab Duo Agent Platformの実際の動作をご覧ください:

GitLabの最新情報を入手

最新の機能、セキュリティアップデート、パフォーマンス向上を確実に入手するために、GitLabインスタンスを最新の状態に保つことをお勧めします。以下のリソースは、アップグレードの計画と完了に役立ちます。

定期的にアップグレードすることで、チームが最新のGitLab機能を活用し、安全でサポートされた状態を維持できます。

ハンズオフアプローチをお望みの組織には、GitLabのManaged Maintenanceサービスをご検討ください。Managed Maintenanceは、チームがイノベーションに集中し続ける一方で、GitLabの専門家がSelf-Managedインスタンスの確実なアップグレード、セキュリティ確保、DevSecOpsリーダーシップの準備を維持するのを支援します。詳細については、アカウントマネージャーにお問い合わせください。

* GitLab PremiumおよびUltimateサブスクリプションをご利用中のお客様には、ユーザーあたりそれぞれ12ドルおよび24ドルの含まれるクレジットが自動的に提供され、毎月リセットされます。これらのクレジットは期間限定で提供され、変更される可能性があります(プロモーション規約を参照)。

このブログ投稿には、改正1933年証券法第27A条および1934年証券取引法第21E条の意味における「将来予想に関する記述」が含まれています。これらの記述に反映された期待は合理的であると考えていますが、実際の結果または成果が大きく異なる可能性のある既知および未知のリスク、不確実性、仮定、その他の要因の影響を受けます。これらのリスクおよびその他の要因の詳細については、SECへの提出書類の「リスク要因」の項をご参照ください。このブログ投稿の日付以降、法律で義務付けられている場合を除き、これらの記述を更新または改訂する義務は負いません。

]]> Bill Staples https://about.gitlab.com/blog/authors/bill-staples 2026-01-15T00:00:00.000Z <![CDATA[GitLab Duo Agent Platform向けの使用量ベースの価格設定、GitLabクレジットのご紹介]]> https://about.gitlab.com/ja-jp/blog/introducing-gitlab-credits/ 2026-01-15T00:00:00.000Z GitLabクレジットは、エージェント型AIにおけるシート単位の価格設定が適していないという課題から生まれました。

シート単位の価格設定では、エンジニアリングチームにAIを「利用できる人」と「利用できない人」を生み出してしまい、ソフトウェア開発ライフサイクル全体でエージェント型AIを活用するという本来のあり方と根本的に矛盾しています。現在のモデルでは、個人がAIを使い始める前に、その人のためのシートを購入する必要があります。これは、ヘビーユーザーにとっては機能しますが、軽度または不定期に使用する大多数のチームメンバーにとっては、コストが高すぎて不公平です。そのため、多くの組織では、チームの一部のメンバーだけが「AIシート」を持つことになります。

さらに、GitLab Duo Agent Platformは、Duo Pro、Duo Enterprise、その他市場に出回っているAIデベロッパーツールとは異なります。エージェントやエージェント型ワークフローは、チームがAIサポートを必要とするときに呼び出すことができ、バックグラウンドで実行されているSDLCイベントによってトリガーされます。Duo Agent Platformにより、エージェント型AIはもはやユーザーシートにのみ紐付けられるものではなくなりました。

GitLabクレジットは、GitLab Duo Agent Platformから始まる使用量ベースの価格設定のための新しい仮想通貨として、これらの課題に対応します。これにより、GitLabアカウント(PremiumまたはUltimate)を持つ組織内のすべてのメンバーが、AIシートの料金を支払うことなく、自分で呼び出す場合もバックグラウンドエージェントとして設定する場合も、エージェント型AI機能を利用できるようになります。

GitLabクレジットの仕組み

GitLabクレジットは、組織全体でプールされます。GitLab Duo Agent Platformの使用量は、GitLabクレジットから引き落とされます。これには、エージェントとエージェント型フローの同期および非同期使用の両方が含まれます。具体的には次のとおりです:

注: 外部エージェントは18.8で無料で試すことができ、GitLabクレジットを消費しません。来月の18.9リリースで価格設定を導入する予定です。カスタムフローは現在ベータ版であり、GitLabクレジットを消費しません。

引き落とされるクレジット量は、大規模言語モデルによるエージェント型リクエストの数に基づいています(詳細はこちら)。より多くのLLMが利用可能になるにつれて、GitLab Duo Agent Platformでの使用に対して認定し、このリストに追加していきます。これにより、お客様は消費方法を透明に確認できます。

GitLabクレジットの総数は、実際の使用量に基づいて月末に計算されます。このモデルでは、パワーユーザーの使用量とライトユーザーの使用量が自動的に相殺されるため、各個人のAI総コストを効果的に削減できます(各個人にシート料金を支払う場合と比較して)。

簡潔にするために、各GitLabクレジットのオンデマンド定価は1ドルです。GitLab Duo Agent Platformをコミットメントなしで使用でき、使用量は毎月(各月末に)請求されます。年間契約にサインアップするエンタープライズのお客様には、月間クレジットの数量割引を提供します。

期間限定プロモーション*として、PremiumおよびUltimateのアクティブなサブスクリプションをお持ちのすべてのGitLabのお客様には、それぞれユーザーあたり月額12ドルと24ドルの含まれるクレジットが自動的に付与されます。これらのクレジットは、プロモーション期間が終了するまで毎月更新され、追加費用なしでGitLab Duo Agent Platformのすべての機能にアクセスできます。請求条件に同意すると、含まれるクレジットを超える使用量は、コミット済みの月間クレジットまたはオンデマンドクレジットで請求されます。

GitLabクレジットによるコストガバナンス

GitLabクレジットのサイジング: アカウントチームは、GitLab Duo Agent PlatformのGA(一般提供)の一環として、毎月必要なGitLabクレジット数を見積もるサイジング計算ツールを用意しています。この計算ツールは、ベータ期間中に観察された使用パターンで構築されています。さらに、既存または新規のお客様として、実際の使用量の見積もりを確認するために無料トライアルをリクエストできます。

使用状況の可視性: 18.8リリースでは、2つの補完的なダッシュボードを通じて詳細な使用状況情報を提供します。1つは財務監視に重点を置く請求管理者向けのGitLab顧客ポータル内のダッシュボード、もう1つは運用監視に重点を置く管理者向けの製品内ダッシュボードです。どちらも使用状況の帰属、コスト内訳、履歴トレンドを提供するため、クレジットの消費状況を常に正確に把握できます。社内でクロスチャージングを行っている場合は、プロジェクトレベルおよびグループレベルのロールアップを使用してコスト配分を行うことができます。

使用制限: 特定のチームまたはプロジェクトに対してGitLab Duo Agent Platformへのアクセスを有効または無効にできるため、承認された使用のみがクレジットに計上されます。また、GA直後にユーザーレベルの制限を追加し、GitLab Duo Agent Platform機能を使用してクレジットを引き落とせるユーザーを管理できるようにする予定です。

自動使用通知: コミット済みの月間クレジットの50%、80%、100%に達したときに、電子メールアラートでGitLabクレジットの使用状況を積極的にお知らせします。これにより、使用量の調整、コミットメントの追加購入、オンデマンド請求への準備を行う時間を確保できます。

シート単位のGitLab Duo Pro/EnterpriseからDuo Agent Platform用GitLabクレジットへのアップグレード

GitLab Duo ProおよびDuo Enterpriseを購入してご利用中の場合、引き続きサポート対象のオプションとしてこれらの機能を使用できます。いつでもGitLab Duo Agent Platformにアップグレードでき、「クラシック」Duoでできることに加えて、エージェント型チャット、追加の基本エージェント、カスタムエージェントとフロー、外部エージェントなどの新機能にアクセスできます。

アップグレード時に、GitLab Duo ProおよびDuo Enterpriseのシートへの投資を、Duo Agent Platform用GitLabクレジットに繰り越します。シートコミットメントの残りのドル額は、数量ベースの割引を受けた月間GitLabクレジットと交換されます。月間GitLabクレジットは、以前にDuoシートが割り当てられていたユーザーだけでなく、許可した組織内のすべてのチームメンバーで共有できます。

競合比較:GitLabクレジット vs. シート単位の価格設定

メリットGitLabクレジットシート単位の価格設定
すべての人にAIを承認されたすべてのチームメンバーが初日からAIアクセスを取得AIを「利用できる人」と「利用できない人」を作り出し、シートの配分を強いる
初期投資不要含まれるクレジットで小規模に開始し、ROIが明確になるにつれてコミットメントを増やす価値を証明する前にシートを事前購入する必要がある
使用した分だけ支払う含まれる階層を超えて実際に実行されたAI作業のみが請求される実際の使用量に関係なくシートごとに支払う
支出の最適化共有クレジットプールにより、パワーユーザーとライトユーザーを相殺できるライトユーザーにも支払いが必要で、パワーユーザーのプレミアムリクエストには超過料金が発生
詳細な可視性詳細な帰属と履歴トレンドを含む使用状況ダッシュボードどのユーザーが価値を生み出しているかについての洞察が限定的
きめ細かなコスト制御アクセスできるユーザーを選択でき、プロアクティブなアラートと今後の予算制限で制限可能コストを管理するためにシートを取得できるユーザーを制限
サイジングの柔軟性月間クレジットを見積もる計算ツール、数量に応じた単価割引が増加シートを取得するユーザー数×シートあたりの価格
シンプルな契約と請求単一のSKUと請求書で、DevSecOpsライフサイクル全体のすべてのエージェント機能をカバーさまざまなサードパーティツールで複数のAIライセンスが必要

開始方法

  1. 既存のPremium/Ultimateのお客様の場合: GAにより、GitLab Duo Agent PlatformはアクティブなPremiumおよびUltimateライセンス**をお持ちのお客様にご利用いただけます。GitLab.com SaaSのお客様は自動的にアクセスできるようになります。GitLab Self-Managedのお客様は、GitLab 18.8リリース(Duo Agent Platformの一般提供を予定)にアップグレードするとアクセスできるようになります。GitLab Dedicatedのお客様は、2月の定期メンテナンスウィンドウ中にGitLab 18.8にアップグレードされ、その時点からDuo Agent Platformを使用できるようになります。
  2. GitLab Duoを有効化: ネームスペース設定でGitLab Duo Agent Platformが有効になっていることを確認してください。
  3. 探索を開始: 含まれる月間GitLabクレジットを使用して、GitLab Duo Agent Platform機能をお試しください。
  4. 含まれるクレジットを超える使用: 含まれるクレジットを超える拡張使用については、オンデマンド定価でGitLabクレジットにオプトインできます。コミットメント付きの数量割引については、お問い合わせいただき、特定の使用レベルのお見積もりをご依頼ください。

開始方法の詳細については、GitLab Duo Agent Platformのドキュメントをご覧ください。

注記

* これらの含まれるプロモーションクレジットは、GA時に期間限定で利用可能であり、GitLabの裁量により変更される可能性があります。

** GitLab Duo with Amazon QおよびGitLab Dedicated for Government のお客様は除きます。

GitLab Duo Agent Platformと、エージェント型AIがチームの働き方を変革するすべての方法について詳しく知りたい場合は、GitLab Duo Agent Platformページをご覧ください。既存のGitLabのお客様の場合は、GitLabアカウントマネージャーまたはパートナーに連絡して、プラットフォーム機能のライブデモをスケジュールしてください。

GitLabクレジット FAQ

1. GitLabクレジットとは何ですか。また、GitLabがこれを導入した理由は何ですか。

GitLabクレジットは、GitLab Duo Agent Platformから始まる、使用量ベースのGitLab機能向けの新しい仮想通貨です。GitLabがこのモデルを導入したのは、シート単位の価格設定により組織がエンジニアリングチーム内でAIアクセスを配分せざるを得なくなり、Duo Agent Platformの使用がシートだけに紐付けられるものではないためです。クレジットは組織全体でプールされるため、個別にシートを事前購入することなく、すべてのチームメンバーにAI機能へのアクセスを提供したり、バックグラウンドでのエージェントワークフローを設定したりできます。

2. クレジット消費の仕組みはどうなっていますか。

クレジットは、エージェントリクエストの数に基づいて消費され、使用するLLMによって異なるレートが適用されます。たとえば、Claude-sonnet-4.5(ほとんどの機能のデフォルト)では、1クレジットあたり2つのモデルリクエストが得られ、gpt-5-miniやclaude-3-haikuなどのモデルでは、1クレジットあたり20リクエストが得られます。

3. 既存のPremiumおよびUltimateのお客様には何が含まれますか。

期間限定プロモーションとして、PremiumおよびUltimateのアクティブなサブスクリプションをお持ちのお客様には、GitLab 18.8のDuo Agent Platform GAリリースと併せて、含まれるクレジットが無料で自動的に付与されます:

  • Premiumの場合、ユーザーあたり月額12ドルのクレジット
  • Ultimateの場合、ユーザーあたり月額24ドルのクレジット

含まれるクレジットはユーザーごとのレベルで、毎月更新され、追加費用なしでGitLab Duo Agent Platformのすべての機能へのアクセスを可能にします。これらの含まれるクレジットを超える使用量は、別途請求されます。これらの含まれるプロモーションクレジットは、GA後の期間限定で利用可能であり、GitLabの裁量により変更される可能性があります。

4. クレジットの使用量を制御および監視するにはどうすればよいですか。

GitLabは、複数のガバナンスツールを提供しています:顧客ポータルと製品内の両方の詳細な使用状況ダッシュボード、特定のチームまたはプロジェクトへのアクセスを有効/無効にする機能、今後のユーザーレベルの制限、およびコミット済み月間クレジットの50%、80%、100%での自動電子メールアラートです。また、月間クレジットニーズを見積もるサイジング計算ツールを提供する予定です。

5. GitLab Duo Agent Platformを開始するにはどうすればよいですか。

GA後、既存のPremium/Ultimateのお客様の場合、GitLab.com SaaSでは自動的にアクセスできます。Self-Managedのお客様は、Duo Agent Platformの一般提供を予定しているGitLab 18.8へのアップグレード時にアクセスできるようになります。ネームスペース設定でGitLab Duo Agent Platformを有効にし、含まれる月間クレジットを使用して探索を開始するだけです。含まれるクレジットを超える使用については、オンデマンド請求にオプトインするか、GitLabに連絡して年間契約による数量割引を受けることができます。

このブログ投稿には、改正された1933年証券法のセクション27Aおよび1934年証券取引法のセクション21Eの意味における「将来見通しに関する記述」が含まれています。これらの記述に反映された期待は合理的であると考えていますが、実際の結果または成果が大きく異なる可能性のある既知および未知のリスク、不確実性、仮定、およびその他の要因の影響を受けます。これらのリスクおよびその他の要因の詳細については、SECへの提出書類の「リスク要因」というキャプションの下に記載されています。このブログ投稿の日付以降、法律で義務付けられている場合を除き、これらの記述を更新または修正する義務を負いません。

]]> Manav Khurana https://about.gitlab.com/blog/authors/manav-khurana 2026-01-15T00:00:00.000Z <![CDATA[AIカタログ：エージェントやフローの検索、作成、共有]]> https://about.gitlab.com/ja-jp/blog/ai-catalog-discover-and-share-agents/ 2026-01-14T00:00:00.000Z 8部構成ガイド「GitLab Duo Agent Platformを始める」のパート5へようこそ。開発ライフサイクル内でのAIエージェントとワークフローの構築・デプロイをマスターします。最初の対話から完全カスタマイズ可能なプロダクション対応の自動化ワークフローまで、段階的なチュートリアルに従ってください。

この記事の内容:

🎯 今すぐGitLab Duo Agent Platformをお試しください！

AIカタログの紹介

AIカタログは、組織全体でエージェントやフローの検索、作成、共有ができる一元管理リポジトリです。チームが事前構築されたソリューションとベストプラクティスを活用できるようにすることで、一貫性、再利用性、コラボレーションを促進します。

できること:

  • 検索: GitLabとコミュニティが作成したエージェントやフローを探します。
  • 作成: 単一のインターフェースでカスタムエージェントやフローを作成・維持します。
  • 有効化: トップレベルグループレベルでエージェントやフローを有効化し、プロジェクトで使用します。
  • 共有: エージェントやフローを他のユーザーが使用できるように公開します(公開または非公開)。
  • 複製: 既存のエージェントやフローをコピーしてカスタマイズします。

AIカタログ

AIカタログへのアクセスと操作

検索 → AIカタログに移動します。

カタログは現在2つのタイプを提供しています。

  • エージェント: オンデマンド、対話型、コンテキスト固有のタスク用のカスタムエージェント。
  • フロー: エージェントのチームを調整する、反復可能な複数ステップの自動化用のカスタムフロー。

詳細については、AIカタログのドキュメントを参照してください。

エージェントやフローを検索する

AIカタログを使用すると、ニーズに合ったエージェントやフローを簡単に見つけることができます。

検索方法:

  1. 検索 → AIカタログに移動します。
  2. エージェントまたはフロータブを選択します。
  3. 利用可能なエージェントまたはフローを探し、タイトル、説明、公開範囲を確認します。
  4. 任意のエージェントまたはフローをクリックして詳細を表示します。

エージェントやフローの有効化:

使用したいエージェントまたはフローを見つけたら:

  1. エージェントまたはフローをクリックして詳細を表示します。
  2. グループで有効にするボタンをクリックして、エージェントまたはフローをトップレベルグループに追加します。
  3. プロジェクトで有効化して使用を開始します。

作成、共有、表示レベルの管理

エージェントやフローの作成

エージェントやフローを作成するための段階的な手順は次のとおりです。

エージェントの作成:

検索 → AIカタログ → エージェント → 新しいエージェントに移動します。

  1. このエージェントの特定のタスクまたは専門分野をブレインストーミングして定義します。例:デバッグとトラブルシューティングエージェント。
  2. 表示名と説明を追加して、他のユーザーが目的とエージェントを使用する理由を識別できるようにします。例:troubleshoot-debugger。
  3. 公開範囲とアクセスを指定します。プライベートプロジェクトを選択し、表示レベルを非公開に設定して実験を開始します。
  4. システムプロンプトでエージェントの動作、機能、専門性を定義します。効果的なシステムプロンプトの作成の詳細については、パート3:エージェントを理解するを参照してください。
  5. オプションで、エージェントのツールアクセスを選択して制限します。たとえば、デバッグエージェントはコード、イシュー、マージリクエストへの読み取りアクセスが必要ですが、変更を加えるための書き込みアクセスは必要ない場合があります。

フローの作成:

検索 → AIカタログ → フロー → 新しいフローに移動します。

  1. 複雑な複数ステップの特定のタスクをブレインストーミングして定義します。例:CI/CDパイプライン最適化フロー。
  2. 表示名と説明を追加して、他のユーザーが目的とフローを使用する理由を識別できるようにします。例:ci-cd-optimizer。
  3. 公開範囲とアクセスを指定します。プライベートプロジェクトを選択し、表示レベルを非公開に設定して実験を開始します。
  4. フローの動作とそのエージェントコンポーネント、プロンプト、ルーターを定義します。フローのYAML構造の詳細については、パート4:フローを理解するを参照してください。

詳細については、以下を参照してください。

作業の共有と表示レベルの設定

エージェントまたはフローを作成するときに、非公開と公開の表示レベルを選択して、誰がアクセスして使用できるかを制御できます。

非公開:

  • 少なくともデベロッパーロールを持つ管理プロジェクトのメンバー、またはトップレベルグループのオーナーロールを持つユーザーのみが表示できます。
  • 他のプロジェクトでは有効化できません。
  • チーム固有または機密のワークフローに便利です。

公開:

  • インスタンス上の誰でも表示できます。
  • 前提条件を満たす任意のプロジェクトで有効化できます。
  • 発見のためにAIカタログに表示されます。

共有のベストプラクティス

エージェントやフローをAIカタログに公開する際は、次のガイドラインに従ってください。

命名:

  • 明確で説明的な名前を使用します(例:security-code-review、api-documentation-generator)。
  • agent1やmy-flowのような一般的な名前は避けます。
  • 可能な場合は名前に目的を含めます。

ドキュメント:

  • エージェントまたはフローが何をするかの明確な説明を提供します。
  • ユースケースと例を含めます。
  • 前提条件または依存関係を文書化します。

品質:

  • 公開前に徹底的にテストします。
  • エージェントまたはフローが実際の問題を解決することを確認します。
  • 保守可能で十分に文書化されている状態を維持します。
  • エッジケースとエラーハンドリングを考慮します。

表示レベルの決定:

  • チームでテストするために非公開から始めます。
  • 検証と文書化が完了したら公開に移行します。
  • 他のユーザーに価値を提供する場合にのみ公開します。
  • 対象者とユースケースを考慮します。

バージョニングを理解する

AIカタログのカスタムエージェントやフローは、変更を追跡するためのバージョン履歴を維持します。

バージョニングの仕組み:

  • GitLabは、エージェントのシステムプロンプトを更新したり、フローの設定を変更したりすると、自動的に新しいバージョンを作成します。
  • バージョンはセマンティックバージョニングを使用します(例:1.0.0、1.1.0)。
  • GitLabはセマンティックバージョニングを自動的に管理します。更新は常にマイナーバージョンをインクリメントします。
  • バージョンは不変であり、一貫した動作を保証します。

バージョンの固定:

エージェントまたはフローを有効化すると:

  • グループ内: GitLabは最新バージョンに固定します。
  • プロジェクト内: GitLabはトップレベルグループと同じバージョンに固定します。

これは次を意味します。

  • プロジェクトはエージェントまたはフローの固定された安定したバージョンを使用します。
  • AIカタログの更新は設定に自動的に影響しません。
  • 新しいバージョンに更新するにはオプトインする必要があります。更新は自動ではありません。
  • 新しいバージョンを採用するタイミングを完全に制御できます。

バージョンの表示:

  • 自動化 → エージェントまたは自動化 → フローに移動します。
  • エージェントまたはフローを選択します。バージョン情報は右側に表示されます。

最新バージョンへの更新

AIカタログでエージェントまたはフローの新しいバージョンが利用可能な場合、プロジェクトを更新して使用できます。

  1. 自動化 → エージェントまたは自動化 → フローに移動します。
  2. 更新するエージェントまたはフローをクリックします。
  3. 更新ボタンをクリックします(新しいバージョンが利用可能な場合に表示されます)。
  4. 新しいバージョンの変更を確認します。
  5. 更新を確認して、プロジェクトを最新バージョンに固定します。

次のステップ

AIカタログを通じてエージェントやフローを検索、作成、共有する方法を理解しました。次に、パート6では、セッションを通じてエージェントやフローのアクティビティを監視し、イベント駆動トリガーを設定し、AIワークフローを管理する方法を学びます。

関連リンク

次へ: パート6: AIワークフローの監視、管理、自動化

前へ: パート4: フローを理解する

]]> Itzik Gan Baruch https://about.gitlab.com/blog/authors/itzik-gan baruch 2026-01-14T00:00:00.000Z <![CDATA[GitLab Duo Agent Platformのカスタマイズ：チャットルール、プロンプト、ワークフロー]]> https://about.gitlab.com/ja-jp/blog/customizing-gitlab-duo-chat-rules-prompts-workflows/ 2026-01-14T00:00:00.000Z 8部構成ガイド「GitLab Duo Agent Platformを始める」のパート8へようこそ。開発ライフサイクル内でのAIエージェントとワークフローの構築・デプロイをマスターします。最初の対話から完全カスタマイズ可能なプロダクション対応の自動化ワークフローまで、段階的なチュートリアルに従ってください。

この記事の内容:

  • カスタマイズの紹介
  • エージェントの動作をカスタマイズ
  • MCPで機能を拡張
  • カスタムエージェントとフローの作成

🎯 今すぐGitLab Duo Agent Platformをお試しください！

カスタマイズの紹介

GitLab Duo Agent Platformは、すぐに強力な機能を提供し、チームの特定のニーズに合わせて調整することで、さらに大きな価値を引き出すことができます。GitLabは、複数のレベルで柔軟なカスタマイズオプションを提供します。

  • ユーザーレベル: すべてのプロジェクトに適用される個人設定(カスタムルール、AGENTS.md、MCP設定)
  • ワークスペースレベル: プロジェクト固有の設定(カスタムルール、AGENTS.md、MCP設定)
  • プロジェクトレベル: 特定のプロジェクト内で作成・管理するカスタムエージェントとフロー

パート1：エージェントの動作をカスタマイズ

カスタムルール

カスタムルールは、エージェントとフローに指示を提供し、繰り返しを必要とせずにチーム全体で一貫した動作を保証します。たとえば、開発スタイルガイドやテストの実行方法などです。

IDEワークスペースまたはユーザー設定ディレクトリに移動します。

ユーザーレベルのカスタムルール

ユーザーレベルのルールは、すべてのプロジェクトとワークスペースに適用されます。

ユーザーレベルのカスタムルールの作成に関する詳細な手順については、GitLabドキュメントを参照してください。 ホームディレクトリにファイルを作成~/.gitlab/duo/chat-rules.md。 ルールの例:

- すべての関数にJSDocコメントを含める
- 文字列には単一引用符を使用
- リポジトリ内の既存のコードスタイルに従う
- 簡潔な説明を記述し、長い説明は避ける
- コード変更にはテストを提案
- Promiseの代わりにasync/awaitを使用

ワークスペースレベルのカスタムルール

ワークスペースルールは特定のプロジェクトにのみ適用されます。そのプロジェクトのユーザーレベルのルールを上書きします。

プロジェクトルートにファイルを作成.gitlab/duo/chat-rules.md。

Vue.jsプロジェクトのルール例:

- `<script setup>`でVue 3 Composition APIを使用
- プロップには常にTypeScript型を含める
- SCSSでスコープ付きスタイルを使用
- Slippers UIデザインシステムに従う
- コンポーネントは300行未満に保つ
- コンポーネント名にはケバブケースを使用
- アクセシビリティ属性を含める(aria-*、role)

カスタムルールのベストプラクティス

  • 具体的にする:「単一引用符を使用」は「スタイルガイドに従う」よりも優れています。
  • 優先順位をつける: 最も重要なルールをリストの最初に来るようにします。
  • チーム重視: ルールは個人の好みではなく、チームの標準を反映する必要があります。
  • 実行可能: ルールはAIエージェントが従うのに十分明確である必要があります。
  • 保守可能: 標準が変更されたらルールを更新します。
  • 競合を避ける: コードベースの実際のスタイルと矛盾しないようにします。

ヒント: コードオーナーを使用して、.gitlab/duo/chat-rules.mdへの変更を承認するユーザーを管理します。

カスタムルールの詳細なユースケースチュートリアルについては、Custom rules in GitLab Duo Agentic Chat for greater developer efficiency deep-diveのブログを参照してください。

エージェントの動作をカスタマイズするAGENTS.md

AGENTS.mdは、エージェントの動作をカスタマイズするための業界標準ファイルです。エージェント自体を変更することなく、チャット会話、基本フロー、カスタムフロー内でエージェントがどのように動作すべきかを定義できます。

カスタムルールとの違い: AGENTS.mdは、すべてのエージェントとフロー(基盤とカスタム)によって使用されます。また、外部エージェントとしてのClaude Codeなど、他のAIツールが使用できる業界標準に従います。複数のコンテキストに指示を適用したい場合は、AGENTS.mdを使用します。

ユーザーレベル(すべてのプロジェクトとワークスペースに適用):

  • macOS/Linux:~/.gitlab/duo/AGENTS.md
  • Windows:%APPDATA%\GitLab\duo\AGENTS.md

ワークスペースレベル(特定のプロジェクトに適用):

  • プロジェクトルートにAGENTS.mdを作成。

サブディレクトリレベル(モノレポの特定のディレクトリに適用):

  • コンテキスト固有の指示のためにサブディレクトリにAGENTS.mdを作成。

仕組み:

  • ユーザーレベルのAGENTS.mdは、すべてのプロジェクトにグローバルに適用されます。
  • ワークスペースレベルのAGENTS.mdは、特定のプロジェクトに適用されます。
  • サブディレクトリレベルのAGENTS.mdファイルは、コードベースの特定の部分のコンテキストを提供します。
  • エージェントとフローは、適用可能なすべてのレベルからの指示を組み合わせます。
  • 新しく追加または更新されたAGENTS.md指示には、新しいフローのトリガー、または(カスタム)エージェントとの新しいチャットの開始が必要です。

AGENTS.mdが制御するもの

  • エージェントの個性とトーン
  • プロジェクト固有の指示
  • コーディング標準と規約
  • ツール使用の設定
  • 出力フォーマット要件
  • リポジトリ構造と組織

AGENTS.mdの例

# プロジェクトのエージェントカスタマイズ
## 一般的なガイドライン
- 常にスピードよりもコード品質を優先
- プロジェクトのアーキテクチャパターンに従う
- 変更を提案する際は既存のコード例を参照
- 要件が曖昧な場合は明確化を求める
## コードスタイル
- すべての新しいコードにTypeScriptを使用
- プロジェクト内のESLint設定に従う
- すべての新しい関数にユニットテストを含める
- わかりやすい変数名を使用(ループを除いて単一文字は使用しない)
## ドキュメント
- すべてのパブリック関数にJSDocコメントを追加
- 新機能を追加する場合はREADME.mdを更新
- コードコメントに例を含める
## セキュリティ
- シークレットやAPIキーのハードコーディングを提案しない
- 常にユーザー入力を検証
- データベース操作にはパラメータ化クエリを使用
- 潜在的なセキュリティ問題を即座にフラグ

AGENTS.mdのベストプラクティス

  • 具体的にする: プロジェクトの具体例を含めます。
  • 簡潔に保つ: プロジェクトに固有のものに焦点を当てます。
  • バージョン管理: リポジトリにコミットして変更を追跡します。
  • チームの整合性: 最終化する前にチームと話し合います。
  • 定期的に更新: プロジェクトの進化に合わせて改善します。
  • リポジトリ構造を文書化: エージェントがコードベースの組織を理解できるようにします。

要件

  • GitLab 18.8以降
  • VS Code用: GitLab Workflow拡張機能6.60以降
  • JetBrains用: GitLabプラグイン3.26.0以降
  • フロー用: user_ruleコンテキストにアクセスするためにフロー設定を更新

AGENTS.mdの詳細を見る。

カスタムレビュー指示

カスタムレビュー指示は、コードレビュー基本フローに特定のガイドラインを提供します。指示により、一貫したコードレビュー標準が保証され、プロジェクト内の特定のファイルタイプに合わせて調整できます。

プロジェクトルートにファイルを作成.gitlab/duo/mr-review-instructions.yaml。

レビュー指示の例:

instructions:
  - name: Ruby Style Guide
    fileFilters:
      - "*.rb"           # ルートディレクトリのRubyファイル
      - "lib/**/*.rb"    # libとそのサブディレクトリのRubyファイル
      - "!spec/**/*.rb"  # テストファイルを除外
    instructions: |
      1. すべてのメソッドに適切なドキュメントがあることを確認
      2. Rubyスタイルガイドの規約に従う
      3. ハッシュキーには文字列よりもシンボルを優先

  - name: TypeScript Source Files
    fileFilters:
      - "**/*.ts"        # 任意のディレクトリのTypeScriptファイル
      - "!**/*.test.ts"  # テストファイルを除外
    instructions: |
      1. 適切なTypeScript型を確保('any'は避ける)
      2. 命名規則に従う
      3. 複雑な関数を文書化

カスタムレビュー指示のベストプラクティス:

  • 具体的で実行可能にする: 明確で番号付きの指示が最適です。
  • globパターンを使用: fileFiltersで特定のファイルタイプをターゲットにします。
  • 重要な標準に焦点を当てる: 最も重要なレビューポイントを優先します。
  • 「理由」を説明: レビュアーが推論を理解できるようにします。
  • パターンをテスト: globパターンが意図したファイルと一致することを確認します。

ヒント: コードオーナーを使用して、.gitlab/duo/mr-review-instructions.yamlへの変更を保護します。

詳細なセットアップ手順と例については、カスタムレビュー指示のドキュメントを参照してください。

パート2：MCPで機能を拡張

Model Context Protocol（MCP）により、エージェントはJira、Slack、AWSなどの外部システムにアクセスできます。このセクションでは、エージェント機能を拡張するためのMCP設定について説明します。

🎯 今すぐ試す: MCPのインタラクティブデモ - Model Context Protocolの使用方法を探索します。

外部統合のためのMCP設定

Model Context Protocol（MCP）により、エージェントはJira、Slack、AWSなどの外部システムにアクセスできます。

スコープ: ユーザーレベル(すべてのワークスペースに適用)またはワークスペースレベル(プロジェクト固有、ユーザー設定を上書き)

ユーザー設定を作成:

  • macOS/Linux: ~/.gitlab/duo/mcp.json
  • Windows: C:\Users\<username>\AppData\Roaming\GitLab\duo\mcp.json
  • VS Code: コマンドGitLab MCP: Open User Settings (JSON)を実行

ワークスペース設定を作成:

  • ファイルを作成: プロジェクトルートに.gitlab/duo/mcp.json

ベストプラクティス:

  • セキュリティ第一: プレーンテキストパスワードトークンではなく、OAuthを必要とするMCPサーバーを使用します。
  • 最小スコープ: 実際に使用して信頼するMCPサーバーのみを有効にします。
  • ローカルでテスト: チーム全体で共有する前に、MCP接続と認証が機能することを確認します。
  • 統合を文書化: 各MCPサーバーが提供するものを説明します。
  • バージョン管理: コードオーナーの承認を得て.gitlab/duo/mcp.jsonに設定を保存します。

詳細なセットアップ手順と設定例については、パート7: Model Context Protocol統合を参照してください。

パート3：カスタムエージェントとフローの作成

カスタムエージェントとフローにより、チームの特定のワークフローを自動化できます。カスタマイズに入る前に、それらが何であり、どのように機能するかを理解することが役立ちます。GitLab Duo Agent Platformを始めるガイドの以下のパートが役立ちます。

  • パート3: エージェントを理解する — 基本、カスタム、外部エージェントについて、各タイプをいつ使用するかを学びます。
  • パート4: フローを理解する — フローが複数のエージェントを調整して複雑な問題を解決する方法を発見します。
  • パート5: AIカタログ — 組織全体でエージェントとフローを検索、作成、共有する方法を学びます。 基本を理解したら、このセクションでは詳細なガイドへのリンク付きでカスタマイズオプションの概要を提供します。

カスタムエージェント用のシステムプロンプト

システムプロンプトは、エージェントの個性、専門知識、動作を定義します。適切に作成されたプロンプトにより、エージェントがより効果的になり、チームのニーズに合致します。

システムプロンプトとは? システムプロンプトは、エージェントにどのように動作するか、どのような専門知識を持っているか、リクエストにどのように応答するかを指示する指示です。カスタムエージェントの動作の基盤です。

強力なシステムプロンプトの主要要素:

  • 役割定義: エージェントが何であり、何をするか
  • 専門分野: 特定のドメインまたはテクノロジー
  • 動作ガイドライン: どのように対話して応答するか
  • 出力形式: 応答の構造
  • 制約: 何を避けるべきか

ベストプラクティス:

  • 詳細にする: より具体的なプロンプトがより良い結果を生み出します。
  • 例を使用: エージェントに良い出力がどのようなものかを示します。
  • スコープを定義: エージェントが何をすべきか、何をすべきでないかを明確に述べます。
  • 反復的にテスト: エージェントの動作に基づいてプロンプトを改善します。
  • バージョン管理:リポジトリでプロンプトの変更を追跡します。

システムプロンプトの作成とカスタムエージェントの作成に関する詳細なガイダンスについては、パート3: エージェントを理解するを参照してください。

カスタムエージェントとフロー

学習内容が多岐にわたるため、チュートリアルは複数に分割されています。

カスタムエージェント:

カスタムフロー:

エージェントツール:

  • ツールは、エージェントが実行できるアクションを決定します。エージェントの目的とセキュリティ要件に基づいてツールを設定します。
  • ツール設定の詳細については、パート3: エージェントを理解するを参照してください。

クイックリファレンス:カスタマイズを使用するタイミング

ツール最適な用途場所
カスタムルールIDEでのチャット応答のガイド(トーン、スタイル、動作)~/.gitlab/duo/chat-rules.md(ユーザー)または.gitlab/duo/chat-rules.md(ワークスペース)
AGENTS.mdチャット、フロー、その他のAIツール全体での標準の実施~/.gitlab/duo/AGENTS.md(ユーザー)またはAGENTS.md(ワークスペースルート)
カスタムレビュー指示特定のファイルタイプのコードレビュー標準のガイド.gitlab/duo/mr-review-instructions.yaml(ワークスペースのみ)
システムプロンプト個別のエージェント動作のカスタマイズエージェント作成時のAIカタログ
MCP設定エージェントを外部ツールに接続~/.gitlab/duo/mcp.json(ユーザー)または.gitlab/duo/mcp.json(ワークスペース)
カスタムエージェントチーム固有のタスク用の専門エージェントの作成自動化 → エージェントまたはAIカタログ
カスタムフローワークフローでの複数エージェントのオーケストレーション自動化 → フローまたはAIカタログ

次のステップ

おめでとうございます！GitLab Duo Agent Platformシリーズ全体を完了しました。次のことを理解しました。

  • ユースケースに合わせてSDLC全体でエージェントとフローを使用する方法
  • AIカタログでソリューションを発見して共有する方法
  • AIワークフローを監視して管理する方法
  • MCP統合で機能を拡張する方法
  • チームのためにGitLab Duo Agent Platformのあらゆる側面をカスタマイズする方法

シリーズ概要に戻り、すべてのパートの確認や特定のトピックの詳細をご覧いただけます。

関連リンク

前へ:パート7: Model Context Protocol統合

シリーズの最初に戻る:完全なシリーズ概要

]]> Itzik Gan Baruch https://about.gitlab.com/blog/authors/itzik-gan baruch 2026-01-14T00:00:00.000Z <![CDATA[GitLab Duo Agentic Chatを始める]]> https://about.gitlab.com/ja-jp/blog/getting-started-with-gitlab-duo-agentic-chat/ 2026-01-14T00:00:00.000Z 8部構成ガイド「GitLab Duo Agent Platformを始める：完全ガイド」のパート2へようこそ。開発ライフサイクル内でのAIエージェントとワークフローの構築・デプロイをマスターします。初めての対話から完全カスタマイズ可能な本番環境対応の自動化ワークフローまで、段階的なチュートリアルに従ってください。

この記事の内容:

GitLab Duo Agentic Chatとは

GitLab Duo Agentic Chatは、開発ワークフロー全体でAIエージェントとやり取りするための主要なインターフェースです。質問に答えるだけのシンプルなQ&Aチャットボットとは異なり、あなたの代わりにアクションを実行できる自律型AI協働パートナーです。コードの作成と変更、マージリクエストのオープン、イシューやエピックのトリアージと更新、SDLC全体のプラットフォームコンテキストを使用したワークフローの実行を行いながら、すべてのステップであなたに情報を提供し続けます。

🎯 今すぐGitLab Duo Agent Platformをお試しください！

主な機能：

  • コード操作： ファイルの作成、コードの編集、マージリクエストのオープン。
  • プロジェクトインサイト： イシュー、エピック、マージリクエスト、Gitコミット、CI/CDパイプライン、分析（GLQL）、セキュリティスキャンのクエリ。
  • 実行可能なタスク： イシューとエピックのトリアージ、更新、作成、脆弱性の修正、ドキュメントとテストの生成、失敗したCI/CDパイプラインの修正。
  • コンテキスト認識： 会話履歴の記憶、プロジェクトアーキテクチャの理解、コードベース、Wiki、GitLabドキュメントの検索。
  • 拡張性： Model Context Protocol（MCP）を介した外部サービスとの統合。
  • マルチエージェントサポート： 異なるタスクに専門エージェントを使用。

🎯 今すぐ試す：GitLab Duo Agentic Chatのインタラクティブデモ — チャットインターフェースと機能のデモを体験できます。

GitLab Duo Agentic Chatへのアクセス

環境アクセス方法注意事項
Web UI右上のDuoアイコンをクリック永続的なパネルでナビゲーション中も常に開いた状態を維持
VS Codeプライマリサイドバー > GitLab Duo Agent Platform > ChatタブIDEワークフローに統合
JetBrainsツールウィンドウ > GitLab Duo Agent Platform > ChatタブIntelliJ、PyCharmなどで利用可能
Visual Studio拡張機能 > GitLab > "Open Agentic Chat"Windowsのみ、GitLab 18.3以降に対応

Web UIパネルの機能

  • 折りたたみ： 右上にアイコンが表示
  • パネルオープン： サイドバーがスライドアウト(約400px幅)
  • 最大化： 詳細な応答のために拡張

Duoチャットパネルが開いたGitLabプロジェクト

モデルの選択

大規模言語モデル（LLM）は、それぞれ得意とするタスクや知識了見が異なります。ニーズに応じて適切なモデルを選択してください。

Duo Chatでのモデル選択

設定レベル

  • グループレベル： グループオーナーが設定し、すべてのユーザーに適用されます。
  • ユーザーレベル： グループが許可している場合、個別に制御できます。

エージェントの選択

エージェントは、特定のタスクに特化したAIコラボレーションパートナーです。ニーズに応じてエージェントを切り替えます。

エージェント説明用途
GitLab Duo汎用的な開発コラボレーション（デフォルトエージェント）初めての使用時、アルゴリズム・アーキテクチャ・設計パターンに関する質問、デバッグ、リファクタリング、コードの説明
プランナー製品管理と計画ワークフローイシュー作成、エピック計画、ロードマップ支援、注意の優先順位付け
セキュリティ分析脆弱性管理とセキュリティワークフローセキュリティ影響分析、脆弱性トリアージ、修正
データ分析GitLab全体でデータをクエリ、可視化、表示ボリューム分析、チームパフォーマンス、トレンド分析、ステータス監視、作業アイテムの発見、GLQLクエリ生成
カスタムエージェントチームが特定のニーズに合わせて作成チーム固有のワークフロー、ドメインの専門知識

エージェントの選択

Duo Chatでのエージェント選択

エージェントの切り替え方法

  1. GitLab Duo Agentic Chatを開きます。
  2. IDE：エージェントドロップダウンをクリックします（モデルセレクターの下）。
  3. Web UI：新しいチャットを作成します。
  4. 必要なエージェントを選択します。

IDEでのモデル選択画面

UIでのモデル選択画面

一般的なユースケース

イシュー管理とトリアージ

イシュー管理と計画ワークフローには、製品管理タスク向けに設計された専門エージェント プランナーエージェント を使用します。

プロンプト例：

  • 「過去30日間に作成された'bug'と'high-priority'のラベルが付いたすべてのオープンイシューをリストアップして。」
  • 「OAuth2を使用したユーザー認証を実装するイシューを作成して。受け入れ基準と技術要件を含めて。」
  • 「イシュー#456を分析して、同じ根本原因を持つ可能性のある関連イシューを提案して。」
  • 「エピック#123を推定複雑度を含む小さなタスクに分解して。」

脆弱性分析と修正

セキュリティワークフローには、脆弱性管理と修正向けに設計された専門エージェント セキュリティアナリスト分析 を使用します。

プロンプト例：

  • 「最新のパイプラインスキャンのすべての重大な脆弱性を表示して。」
  • 「最新のセキュリティスキャンからすべての脆弱性をトリアージして、どれが誤検知かを特定して。」
  • 「脆弱性#789をわかりやすく説明して、コード内のどこにあるのかを見せて。」
  • 「ユーザー検索エンドポイントのSQLインジェクション脆弱性に対する推奨される修正方法は？」
  • 「src/components/UserProfile.vueで見つかったXSS脆弱性を修正するMRを作成して。」

コードの理解とドキュメント化

GitLab Duo Agentを使用して、ファイルを手動で検索することなくコードベースに関する回答を取得できます。

プロンプト例：

  • 「このアプリケーションの認証フローはどのように動作する？」
  • 「sendEmail関数が呼び出されているすべての場所を見つけて。」
  • 「src/pricing/calculator.tsのcalculateDiscountメソッドが何をするか説明して。」
  • 「src/api/routes/のAPIエンドポイントのドキュメントを生成して。」
  • 「src/services/ディレクトリではどんな設計パターンが使われていますか？」

新しいプロジェクトへのオンボーディング

GitLab Duo Agentを使用して、アーキテクチャ、セットアップ、依存関係を理解し、新しいプロジェクトに素早く慣れます。

プロンプト例：

  • 「このプロジェクトのアーキテクチャと主要なコンポーネントの概要を教えて。」
  • 「データベーススキーマはどこで定義されていますか？」
  • 「ローカル開発環境をセットアップするにはどうすればいいですか？」
  • 「主な依存関係は何で、それらは何をしますか？」

デバッグとパイプラインのトラブルシューティング

GitLab Duo Agentを使用して、AI駆動分析によりコードとCI/CDパイプラインの問題を迅速に特定して解決します。

プロンプト例：

  • 「CI/CDパイプラインがテストステージで失敗しているのはなぜですか？」
  • 「ジョブ#12345のエラーログを分析して修正を提案して。」
  • 「パイプライン#9876が失敗したのはなぜですか？失敗したデプロイジョブからのエラーログを見せて。」
  • 「大きなファイルを処理するとアプリケーションがクラッシュします。デバッグを手伝って。」
  • 「パフォーマンス低下を引き起こした可能性のある最近のコミットを確認して。」
  • 「このパイプラインのビルド時間を最適化するにはどうすればいいですか？」
  • 「すべてのMRでセキュリティスキャンを実行する新しいCI/CDジョブを作成して。」

コードレビューと品質向上

チームのコーディング標準とベストプラクティスでトレーニングされたカスタムエージェントを使用して、コードレビュー中にAIの支援を受け、問題を発見しコード品質を向上させます。

プロンプト例：

  • 「MR !234を、潜在的なバグとセキュリティ問題についてレビューして。」
  • 「このMRのデータベースクエリのパフォーマンス最適化を提案して。」
  • 「MR !456が社内のコーディング標準とベストプラクティスに従っているか確認して。」
  • 「新しいUIコンポーネントのアクセシビリティ問題を特定して。」

機能実装

GitLab Duo Agentを使用して、コード、テスト、ドキュメントを生成し、開発を加速します。

プロンプト例：

  • 「検証付きのユーザー登録用REST APIエンドポイントを作成して。」
  • 「OrderServiceクラスのユニットテストを80%カバレッジで生成して。」
  • 「商品一覧ページにページネーションを実装して。」
  • 「ファイルアップロード機能にエラー処理とロギングを追加して。」

リファクタリングとコード改善

GitLab Duo Agentを使用したAIガイダンスで、既存のコードを最新化し改善します。

プロンプト例：

  • 「UserControllerをSOLID原則に従ってリファクタリングして。」
  • 「このJavaScriptファイルを適切な型定義を持つTypeScriptに変換して。」
  • 「この関数をよりテスト可能にするための改善を提案して。」
  • 「src/utils/ディレクトリのコード重複を特定して、それを統合する方法を提案して。」
  • 「Java 8から21へプロジェクトをモダナイズして。エピック188のガイダンスに従って。」
  • 「COBOLメインフレームコードをモダナイズする移行計画を作成して、Java/Pythonを評価して。」

トラブルシューティング

問題考えられる原因解決策
チャットが表示されない• Duoが有効でない
• 権限不足		• プロジェクトでGitLab Duoを有効化
• デベロッパー以上のロールを確認
モデル選択が利用できない• グループポリシーがロック
• バージョンが古い		• グループオーナーに確認
• GitLab 18.4以降にアップグレード
追加のトラブルシューティングのヒントはドキュメントで入手できます。

次のステップ

GitLab Duo Agentic ChatはIDEとGitLab UIでサポートされています。今後のリリースでは、現在開発中のGitLab Duo CLIによるターミナルサポートが提供されます。詳細については製品エピックをフォローしてください。 GitLab Duo Agentic Chatを学んだので、パート3：エージェントを理解する：基本エージェント、カスタムエージェント、外部エージェントでさまざまなタイプのエージェントとカスタムエージェントの作成方法を学習しましょう。基本エージェントを操作して、チーム用のカスタムエージェントを作成し、Claude CodeやOpenAI Codexなどの外部エージェントを統合します。

関連リンク

次へ：パート3：エージェントを理解する

前へ：パート1：GitLab Duo Agent Platformのご紹介

]]> Itzik Gan Baruch https://about.gitlab.com/blog/authors/itzik-gan baruch 2026-01-14T00:00:00.000Z <![CDATA[GitLab Duo Agent Platformを始める：完全ガイド]]> https://about.gitlab.com/ja-jp/blog/gitlab-duo-agent-platform-complete-getting-started-guide/ 2026-01-14T00:00:00.000Z GitLab Duo Agent Platformは、ソフトウェア開発ライフサイクル全体に複数の高度なアシスタント（エージェント）を統合した新しいAI搭載ソリューションです。DevSecOps全体でデベロッパーがAIエージェントと非同期で協働するオーケストレーションレイヤーとして機能し、直線的なワークフローを動的で並列的なプロセスに変革します。

コードのリファクタリングやセキュリティスキャンから調査に至るまで、日常的なタスクを専門のAIエージェントに委譲できるため、人間のデベロッパーは複雑な問題解決やイノベーションの推進に集中できます。

このプラットフォームは、中核的なDevSecOpsプラットフォームとしてのGitLabの役割（コード管理、CI/CDパイプライン、イシュー追跡、テスト結果、セキュリティスキャンなど）を活用し、エージェントに完全なプロジェクトコンテキストを提供することで、チームの基準や実践に準拠しながら有意義な貢献を可能にします。

この包括的な8部構成のガイドでは、初めての操作から本番環境対応の自動化ワークフローまで、完全なカスタマイズを含めて解説します。

GitLab Duo Pro/EnterpriseからDuo Agent Platformへの進化

GitLab Duo Agent Platformは、Duo ProおよびEnterpriseの置き換えではなく進化版です。デベロッパーとAIの1対1のやり取りから、多対多のチームとエージェントの協働へと移行する上位セットです。

  • Duo Proは、IDEにおけるAI搭載のコード提案とチャットにより、個々のデベロッパーの生産性を向上させました。
  • Duo Enterpriseは、コーディングを超えて、ソフトウェア開発ライフサイクル全体にわたる包括的なAI機能を提供するように拡張されました。しかし、それは依然として主にユーザーとAIアシスタントの1対1のやり取りを可能にするアプローチであり、一度に1つのユースケースに対応する主にQ&A体験でした。
  • Duo Agent Platformは、1対1のやり取りから多対多のチームとエージェントの協働へと移行し、専門のエージェントがソフトウェアライフサイクル全体にわたる日常的なタスクを自律的に処理します。

完全シリーズ

パートタイトル学習内容
1GitLab Duo Agent Platformの紹介プラットフォームアーキテクチャ、エージェントを使用する4つの方法、エージェントやフローへのアクセス、初めての操作、セッション、モデル選択
2GitLab Duo Agentic Chatを始めるWeb UIとIDEでのチャットへのアクセス、モデルの選択と切り替え、エージェントの選択、一般的なユースケース、トラブルシューティング
3エージェントを理解する：基本、カスタム、外部基本エージェント（プランナー、セキュリティ分析、データ分析）、システムプロンプトを使用したカスタムエージェントの作成、外部エージェントのセットアップ、AGENTS.mdのカスタマイズ、適切なエージェントタイプの選択
4フローを理解する：マルチエージェントワークフロー基本フローの紹介、カスタムYAMLワークフローの作成、フローの実行、マルチエージェントオーケストレーション、モニタリング
5AIカタログ：エージェントやフローの検索、作成、共有エージェントやフローの検索、プロジェクトでのエージェントやフローの有効化、独自のエージェントやフローの作成・共有・表示レベルの管理
6AIワークフローの監視、管理、自動化自動化メニューの概要、詳細ログによるセッションの監視、イベント駆動型トリガーの設定、AIワークフローの管理
7Model Context Protocol統合MCPの概要、外部ツールに接続するMCPクライアントとしてのGitLab、外部AIツール向けMCPサーバーとしてのGitLab、設定例
8GitLab Duo Agent Platformのカスタマイズカスタムチャットルール、AGENTS.md設定、エージェント用システムプロンプト、エージェントツール設定、MCPセットアップ、カスタムフローYAML設定

主要コンセプトリファレンス

コアコンポーネント

コンポーネント説明主な機能
Duo Agentic Chatエージェントとの対話のための主要インターフェース• Web UIとIDEで利用可能
• モデル選択をサポート
• 会話履歴を保持
エージェント特定のタスクに対応する専門のAI協働パートナー• 基本エージェント： GitLabが提供（プランナーエージェント、セキュリティ分析エージェントなど）
• カスタムエージェント： チームが作成
• 外部エージェント： ClaudeやOpenAIなどの外部AIプロバイダー
フローエージェントを組み合わせた複数ステップのワークフロー• 基本フロー： GitLabが提供（デベロッパーフロー、CI/CDパイプライン修復フローなど）
• カスタムフロー： 作成するユーザー定義ワークフロー
AIカタログ発見、作成、共有のための中央リポジトリ• エージェントやフローを検索
• プロジェクトに追加
• 組織全体で共有
自動化メニューAIワークフローの管理ハブ• セッション： フローのアクティビティログ
• フロー： 複数ステップのワークフロー
• エージェント： 専門のAIアシスタント
• トリガー： イベントベースの自動化
Model Context Protocol（MCP）外部統合フレームワーク• クライアント： GitLab Duoが外部MCPサーバーに接続（Jira、Slack、AWSなど）
• サーバー： GitLabが外部AIツールのMCPサーバーとして機能（Claude Desktop、Cursorなど）

必須用語集

用語定義
エージェント特定のタスクや複雑な質問への回答に対応する専門のAIアシスタント
基本エージェントGitLabが作成・保守するビルトインエージェント（例：プランナーエージェント、セキュリティ分析エージェント）- セットアップ不要ですぐに利用可能
カスタムエージェントチーム固有のワークフロー向けにカスタムシステムプロンプトとツールを使用して作成するエージェント - プロジェクト/グループ設定で設定
外部エージェントClaude、OpenAI、Google Geminiなど、プラットフォームに統合された外部AIプロバイダー
フロー複雑な問題を解決するために協働する1つ以上のエージェントの組み合わせ
基本フローGitLabの事前構築ワークフロー（デベロッパーフロー、パイプライン修復フロー、Jenkins変換フロー、ソフトウェア開発フロー）- UIボタンまたはIDEからトリガー
カスタムフローチーム固有の自動化用に作成するYAML定義ワークフロー - イベントまたはメンションによってトリガー
トリガーフローを自動的に開始するイベント（例：メンション、割り当て）
セッション完全なログとパイプライン実行の詳細を含むエージェントまたはフローのアクティビティ記録
システムプロンプトエージェントの動作、専門知識、コミュニケーションスタイルを定義する指示
サービスアカウントフローまたは外部エージェントが特定の権限でGitLab操作を実行するために使用するアカウント
MCP外部統合のためのModel Context Protocol（Jira、Slack、AWSなどに接続）
AGENTS.mdユーザーまたはワークスペースレベルでエージェントの動作をカスタマイズするための業界標準ファイル
カスタムルールIDEでのGitLab Duoの動作をカスタマイズするルール
ツールエージェントがGitLabや外部システムとやり取りするために使用できる機能（例：イシュー作成、マージリクエスト、パイプライン実行、コード分析）

始める準備はできましたか？

パート1：GitLab Duo Agent Platformの紹介でプラットフォームの基礎を学び、活用を始めましょう。

フィードバック

皆様からのご意見をお待ちしております！エラーを見つけましたか？ご提案はありますか？

]]> Itzik Gan Baruch https://about.gitlab.com/blog/authors/itzik-gan baruch 2026-01-14T00:00:00.000Z <![CDATA[GitLab Duo Agent Platformの紹介]]> https://about.gitlab.com/ja-jp/blog/introduction-to-gitlab-duo-agent-platform/ 2026-01-14T00:00:00.000Z 8部構成ガイド「GitLab Duo Agent Platformを始める：完全ガイド」のパート1へようこそ。開発ライフサイクル内でのAIエージェントとワークフローの構築・デプロイをマスターします。初めての対話から完全カスタマイズ可能な本番環境対応の自動化ワークフローまで、段階的なチュートリアルに従ってください。

GitLab Duo Agent Platformは、ソフトウェア開発ライフサイクル全体でデベロッパーがAIとやり取りする方法を根本的に変革します。コードだけでなくSDLC全体のコンテキストにまで範囲を広げ、複数の専門AIエージェントがチームと協働し、複雑なタスクを非同期で処理する一方で、デベロッパーはイノベーションと問題解決に集中できます。

GitLab Duo Agent Platformは、従来の直線的な開発ワークフローを、複数のエージェントが連携する動的なコラボレーションシステムへと変革します。

GitLab Duo Agent Platformとは

GitLab Duo Agent Platformは、次を実現するAIオーケストレーションレイヤーです：

  • デベロッパーと専門AIエージェント間の非同期コラボレーション
  • コード、イシュー、エピック、マージリクエスト、CI/CDパイプライン、Wiki、分析、セキュリティスキャンにわたるSDLC全体のコンテキスト
  • 複数のエージェントが複雑なタスクで並行して協働するマルチエージェントフロー
  • 組織の標準、プラクティス、コンプライアンス要件を理解するインテリジェントな自動化

要件の理解からマージリクエストの作成まで、ワークフロー全体を担当できるAIチームメンバーを追加するようなもので、完全な可視性とコントロールを維持できます。

🎯 今すぐGitLab Duo Agent Platformをお試しください！

プラットフォームアーキテクチャ

GitLab Duo Agent Platformは、包括的なAIアシスタンスを提供するために連携する、複数の相互接続されたコンポーネントで構成されています。以下の図は、GitLab Duo Agent Platformとのユーザーインタラクション方法を示しています。 ユーザーがエージェントを操作する4つの方法を説明します。

GitLab Duo Agent Platformアーキテクチャ図

チームがGitLab Duo Agent Platformとやり取りする方法

エージェントを使用する4つの方法

  1. GitLab Duo Agentic Chat — GitLab UIまたはIDEでチャットパネルを開き、基本エージェントやカスタムエージェントと対話的な会話を行います。利用可能なAIモデルから選択し、リアルタイムのサポートを受けます。
  2. カスタムフローのトリガー — イシューまたはマージリクエストのコメントでフローをメンション、またはレビュアーを割り当ててカスタムフローを自動的にトリガーします。これらはRunner実行を介して非同期で実行されます。
  3. 基本フローのトリガー — GitLabが構築・保守する、デベロッパーフロー、コードレビューフロー、CI/CDパイプラインのフローを修正、GitLab CI/CDフローに変換する、ソフトウェア開発フロー を含みます。
  4. 外部エージェントのトリガー — イシューまたはマージリクエストのコメントで外部AIエージェント（Claude CodeやOpenAI Codexなど）を割り当てまたはメンションして自動的にトリガーします。これらはRunner実行を介して非同期で実行されます。

表示場所と管理方法

  • AIカタログ — 組織全体でエージェントとフローを閲覧、作成、共有します。GitLabやチームが作成したエージェントとフローを検出し、プロジェクトに追加します。独自のカスタムエージェントとフローを作成して他のユーザーが使用できるように公開することもできます。
  • 自動化機能 — すべてを管理する中央ハブです。プロジェクト内のエージェントを表示・管理し、フローを設定・監視し、セッションですべてのアクティビティ（パイプラインステータスを含む）を確認し、イベントベースの自動化のトリガーを設定します。

各コンポーネントを簡単に見ていきましょう（後続の投稿で詳しく説明します）。

GitLab Duo Agentic Chat

エージェントとやり取りするための主要なインターフェースです。GitLab UIとIDEで永続的なパネルとして利用できます。詳細はパート2：GitLab Duo Agentic Chatを始めるをご覧ください。

GitLab Duo Agentic Chat

GitLab Duo Agentic Chat IDE

エージェント

エージェントは、開発ワークフロー全体で特定のタスクを処理するために設計された専門のAI駆動アシスタントです。独自の専門知識と能力を持つチームメンバーとして考えてください。

タイプ説明使用場所セットアップの必要性
基本エージェント一般的な開発ワークフロー用にGitLabが保守(セキュリティ分析、プランナー、GitLab Duo)、任意のプロジェクトのチャットでデフォルトで利用可能GitLab Duo Chat不要
カスタムエージェントチーム固有のニーズに合わせてカスタムプロンプトとツールで作成GitLab Duo Chat必要
外部エージェントメンションまたは割り当てによってトリガーされる外部AIプロバイダー（Claude、OpenAI）@メンション、割り当てオプション

外部エージェントについて

外部エージェントは、イシューやマージリクエストでのメンション（例：@ai-codex）または割り当てによってトリガーされると、GitLabプラットフォームコンピュート上のバックグラウンドで実行されます。同期フィードバックループを使用す基本エージェントやカスタムエージェントとは異なり、外部エージェントは非同期で実行され、専門のAIプロバイダーで強力な自動化を実現します。

エージェントを強力にする要素

  • 専門プロンプト：各エージェントには、その専門知識、動作、コミュニケーションスタイルを定義する独自のシステムプロンプトがあります。
  • ツールへのアクセス：エージェントは、設定に基づいてファイルの読み取り、イシューやMR、エピックへのアクセス、コードの検索、CI/CDジョブログと脆弱性レポートの分析などを実行できます。
  • プロジェクトコンテキスト：イシュー、マージリクエスト、コード、CI/CDパイプライン、セキュリティ脆弱性へのアクセス。

詳細はパート3：エージェントを理解するをご覧ください。カスタムエージェントの作成、外部AIプロバイダーの統合、チームの特定のニーズに合わせたエージェントプロンプトとツールの設定方法を学びます。

フロー

フローは、複雑な問題を解決するために複数のアクションを組み合わせた複数ステップのワークフローです。質問に応答するエージェントとは異なり、フローはRunner実行を介して完全なワークフローを自律的に実行します。

タイプ説明トリガー場所セットアップの必要性
基本一般的な開発ワークフロー用にGitLabが保守（デベロッパー、パイプラインの修正、JenkinsをGitLab CI/CDに変換、ソフトウェア開発）専用のUIアクションボタンを使用するか、IDE拡張機能のフロータブを使用して呼び出します不要
カスタムニーズに合わせて作成するユーザー定義ワークフローイシュー/MRでのメンション、割り当て必要

フローを強力にする要素

  • 複数ステップの実行：複数の操作を単一のワークフローに統合
  • 非同期処理：作業を続けながらバックグラウンドで実行
  • 完全なパイプラインアクセス：完全なプロジェクトコンテキストでRunner実行を介して実行
  • イベント駆動：GitLabイベントによって自動的にトリガー

詳細はパート4：フローを理解するをご覧ください。マルチエージェントワークフローも含まれます。

エージェント vs. フロー：違いは何か

GitLab Duo Agent Platformで効果的に作業するには、エージェントとフローのどちらを使用するかを理解することが重要です。

タイプエージェント（チャットでの対話）フロー（プラットフォーム上の自動化）
目的対話的な作業、迅速な反復、会話形式のガイダンス複雑な複数ステップのタスク、バックグラウンド自動化、イベント駆動ワークフロー
場所GitLab Duo Chat（Web UI、IDE）イシュー、マージリクエスト、UIアクションボタン
方法アクションを実行できるリアルタイムの会話イベントまたはボタンクリックによってトリガー
実行対話的、チャットコンテキストで即座に実行Runner実行による非同期
例「この関数をリファクタリング」（エージェントがコードを修正）、「テストを作成」（エージェントがテストファイルを生成）「イシュー#123のMRを生成」（フローがブランチを作成、コミット、MRをオープン)

簡単な判断ガイド

  • 対話的に作業するか、即座のフィードバックが必要な場合 → チャットを使用
  • バックグラウンド自動化、MRレビュー、または複雑な複数ファイルタスクが必要な場合 → フローを使用

重要な洞察

エージェントとフローの両方がアクションを実行し、コードを作成できます。主な違いは、やり取りと実行の方法です。エージェントはチャットインターフェースで対話的にコミュニケーションしますが、フローはプラットフォームコンピュート上でバックグラウンドで非同期に実行されます。

AIカタログ

組織全体でエージェントとフローを閲覧、発見、作成、共有できる中央ライブラリです。詳細はパート5：AIカタログをご覧ください。

AIカタログ

自動化機能

エージェントとフローのワークフローを管理するハブです。

  • エージェント：プロジェクト内のエージェントを表示・管理します。詳細はパート3をご覧ください。
  • フロー：プロジェクト内のフローを表示、作成、管理します。詳細はパート4をご覧ください。
  • セッション：エージェントのアクティビティログ
  • トリガー：プロジェクト内のフロー用のイベントベース自動化管理

セッションを理解する

すべてのエージェントとフローの実行により、エージェントアクティビティを記録するセッションが作成されます。セッションは、エージェントの推論、実行の詳細、ツール呼び出し、出力、完全な意思決定の経路を含む、何が起こったかについての完全な透明性を提供します。

セッション監視

セッションを表示するには：プロジェクト > 自動化 > セッションに移動します。そこから、パイプラインコンソールにアクセスして詳細な実行ログを確認できます。

モデル選択

GitLab Duo Agent Platformの強力な機能の1つは、会話を駆動するAIモデルを選択できることです。

利用可能：GitLab 18.4以降

選択方法：

  1. GitLab Duo Agentic Chatを開きます。
  2. モデルドロップダウンを探します。
  3. クリックして利用可能なモデルを確認します。
  4. タスクに最適なモデルを選択します。

注：モデル選択は現在Web UIでのみ利用可能です。IDE統合では、グループに選択されたデフォルトモデルを使用します。

初めてのエージェント対話

GitLab Duo Agentic Chatでの簡単な初めての対話機能を見ていきましょう。

例1：プロジェクトを理解する（エージェント）

シナリオ：プロジェクトに参加したばかりで、その構造とアーキテクチャを理解する必要がある場合。

手順：

  1. GitLab Duo Chatパネルを開きます（右上のDuoアイコンをクリック）。
  2. エージェント型モード（ベータ版）がオンになっていることを確認します。
  3. Duo Agent（デフォルト）を選択します。
  4. 次のように入力します：「このプロジェクトのアーキテクチャの概要を教えてください。」
  5. Enterを押します。

何が起こるか：

エージェントは次を実行します：

  • リポジトリ構造を分析
  • README、コード構成、ドキュメントを確認
  • 主要なコンポーネントを含む包括的な概要を提供

明確化するためにフォローアップの質問ができます。

アーキテクチャ概要を示すチャット

例2：マージリクエストを生成する（フロー）

シナリオ：コード変更で解決する必要があるイシューがある場合。

手順：

  1. GitLabでイシューを開きます。
  2. Duoでマージリクエストを生成ボタンをクリックします。
  3. エージェントセッションが開始されます。
  4. 数分以内に、次を含むMRが作成されます。
    • 複数のファイルにわたるコード変更
    • 説明的なコミットメッセージ
    • MR説明での変更の説明

何が起こるか：

デベロッパーフローは次を実行します：

  • イシューを分析
  • リポジトリ構造、設計パターン、SDLCコンテキストを理解
  • 適切なコード変更を実施
  • レビュー準備完了のMRをオープン

「Generate MR with Duo」ボタン付きイシュー

よくある質問

Q：エージェントとの会話はプライベートですか？

A：はい。会話はGitLabの標準プライバシーおよびセキュリティモデルに従います。詳細はこちらをご覧ください。

Q：セルフホストモデルでGitLab Duo Agent Platformを使用できますか？

A：はい、GitLab 18.8以降では追加のセットアップが必要です。GitLabドキュメントをご覧ください。

次のステップ

GitLab Duo Agent Platformの基本を理解したので、各コンポーネントについてさらに深く掘り下げる準備ができました。

  • パート2：GitLab Duo Agentic Chatを始める — 永続的なチャットパネルをマスターし、モデル選択戦略を学び、エージェントの切り替えを理解し、Web UIとすべてのサポートされているIDEでチャットを効果的に使用します。
  • パート3：エージェントを理解する — GitLabが構築した基本エージェントを探索し、チームのワークフロー用に専門プロンプトでカスタムエージェントを作成し、Claude CodeやOpenAI CodexなどのプロバイダーからのCLI外部エージェントを統合します。
  • パート4：フローを理解する — フローが複数のエージェントを調整して複雑な問題を解決する方法を発見し、カスタムYAML定義ワークフローを作成し、自動化されたパイプライン実行のために外部AIプロバイダーを活用します。
  • パート5：AIカタログ — 中央リポジトリを閲覧してGitLabとコミュニティが作成したエージェントとフローを発見し、プロジェクトに追加し、他のユーザーが使用できるように独自のソリューションを公開します。
  • パート6：AIワークフローの監視、管理、自動化 — セッションを通じてすべてのエージェントとフローのアクティビティを監視し、イベント駆動トリガーを設定してワークフローを自動化し、1つの中央拠点からGitLab Duo Agent Platformエコシステム全体を管理します。
  • パート7：Model Context Protocol統合 — オープンMCP標準を通じてJira、Slack、AWSなどの外部ツールに接続してGitLab Duoの機能を拡張し、外部AIツールがGitLabデータにアクセスできるようにします。
  • パート8：GitLab Duo Agent Platformのカスタマイズ - カスタムチャットルールの設定、エージェント用のシステムプロンプトの作成、エージェントツールのセットアップ、MCPによる外部システムの統合、チームの特定のニーズに合わせたフローのカスタマイズを行います。

関連リンク

次へ：パート2：GitLab Duo Agentic Chatを始める

]]> Itzik Gan Baruch https://about.gitlab.com/blog/authors/itzik-gan baruch 2026-01-14T00:00:00.000Z <![CDATA[AIワークフローの監視、管理、自動化]]> https://about.gitlab.com/ja-jp/blog/monitor-manage-automate-ai-workflows/ 2026-01-14T00:00:00.000Z 8部構成ガイド「GitLab Duo Agent Platformを始める：完全ガイド」のパート6へようこそ。本シリーズでは、開発ライフサイクル内でAIエージェントやワークフローを構築・デプロイする方法をマスターします。初めての操作から本番環境対応の自動化ワークフローの構築まで、フルカスタマイズ可能なチュートリアルに沿って解説します。

本記事の内容：

🎯 今すぐGitLab Duo Agent Platformをお試しください！

自動化機能の紹介

自動化機能は、GitLabでAIワークフローを管理するための中央ハブです。エージェントとフローのアクティビティを可視化し、イベント駆動の自動化を可能にします。

プロジェクト → 自動化に移動します。

自動化メニューから次の主要なセクションが利用できます。

  • エージェント：プロジェクト内のエージェントを表示、作成、管理
  • フロー：プロジェクト内のフローを表示、作成、管理
  • トリガー：フローのイベントベース自動化を設定
  • セッション：詳細ログでエージェントとフローの実行を監視

エージェントの管理

エージェントセクションでは、プロジェクト内のエージェントを表示、作成、管理できます。

自動化 → エージェントに移動します。

エージェントとフローの両方のセクションは、リソースを整理するための2つのタブを提供します。

  • 有効：プロジェクトで利用可能なエージェント/フロー
  • 管理済み：プロジェクトが作成して所有するエージェント/フロー

利用可能なエージェントを拡張するには：

  • 新しいカスタムエージェントを作成し、トップレベルグループで有効化してから、プロジェクトで有効化します。
  • AIカタログを閲覧し、既存のエージェントを最初にトップレベルグループで有効化してから、プロジェクトで有効化します。

カスタムエージェントの作成の詳細については、パート3：エージェントを理解するを参照してください。

フローの管理

フローセクションでは、プロジェクト内のフローを表示、作成、管理できます。

自動化 → フローに移動します。

利用可能なフローを拡張するには：

  • 新しいカスタムフローを作成し、トップレベルグループで有効化してから、プロジェクトで有効化します。
  • AIカタログを閲覧し、既存のフローを最初にトップレベルグループで有効化してから、プロジェクトで有効化します。

カスタムフローの作成の詳細については、パート4：フローを理解するを参照してください。

トリガーによる自動化

トリガー

トリガーは、特定のGitLab SDLCイベントが発生したときにエージェントまたはフローを自動的に実行することで、イベント駆動の自動化を可能にします。

自動化 → トリガーに移動します。

利用可能なトリガーイベントタイプ：

  • メンション：コメントでメンション。例：@ci-cd-optimizer。
  • アサイン：イシューまたはMRに割り当て。例：UIまたはクイックアクションで/assign @ci-cd-optimizer。
  • レビュアーをアサインする：MRレビュアーとして割り当て。例：UIまたはクイックアクションで/assign_reviewer @ci-cd-optimizer。

トリガーの仕組み：

  1. イベントが発生（例：MRコメントで@ci-cd-optimizerがメンション）
  2. トリガーが実行するフローを識別
  3. フローが実行され、セッションが開始
  4. 結果がイシュー/MRに投稿される

セットアップ手順については、トリガードキュメントを参照してください。

セッションでの監視

セッションにより、エージェントやフローの実行状況を可視化できます。推論の内容や、実行されたツール、出力結果までを確認可能です。各実行ごとにセッションが作成され、アクティビティログとして記録されます。

セッション監視

自動化 → セッションに移動します。 セッションの表示内容は次の通りです：

  • 実行ステータス（作成済み、実行中、完了、失敗、入力が必要、その他）
  • ステップごとの進行状況と実行されたアクション
  • エージェントの推論内容と意思決定プロセス
  • Runnerジョブログへのリンク（詳細タブ）

アクティビティタブ

アクティビティタブには、ステップごとの実行フローが表示され、エージェントが実行した各アクション、使用したツール、それらのアクション結果が示されます。

セッションアクティビティ

詳細タブ

詳細タブでは、Runnerジョブログ全体にアクセスでき、フロー実行の完全なコンテキストやシステムレベルの情報を確認できます。

セッション詳細

ジョブログには、すべてのシステムメッセージ、ツール呼び出し、フローが実行した内容に関する詳細情報を含む完全な実行出力が含まれています。

ジョブログ

詳細については、セッションドキュメントを参照してください。

次のステップ

セッションを通じてエージェントとフローのアクティビティを監視し、トリガーでイベント駆動の自動化を設定し、自動化機能からAIワークフローを管理する方法を理解できました。次は、パート7：Model Context Protocol統合で、外部ツールとデータソースを使用してGitLab Duoを拡張する方法を学びます。

関連リンク

次へ：パート7：Model Context Protocol統合

前へ：パート5：AIカタログ

]]> Itzik Gan Baruch https://about.gitlab.com/blog/authors/itzik-gan baruch 2026-01-14T00:00:00.000Z <![CDATA[エージェントを理解する：基本エージェント、カスタムエージェント、外部エージェント]]> https://about.gitlab.com/ja-jp/blog/understanding-agents-foundational-custom-external/ 2026-01-14T00:00:00.000Z 8部構成ガイド「GitLab Duo Agent Platformを始める」のパート3へようこそ。開発ライフサイクル内でのAIエージェントとワークフローの構築・デプロイをマスターします。最初の対話から完全カスタマイズ可能なプロダクション対応の自動化ワークフローまで、段階的なチュートリアルに従ってください。

この記事の内容:

🎯 今すぐGitLab Duo Agent Platformをお試しください！

エージェントとは

エージェントは、GitLab Duo Agent Platform内の専門AI協働パートナーです。各エージェントは異なる目的を持ち、異なるコンテキストで実行されます。

エージェントのタイプ

タイプインターフェースメンテナーユースケース
基本エージェントGitLab Duo ChatGitLab一般的な開発タスク
カスタムエージェントGitLab Duo Chat自分チーム固有のワークフロー
外部エージェントプラットフォーム自分、設定例を参照外部AI連携

基本エージェント

GitLabが構築・保守するこれらのエージェントは、セットアップ不要ですぐに利用できます。 基本エージェントの可用性は、ネームスペースオーナーまたはインスタンス管理者が管理できます。 基本エージェントとの対話を開始するには、IDEまたはWeb UIでGitLab Duo Agentic Chatを開きます。

GitLab Duo

デフォルトのエージェントで、コードの作成と変更、マージリクエストのオープン、イシュー/エピックのトリアージと更新、SDLC全体のプラットフォームコンテキストでのワークフロー実行を行う汎用開発協働パートナーです。

プロンプト例:

  • 「認証システムがどのように機能するか説明して。」
  • 「ユーザープロファイルロジックはどこにありますか?」
  • 「機能Xをどのように実装すべきですか?」

プランナーエージェント

製品計画、エピックの細分化、構造化されたイシューの作成を行います。

プロンプト例:

  • 「新しい決済システム用のエピックをサブタスク付きで作成して。」
  • 「イシュー#789を小さなタスクに細分化して。」
  • 「この機能の受け入れ基準を生成して。」

プランナーエージェントの詳細を見る。

セキュリティ分析エージェント

脆弱性のトリアージ、誤検知の特定、セキュリティリスクの優先順位付けを行います。

プロンプト例:

  • 「最新のスキャンからすべての脆弱性をトリアージして。」
  • 「どのSAST検出結果が誤検知ですか?」
  • 「セキュリティ問題を実際のリスクで優先順位付けして。」

セキュリティ分析エージェントの詳細を見る。

データ分析エージェント

GitLab Query Language (GLQL)を使用してGitLabプラットフォーム全体でデータをクエリ、可視化、表示し、プロジェクトとチームに関する実用的なインサイトを提供します。

プロンプト例:

  • 「前四半期に作成されたマージリクエストは何件ですか?」
  • 「各チームメンバーが今月取り組んだ内容を見せて。」
  • 「イシュー解決時間のトレンドは何ですか?」
  • 「プロジェクト内の'bug'ラベルが付いたすべてのオープンイシューを見つけて。」
  • 「作成者別のマージリクエスト数をカウントするGLQLクエリを生成して。」

データ分析エージェントの詳細を見る。

カスタムエージェント

チームの特定のワークフローと標準に合わせた独自のエージェントを作成します。

一般的なユースケース

  • トラブルシューティングとデバッグエージェント:ソフトウェアのバグやリグレッションをデバッグし、デプロイ失敗を分析します。
  • ドキュメントエージェント: 規約に従ってドキュメントを維持します。
  • オンボーディングアシスタント: 会社固有のプラクティスで新しいチームメンバーを支援します。
  • コンプライアンスモニター: 規制要件が満たされていることを確認します。
  • ローカライズドサポートエージェント: ローカライズされた言語(例:ドイツ語)でサポート問題をトリアージします。

GitLab DACH Roadshow Vienna 2025 Duo Agent Platformユースケーストークの録画を視聴する:

🎯 今すぐ試す:カスタムエージェントのインタラクティブデモ — カスタムエージェントの作成と設定方法を探索します。

カスタムエージェントの作成方法

カスタムエージェントは、プロジェクトまたはグループ設定で設定します。主要なコンポーネントはシステムプロンプトで、エージェントの動作と専門知識を定義します。

カスタムエージェントdevops-debug-failures-agentのシステムプロンプト例:

Your speciality is that you can correlate static SDLC data with runtime data from CI/CD pipelines, logs, and other tool calls necessary.
Expect that the user has advanced knowledge, but always provide commands and steps to reproduce your analysis so they can learn from you.
Start with a short summary and suggested actions, and then go into detail with thoughts, analysis, suggestions.
Think creative and consider unknown unknowns in your debug journey.
あなたはDev、Ops、DevOps、SREの専門家であり、コードと実行時障害のデバッグができます。
あなたの専門性は、静的なSDLCデータとCI/CDパイプライン、ログ、その他必要なツール呼び出しから得られる実行時データを相関させることができる点です。
ユーザーの知識レベルは高いと想定しますが、分析を再現できるよう具体的なコマンドと手順を提示し、学習を促してください。
短い要約と推奨アクションから始め、その後、考察、分析、提案を詳細に説明してください。
デバッグの過程では創造的に考え、未知の未知（unknown unknowns）も考慮してください。

表示レベルオプション:

  • 非公開: 管理プロジェクトのメンバー(デベロッパー以上)のみが表示可能。他のプロジェクトでは有効化できません。
  • 公開: 誰でも閲覧でき、前提条件を満たす任意のプロジェクトで有効化できます。発見のためにAIカタログに表示されます。

カスタムエージェント設定

完全なセットアップガイドはドキュメントで入手できます。

ベストプラクティス

システムプロンプトのヒント:

  • エージェントの役割と責任について具体的に記述します。
  • 明確な品質基準と制約を定義します。
  • 期待される出力の例を含めます。
  • プロンプトは1つの主要タスクに焦点を当てます。

小さく始める:

  • 読み取り専用権限から始めます。
  • 書き込みアクセスを許可する前に徹底的にテストします。
  • チームのフィードバックを収集して反復します。

外部エージェント

外部エージェントは、イシューやマージリクエストでのメンション(例:@ai-codex)または割り当てによってトリガーされると、GitLabプラットフォーム上でバックグラウンドで実行されます。チャットで対話的に機能する基本エージェントやカスタムエージェントとは異なり、外部エージェントは非同期で実行され、専門のAIプロバイダーで強力な自動化を実現します。

認証情報管理: GitLab Duo Agent Platformの一般提供開始に伴い、外部エージェントをサポートするためにGitLab管理の認証情報が使用され、顧客が自分でAPIキーを管理およびローテーションする必要がなくなります。

外部エージェントを使用するタイミング

  • 専門タスク用の特定のエージェント型AI動作またはLLMが必要な場合。
  • イベントトリガー自動化が必要な場合(対話型チャットではない)。
  • 特定のコンプライアンスまたはデータレジデンシー要件を満たす必要がある場合。

外部エージェントを使用する理由

  • 専門AIモデルの活用: Claude Codeのコード分析やOpenAI Codexのタスク委任などのプロバイダー固有の機能にアクセスします。
  • コンプライアンス要件の充足: 規制またはセキュリティポリシーのために、承認されたAIプロバイダー内にデータを保持します。
  • プロバイダーの実験: さまざまなエージェント型AIとLLM動作をテストして、ワークフローに最適なものを見つけます。
  • 独自機能へのアクセス: Claude Codeのコード分析やOpenAI Codexのタスク委任などのプロバイダー固有のツールを使用します。

実例

開発チームは、コードレビュー用の外部エージェントとしてOpenAI Codexを使用しています。デベロッパーがマージリクエストを作成すると、Codexをレビュアーとして割り当てます。エージェントは以下を実行します。

  1. MRのコード変更を分析します。
  2. ベストプラクティスとコード品質の問題をチェックします。
  3. 改善と最適化を提案します。
  4. 具体的な推奨事項を含む詳細なレビューコメントを投稿します。
  5. 関連ドキュメントにリンクします。

これらすべては、デベロッパーが作業を続けている間にバックグラウンドで自動的に行われ、結果がマージリクエストに直接投稿されます。

サポートされている外部エージェント

以下の外部エージェントとの連携が検証済みで、すぐに利用できます。

使用例:

@ai-codex Please implement this issue

これにより、外部AIツールを実行し、結果をGitLabに投稿するRunner実行ジョブがトリガーされます。

外部エージェントのセットアップ

サービスアカウント、トリガー、設定例を含む完全なセットアップ手順については、外部エージェントのドキュメントを参照してください。

AGENTS.mdでエージェント動作をカスタマイズ

agents.md標準に従ったAGENTS.mdファイルを使用してエージェントをカスタマイズします。詳細はパート8:GitLab Duo Agent Platformのカスタマイズ:チャットルール、プロンプト、ワークフローをご覧ください。

ユースケースに最適なエージェントタイプの選択

機能基本エージェントカスタムエージェント外部エージェント
セットアップセットアップ不要、GitLabが管理システムプロンプト設定が必要フロー設定が必要
可用性Chatですぐに利用可能プロジェクトで有効化後にChatで利用可能プラットフォームコンピュート上で実行
カスタマイズ制限あり(カスタム指示)システムプロンプトで動作をカスタマイズ可能プロンプトをカスタマイズ
インタラクションエージェント型チャットエージェント型チャットイベントトリガー、非同期
最適な用途一般的な開発タスクチーム固有のワークフロー外部AI連携

まとめ

GitLab Duo Agent Platformには次のエージェントがあります。

  • 基本エージェント: 一般的なタスク用のすぐに使えるエージェント(GitLab Duo Agentic Chat、プランナーエージェント、セキュリティ分析エージェント、データ分析エージェント)
  • カスタムエージェント: カスタムプロンプトと動作でチーム固有のエージェントを作成
  • 外部エージェント: 外部AIツールの連携

基本エージェントから始め、チーム固有のニーズにはカスタムエージェントを作成し、専門のAIプロバイダーが必要な場合は外部エージェントを活用します。

次へ: パート4:フローを理解する

前へ: パート2:GitLab Duo Agentic Chat

]]> Itzik Gan Baruch https://about.gitlab.com/blog/authors/itzik-gan baruch 2026-01-14T00:00:00.000Z <![CDATA[フローを理解する：マルチエージェントワークフロー]]> https://about.gitlab.com/ja-jp/blog/understanding-flows-multi-agent-workflows/ 2026-01-14T00:00:00.000Z 8部構成ガイド「GitLab Duo Agent Platformを始める」のパート4へようこそ。開発ライフサイクル内でのAIエージェントとワークフローの構築・デプロイをマスターします。最初の対話から完全カスタマイズ可能なプロダクション対応の自動化ワークフローまで、段階的なチュートリアルに従ってください。

この記事の内容:

🎯 今すぐGitLab Duo Agent Platformをお試しください！

フローの紹介

フローは、1つ以上のエージェントが協働する組み合わせです。複雑な問題を解決するために複数ステップのワークフローを調整し、GitLabプラットフォームコンピュート上で実行されます。

フローの主な特徴:

  • マルチエージェントオーケストレーション: 複数の専門エージェントを組み合わせ
  • ビルトイン: プラットフォームコンピュート上で実行、追加環境不要
  • イベント駆動: メンション、割り当て、レビュアーとしての割り当てでトリガー
  • 非同期: 作業を続けながらバックグラウンドで実行
  • 完全なワークフロー: 分析から実装までエンドツーエンドのタスクを処理

フローは、情報収集から意思決定、変更の実行、結果の提供まで、すべて自動で行う自律的なワークフローです。あなたは他の作業に集中できます。

フロー vs. エージェント: 違いを理解する

エージェントはあなたと対話的に作業します。フローはあなたのために自律的に作業します。

側面エージェントフロー
インタラクション対話型チャット自律的な実行
使用タイミング質問、ガイダンス、対話的なタスク実行自律的な複数ステップワークフロー
ユーザーの関与アクティブな会話トリガーと結果のレビュー
実行時間リアルタイム応答バックグラウンド処理
複雑さ単一エージェントタスクマルチエージェントオーケストレーション

フロータイプの概要

タイプインターフェースメンテナーユースケース
基本フローUIアクション、IDEインターフェースGitLabソフトウェア開発、イシュー内のデベロッパー、CI/CDパイプライン修正、GitLab CI/CDへの変換、コードレビュー、SAST誤検知判定
カスタムフローメンション、割り当て、レビュアー割り当て自分例: 大規模な移行/最新化、リリース自動化、依存関係更新管理

基本フロー

基本フローは、GitLabが作成・保守するプロダクション対応のワークフローです。専用のUIコントロールまたはIDEインターフェースからアクセスできます。

現在利用可能な基本フロー

フロー利用可能な場所アクセス方法最適な用途
ソフトウェア開発フローIDE(VS Code、JetBrains、Visual Studio)IDEのFlowsタブ機能実装、複雑なリファクタリング、複数ファイルの変更
デベロッパーフローGitLab Web UIイシューの「Duoでマージリクエストを生成」ボタン明確に定義された機能、明確な手順のあるバグ修正
CI/CDパイプライン修復フローGitLab Web UI失敗したパイプラインインターフェースパイプラインデバッグ、CI/CD設定の問題
GitLab CI/CD変換フローGitLab Web UIJenkinsfileの「Convert to GitLab CI/CD」ボタンJenkinsからGitLab CI/CDへの移行
コードレビューフローGitLab Web UIMRでレビュアーとして割り当てAIネイティブ分析とフィードバックによる自動コードレビュー
SAST誤検出判定フローGitLab Web UIセキュリティスキャン結果SAST検出結果の誤検知を自動的に特定してフィルタリング

カスタムフロー

カスタムフローは、チームの特定のニーズに合わせて作成するYAML定義のワークフローです。GitLab Runnerで実行され、GitLabイベントによってトリガーできます。

🎯 今すぐ試す:カスタムフローのインタラクティブデモ — カスタムフローの作成と設定方法を探索します。

カスタムフローを作成する理由

カスタムフローは、チームのワークフローに固有の反復的な複数ステップタスクを自動化します。一般的な目的に使用される基本フローとは異なり、カスタムフローは組織のプロセス、ツール、要件に合わせて調整されます。

一般的なユースケース:

  • 自動コードレビュー: 複数段階のレビュープロセス(セキュリティスキャン → 品質チェック → スタイル検証)
  • コンプライアンスチェック: 各MRで規制要件、ライセンスコンプライアンス、セキュリティポリシーを確認
  • ドキュメント生成: コード変更に基づいてAPIドキュメント、READMEファイル、変更ログを自動更新
  • 依存関係管理: 週次セキュリティスキャン、自動更新、脆弱性レポート
  • カスタムテスト: 技術スタック用の特殊なテストスイートまたは統合テスト

実例

フィンテック企業は、すべてのマージリクエストで実行されるコンプライアンスフローを作成します。@compliance-flowでトリガーされると、フローは次のステップを実行します。

  1. セキュリティエージェントがPCI-DSS違反のコードをスキャンし、露出した機密データをチェックします。
  2. コードレビューエージェントが変更がセキュアコーディング標準とベストプラクティスに従っていることを確認します。
  3. ドキュメントエージェントがAPI変更に更新されたドキュメントが含まれているかチェックします。
  4. サマリーエージェントが検出結果を集約し、合格/不合格ステータスのコンプライアンスレポートを投稿します。

コンプライアンスレビュー全体が5〜10分で自動的に実行され、すべてのマージリクエストで一貫したチェックが提供されます。

カスタムフローのトリガー方法

カスタムフローは複数の方法でトリガーできます。

1. イシュー/MRでのメンション: コメントでフローをメンションしてトリガーします。ドキュメント生成フローの例:

@doc-generator Generate API documentation for this feature

2. イシューまたはMRへのフローの割り当て: 次のいずれかを使用してフローを割り当てます。

  • GitLab UI: イシュー/MRの「アサイン」ボタンをクリックしてフローを選択
  • コマンド: コメントで/assignコマンドを使用。例:
/assign @doc-generator

3. レビュアーとしてのフローの割り当て: 次のいずれかを使用してマージリクエストにレビュアーとしてフローを割り当てます。

  • GitLab UI: マージリクエストの「レビュアーをアサインする」ボタンをクリックしてフローを選択
  • コマンド:コメントで/assign_reviewerコマンドを使用。例:
/assign_reviewer @doc-reviewer

これらの方法のいずれかにより、フローが自動的にトリガーされ、タスクを実行します。

カスタムフローの作成方法

カスタムフローは、プロジェクトの自動化 → フロー → 新しいフロー、または検索 → AIカタログ → フロー → 新しいフローからGitLab UIを通じて作成されます。コンポーネント、プロンプト、ルーティング、実行フローを指定するYAML設定を使用してフローを定義します。YAMLスキーマにより、エージェントの動作とオーケストレーションを正確に制御できる洗練されたマルチエージェントワークフローを作成できます。

カスタムフローの主要要素:

  • コンポーネント: ワークフロー内のエージェントとステップを定義
  • プロンプト: AIモデルの動作と指示を設定
  • ルーター: コンポーネント間のフローを制御
  • ツールセット: エージェントが使用できるGitLab APIツールを指定

カスタムフローYAMLの例

背景: この例は、旅行予約プラットフォームの機能実装フローを示しています。デベロッパーが機能要件を含むイシューを作成すると、このフローをトリガーして、要件の分析、コードベースのレビュー、ソリューションの実装、マージリクエストの作成まで、すべて手動介入なしで自動的に実行できます。 YAML設定は次のとおりです。

version: "v1"
environment: ambient
components:
  - name: "implement_feature"
    type: AgentComponent
    prompt_id: "implementation_prompt"
    inputs:
      - from: "context:goal"
        as: "user_goal"
      - from: "context:project_id"
        as: "project_id"
    toolset:
      - "get_issue"
      - "get_repository_file"
      - "list_repository_tree"
      - "find_files"
      - "blob_search"
      - "create_file"
      - "create_commit"
      - "create_merge_request"
      - "create_issue_note"
    ui_log_events:
      - "on_agent_final_answer"
      - "on_tool_execution_success"
      - "on_tool_execution_failed"

prompts:
  - name: "Cheapflights Feature Implementation（Cheapflights機能実装）"
    prompt_id: "implementation_prompt"
    unit_primitives: []
    prompt_template:
      system: |
        You are an expert full-stack developer specializing in travel booking platforms, specifically Cheapflights（あなたは旅行予約プラットフォーム、特にCheapflightsを専門とするエキスパートフルスタックデベロッパーです）.

        Your task is to（あなたのタスクは以下のとおりです）:
        1. Extract the issue IID from the goal (look for "Issue IID: XX")
        2. Use get_issue with project_id={{project_id}} and issue_iid to retrieve issue details
        3. Analyze the requirements for the flight search feature
        4. Review the existing codebase using list_repository_tree, find_files, and get_repository_file
        5. Design and implement the solution following Cheapflights best practices
        6. Create all necessary code files using create_file (call multiple times for multiple files)
        7. Commit the changes using create_commit
        8. Create a merge request using create_merge_request
        9. Post a summary comment to the issue using create_issue_note with the MR link

        1. ゴールからイシューIIDを抽出する(「Issue IID: XX」を探す)
        2. project_id={{project_id}}とissue_iidを使用してget_issueでイシューの詳細を取得
        3. フライト検索機能の要件を分析
        4. list_repository_tree、find_files、get_repository_fileを使用して既存のコードベースをレビュー
        5. Cheapflightsのベストプラクティスに従ってソリューションを設計・実装
        6. create_fileを使用して必要なコードファイルをすべて作成(複数ファイルの場合は複数回呼び出し)
        7. create_commitを使用して変更をコミット
        8. create_merge_requestを使用してマージリクエストを作成
        9. create_issue_noteを使用してMRリンク付きの概要コメントをイシューに投稿

        Cheapflights Domain Expertise（Cheapflightsドメインの専門知識）:
        - Flight search and booking systems (Amadeus, Sabre, Skyscanner APIs)
        - Fare comparison and pricing strategies
        - Real-time availability and inventory management
        - Travel industry UX patterns
        - Performance optimization for high-traffic flight searches

        - フライト検索・予約システム(Amadeus、Sabre、Skyscanner API)
        - 運賃比較と価格戦略
        - リアルタイムの空席状況と在庫管理
        - 旅行業界のUXパターン
        - 高トラフィックのフライト検索のためのパフォーマンス最適化

        Code Standards（コーディング基準）:
        - Clean, maintainable code (TypeScript/JavaScript/Python/React)
        - Proper state management for React components
        - RESTful API endpoints with comprehensive error handling
        - Mobile-first responsive design
        - Proper timezone handling (use moment-timezone or date-fns-tz)
        - WCAG 2.1 accessibility compliance

        - クリーンで保守性の高いコード(TypeScript/JavaScript/Python/React)
        - Reactコンポーネントの適切な状態管理
        - 包括的なエラーハンドリングを備えたRESTful APIエンドポイント
        - モバイルファーストのレスポンシブデザイン
        - 適切なタイムゾーン処理(moment-timezoneまたはdate-fns-tzを使用)
        - WCAG 2.1アクセシビリティ準拠

        Flight-Specific Best Practices（フライト固有のベストプラクティス）:
        - Accurate fare calculations (base fare + taxes + fees + surcharges)
        - Flight duration calculations across timezones
        - Search filter logic (price range, number of stops, airlines, departure/arrival times)
        - Sort algorithms (best value, fastest, cheapest)
        - Handle edge cases: date line crossing, daylight saving time, red-eye flights
        - Currency amounts use proper decimal handling (avoid floating point errors)
        - Dates use ISO 8601 format
        - Flight codes follow IATA standards (3-letter airport codes)

        - 正確な運賃計算(基本運賃 + 税金 + 手数料 + 追加料金)
        - タイムゾーンをまたぐフライト時間の計算
        - 検索フィルターロジック(価格帯、経由便数、航空会社、出発/到着時刻)
        - ソートアルゴリズム(ベストバリュー、最速、最安値)
        - エッジケースの処理: 日付変更線の通過、サマータイム、深夜便
        - 通貨金額は適切な小数処理を使用(浮動小数点エラーを回避)
        - 日付はISO 8601形式を使用
        - フライトコードはIATA標準に従う(3文字の空港コード)

        Implementation Requirements（実装要件）:
        - No TODOs or placeholder comments
        - All functions must be fully implemented
        - Include proper TypeScript types or Python type hints
        - Add JSDoc/docstring comments for all functions
        - Comprehensive error handling and input validation
        - Basic unit tests for critical functions
        - Performance considerations for handling large result sets

        - To-Doやプレースホルダーコメントは不可
        - すべての関数を完全に実装
        - 適切なTypeScript型またはPython型ヒントを含める
        - すべての関数にJSDoc/docstringコメントを追加
        - 包括的なエラーハンドリングと入力検証
        - 重要な関数の基本的な単体テスト
        - 大規模な結果セットを処理するためのパフォーマンス考慮

        CRITICAL - Your final comment on the issue MUST include（重要 - イシューへの最終コメントには以下を必ず含める）:
        - Implementation Summary: Brief description of what was implemented
        - Files Created/Modified: List of all files with descriptions
        - Key Features: Bullet points of main functionality
        - Technical Approach: Brief explanation of architecture/patterns used
        - Testing Notes: How to test the implementation
        - Merge Request Link: Direct link to the created MR (format: [View Merge Request](MR_URL))

        - 実装概要: 実装内容の簡潔な説明
        - 作成/変更されたファイル: すべてのファイルのリストと説明
        - 主要機能: 主な機能の箇条書き
        - 技術的アプローチ: アーキテクチャ/パターンの簡潔な説明
        - テストに関する注意事項: 実装のテスト方法
        - マージリクエストリンク: 作成されたMRへの直接リンク(形式: [マージリクエストを見る](MR_URL))

        IMPORTANT TOOL USAGE（重要なツールの使用方法）:
        - Extract the issue IID from the goal first (e.g., "Issue IID: 12" means issue_iid=12)
        - Use get_issue with project_id={{project_id}} and issue_iid=<extracted_iid>
        - Create multiple files by calling create_file multiple times (once per file)
        - Use create_commit to commit all files together with a descriptive commit message
        - Use create_merge_request to create the MR and capture the MR URL from the response
        - Use create_issue_note with project_id={{project_id}}, noteable_id=<issue_iid>, and body=<your complete summary with MR link>
        - Make sure to include the MR link in the comment body so users can easily access it

        - まずゴールからイシューIIDを抽出(例: 「Issue IID: 12」はissue_iid=12を意味する)
        - project_id={{project_id}}とissue_iid=<抽出したiid>でget_issueを使用
        - create_fileを複数回呼び出して複数のファイルを作成(ファイルごとに1回)
        - create_commitを使用して、わかりやすいコミットメッセージですべてのファイルを一緒にコミット
        - create_merge_requestを使用してMRを作成し、レスポンスからMR URLを取得
        - project_id={{project_id}}、noteable_id=<issue_iid>、body=<MRリンクを含む完全な概要>でcreate_issue_noteを使用
        - ユーザーが簡単にアクセスできるように、コメント本文にMRリンクを必ず含める

      user: |
        Goal: {{user_goal}}
        Project ID: {{project_id}}

        Please complete the following steps（以下の手順を完了してください）:
        1. Extract the issue IID and retrieve full issue details
        2. Analyze the requirements thoroughly
        3. Review the existing codebase structure and patterns
        4. Implement the feature with production-ready code
        5. Create all necessary files (components, APIs, tests, documentation)
        6. Commit all changes with a clear commit message
        7. Create a merge request
        8. Post a detailed summary comment to the issue including the MR link

        1. イシューIIDを抽出し、イシューの詳細を取得
        2. 要件を徹底的に分析
        3. 既存のコードベース構造とパターンをレビュー
        4. 本番環境対応のコードで機能を実装
        5. 必要なすべてのファイルを作成(コンポーネント、API、テスト、ドキュメント)
        6. 明確なコミットメッセージですべての変更をコミット
        7. マージリクエストを作成
        8. MRリンクを含む詳細な概要コメントをイシューに投稿

      placeholder: history
    params:
      timeout: 300

routers:
  - from: "implement_feature"
    to: "end"

flow:
  entry_point: "implement_feature"

このフローの機能: このフローは、AIエージェントがイシュー要件の分析、コードベースのレビュー、ドメイン知識に基づく本番環境対応コードの作成、詳細なサマリー付きマージリクエストの作成まで、機能実装を自動で行います。

完全なドキュメントと例については、以下を参照してください。

フローの実行

フローはGitLabプラットフォームコンピュート上で実行されます。イベント(メンション、割り当て、ボタンクリック)によってトリガーされると、セッションが作成され、フローが実行を開始します。

利用可能な環境変数

フローは、トリガーとGitLabオブジェクトに関するコンテキストを提供する環境変数にアクセスできます。

  • AI_FLOW_CONTEXT — MR差分、イシュー説明、コメント、ディスカッションスレッドを含むJSON形式のコンテキスト
  • AI_FLOW_INPUT — フローをトリガーしたユーザーのプロンプトまたはコメントテキスト
  • AI_FLOW_EVENT — フローをトリガーしたイベントタイプ(mention、assign、assign_reviewer)

これらの変数により、フローは何がトリガーしたかを理解し、関連するGitLabデータにアクセスしてタスクを実行できます。

マルチエージェントフロー

カスタムフローには、順次連携する複数のエージェントコンポーネントを含めることができます。フローのYAML設定は次を定義します。

  • コンポーネント: 1つ以上のエージェント（AgentComponent）または決定論的ステップ
  • ルーター: コンポーネント間のフローを定義(例: コンポーネントAからコンポーネントBから終了へ）
  • プロンプト: 各エージェントの動作とモデルを設定

たとえば、コードレビューフローには、セキュリティエージェント、次に品質エージェント、次に承認エージェントがあり、ルーターがそれらを順番に接続します。

フロー実行の監視

プロジェクトで実行中のフローを表示するには:

  1. 自動化 → セッションに移動します。
  2. 任意のセッションを選択して詳細を表示します。
  3. 詳細タブにCI/CDジョブログへのリンクが表示されます。

セッションには、ステップバイステップの進行状況、ツール呼び出し、推論、意思決定プロセスを含む詳細情報が表示されます。

フローを使用するタイミング

  • 複雑な複数ステップのタスク
  • バックグラウンド自動化
  • イベント駆動ワークフロー
  • 複数ファイルの変更
  • 時間がかかるタスク
  • 自動レビュー/チェック

次のステップ

フローの概念、作成方法、エージェントとの使い分けを理解しました。次に、パート5: AIカタログで組織全体でエージェントとフローを検索、作成、共有する方法を学びます。AIカタログを活用して、利用可能なフローとエージェントの閲覧、プロジェクトへの追加、独自コンテンツの公開を行います。

関連リンク

次へ: パート5: AIカタログ

前へ: パート3: エージェントを理解する

]]> Itzik Gan Baruch https://about.gitlab.com/blog/authors/itzik-gan baruch 2026-01-14T00:00:00.000Z <![CDATA[Monday Merge 1月号：新しい年、よりスマートなプラットフォーム、そしてインテリジェントなソフトウェアデリバリーの次なる展開]]> https://about.gitlab.com/ja-jp/blog/monday-merge-2026-january-12/ 2026-01-12T00:00:00.000Z GitLabコミュニティの皆さん、2026年最初のMonday Mergeへようこそ。今回も最新情報をお届けします！

新しい年は、いつも新たな勢いをもたらしてくれます。そして今年も力強いスタートを切っています。今回はGitLab 18.7のリリースを皮切りに、スケールした環境で真のDevSecOpsのスピードを実現しているカスタマーストーリー、今月すぐに参加できるオープンソースハッカソン、そして2026年に向けて開発者チームやAI主導の組織が備えるべきテーマを考えさせてくれる読み物をいくつかご紹介します。さっそく始めましょう！🚀🚀🚀🚀🚀

GitLab 18.7が登場

GitLab 18.7が登場

GitLab 18.7は、インテリジェントでオーケストレーションされたソフトウェアデリバリーという私たちのビジョンをさらに前進させます。開発、運用、セキュリティにまたがる実用的な機能により、統制を強化し、一貫性を高め、チームがAIをワークフローに統合する際の安心感を高めます。

このリリースでは、18.8で予定されているGitLab Duo Agent Platformの一般提供に向けた重要な基盤が追加されています。Custom Flowsによる新しい自動化機能により、チームはYAMLベースの複数ステップからなる再利用可能なワークフローを定義できるようになりました。これにより、重要なイベントが発生した際に、エージェントがパイプラインの失敗を診断したり、依存関係を更新したり、ポリシーチェックを自動で実行したりできます。

セキュリティチームにとっては、AIによるSASTの誤検出判定が大きな価値をもたらします。実際のリスクをより迅速に可視化し、ノイズのトリアージに費やす時間を削減します。また、Custom Agent Versioningにより、エージェントやフローを特定のバージョンに固定できるようになり、AIを活用したワークフローに必要な安定性とコントロールが実現します。

さらに、新たにData Analyst Agentを導入しました。自然言語と再利用可能なクエリを使ってGitLabのデータを簡単に探索でき、ダッシュボードや手動のクエリ作成なしでインサイトを得ることができます。加えて、管理者が組織全体で利用可能な基盤エージェントを制御できる、きめ細かな設定も用意されています。

CI/CDの分野では、動的入力選択により、直感的なドロップダウンを使ってパイプライントリガーを簡素化しました。また、CI/CD Catalogの公開に新たなガードレールを設けることで、エンタープライズチームが信頼できる再利用可能コンポーネントのエコシステムを維持しやすくなっています。マージリクエスト承認ポリシー向けのWarn Modeにより、デリバリーを止めることなくポリシーの導入や改善を行えるようになり、段階的な適用が可能になりました。

これらの機能が今後どこへ向かうのかを知りたい方は、2026年2月10日に開催されるグローバルローンチイベントにぜひご参加ください。GitLabをインテリジェントなオーケストレーションプラットフォームとして体現するビジョンを、ライブでお届けします。インテリジェントなDevSecOpsワークフローの実演に加え、AIによってコーディングは高速化される一方で、ソフトウェアライフサイクル全体では遅延が生じる可能性がある、いわゆる「AIパラドックス」にチームがどのように向き合い、フローを維持しているのかをご紹介します。

18.7の主なハイライト：

  • エージェントオーケストレーションのためのCustom Flows
    YAMLベースの複数ステップワークフローを定義し、エージェントが失敗の診断、問題修正、ポリシーチェック、チームへの通知を自動で連携して実行します。
  • カスタムエージェントとフローのバージョン固定
    エージェントを特定のバージョンに固定することで、破壊的変更を防ぎ、安全なテスト、段階的アップグレード、本番環境の安定性を支援します。
  • AI支援によるSAST誤検出判定
    誤検知の可能性が高いものを早期に特定し、セキュリティノイズを削減。パイプラインとマージリクエスト間で脆弱性の状態を一貫して管理できます。
  • GitLabインサイト向けData Analyst Agent
    GitLabデータについて自然言語で質問し、即座に回答、生成されたクエリ、再利用可能なインサイトを取得できます。
  • マージリクエスト承認ポリシーのWarn Mode
    マージをブロックせずにポリシーを導入または改善でき、全体適用前に影響を評価できます。

🔗 リリースノート全文はこちら

カスタマースポットライト Ericsson社

カスタマースポットライト Ericsson社

今月のカスタマースポットライトでは、世界中の通信事業者が利用するミッションクリティカルなOSSおよびBSSシステムを、より迅速かつ信頼性高く提供しているEricsson社をご紹介します。

GitLab Premiumに標準化し、GitOpsベースのデリバリーを実現したことで、Ericsson社はデプロイ時間を50%短縮し、わずか6か月で13万時間以上を削減しました。テストカバレッジは10倍に増加し、これまで数か月かかっていた作業が数週間で完了するようになっています。しかも、ダウンタイムが直接収益に影響するシステムに求められる信頼性を損なうことはありません。

Ericsson社 OSS BSSのソフトウェアオートメーションおよびサポート責任者であるDaniel Costa Soares氏は、GitLabが可能にする高速なデプロイが、市場のスピードに合わせてイノベーションを届けることを可能にし、ビジネス成長に直結していると述べています。

ツールの集約、自動化の強化、エンドツーエンドの可視性が、開発者体験と顧客成果の双方をどのように変革できるかを示す力強い事例です。

🔗 ストーリー全文はこちら

近日開催イベント GitLab Hackathon

近日開催イベント GitLab Hackathon

年初に実践的な取り組みを始めたい方には、1月22日から1月29日まで開催されるGitLab Hackathonがおすすめです。

この1週間のオンラインイベントは誰でも参加可能で、GitLabエコシステム全体でのコラボレーション、学習、貢献に焦点を当てています。コーディング、ドキュメント改善、翻訳、UXやデザインへの参加など、どんな形でもマージされたマージリクエストはすべてカウントされます。

ポイントを獲得し、プロフィール実績を解除し、グローバルなオープンソースコミュニティと協力できます。GitLabに貢献してみたいと思っていた方にとって、最初の一歩として最適な機会です。

🔗 参加はこちらから

注目の読み物

注目の読み物

2026年のスタートにあたり、開発者チームやAI主導の組織が次に備えるべきテーマを見据えた記事を2本ご紹介します。

Bob Stevensによる”The year AI moves from pilots to practice: Three predictions for government in 2026” では、政府機関がAIのパイロット段階から実運用へ進んでいる様子が描かれています。AIを活用したモダナイゼーションにより、数年規模のレガシーシステム変革が数か月の集中スプリントへと変わり、セキュリティは事後対応から予防型へ移行し、組織全体でソフトウェアを構築できる人の幅が広がると指摘しています。

📖 Federal News Networkの記事を読む

一方、Michelle Gillによる*”The Hidden Truths About Building and Retaining GenAI Teams”* では、AIイノベーションの人間的側面に焦点を当てています。優れたAI人材を採用することは出発点にすぎず、明確な意思決定フレームワーク、迅速な実行、そしてチームが価値ある課題に取り組める環境こそが、この分野に求められるスピードで成果を出し続ける鍵であると述べています。

2026年に向けて、責任ある形でAIをスケールさせたいと考えている方にとって、どちらも読む価値のある内容です。

年の始まりに寄せて

今年最初のMonday Mergeの締めくくりに、新たな挑戦と機会に向き合うチームにとって特に心に響く言葉をご紹介します。

「結束は力です。チームワークとコラボレーションがあれば、素晴らしいことが成し遂げられます」
マティー・ステパネク

これからの一年も、ともに築き、ともに学び、素晴らしいものを届けていきましょう。お読みいただきありがとうございました。そして、いつものようにHappy Merging!

Fatima Sarah Khalid
Developer Advocate, GitLab

このニュースレターが気に入ったら、ぜひチームに転送してください！
そして、👉 YouTubeチャンネルの登録もお忘れなく

]]> GitLab Japan Team https://about.gitlab.com/blog/authors/gitlab-japan team 2026-01-12T00:00:00.000Z <![CDATA[GitLabを少ない工数で冗長化して安定運用を実現する ～HAクラスターソフトウェア「LifeKeeper」による冗長化～]]> https://about.gitlab.com/ja-jp/blog/gitlab-high-availability-with-lifekeeper-hacluster/ 2025-12-19T00:00:00.000Z 編集部注：私たちは時折、パートナーコミュニティのメンバーにGitLabブログへの寄稿をお願いしています。今回は、サイオステクノロジー株式会社の西下容史氏に寄稿いただきました。

当ブログは、GitLabを運用されている方を対象にしています。開発の中核を担うGitLabは、何らかの障害（例えばサーバーの停止やGitLab自体の停止など）が原因で止まってしまうと、開発業務に大きな影響が出てしまいます。このためGitLabには「止まらない仕組み」が求められています。
このブログでは、GitLabの止まらない仕組みを、直感的なGUIが用意されたHAクラスター製品による冗長化構成で実現する方法が紹介されています。

開発を止めないために：GitLabの冗長化を考える

GitLabの停止が開発チームに与える影響

GitLabをSelf-Managed版で運用されている企業のインフラ担当者やDevOpsエンジニアの皆さん、GitLabの可用性について不安を感じたことはありませんか？

特に金融系・公共系企業では、セキュリティやコンプライアンスの観点から自社環境でGitLabを運用するケースが増えています。しかし、GitLabが障害で停止してしまうと、開発チーム全体の業務が止まり、システムやサービスのリリースに遅れが発生するなど、ビジネスへの影響は計り知れません。

バージョン管理、CI/CD、課題管理といった開発の中核を担うGitLabだからこそ、「止まらない仕組み」が求められています。

HAクラスター構成による高可用性の実現

このような課題に対する有効な解決策が、HAクラスター構成によるGitLabの冗長化です。稼働系と待機系のノードを用意し、障害発生時には自動的に切り替えることで、最小限のダウンタイムでサービスを継続できます。

本記事では、世界で9万ライセンス以上の導入実績を持つHAクラスター製品「LifeKeeper for Linux」を使用した、GitLabの冗長化構成を具体的にご紹介します。Amazon EC2環境でのAZ跨ぎ構成を例に、データ共有の仕組み、障害監視とフェイルオーバーの自動化、そして直感的なGUI操作による管理方法まで、実際の検証結果に基づいて解説していきます。

開発を止めないインフラ基盤の構築を検討されている方は、ぜひ最後までお読みください。

GitLabとは：開発基盤に求められる高可用性

GitLabは、分散型バージョン管理システムの「Git」を利用したDevSecOpsプラットフォームであり、世界中で多くの企業に採用されています。ファイルのバージョン管理、課題管理、CI/CDパイプラインなど、ソフトウェア開発に必要な機能を統合的に提供します。

GitLabが停止したときの影響

GitLab停止時の影響範囲

GitLabが停止すると、以下のような影響が即座に発生します：

- 開発作業の停止: コードのプッシュ・プル、マージリクエストのレビューができなくなる

  • CI/CDの停止: ビルド、テスト、デプロイといった自動化ワークフローが機能しなくなる
  • コラボレーションの遮断: 課題管理やプロジェクト管理機能が使えず、チーム間の連携が途絶える
  • 緊急対応の不可: 本番環境のバグフィックスやセキュリティパッチ適用ができない

停止時間が数時間に及べば開発計画が大幅に狂い、1日以上の停止は経営層への報告事項となる深刻なビジネスインパクトをもたらします。

Self-Managed版GitLabにおける冗長化の必要性

GitLabには、SaaS版とSelf-Managed版の2つが提供されています。Self-Managed版は自社で用意した環境（IaaSやオンプレミス）にセットアップして利用するため、可用性の担保は利用者側の責任となります。

特に開発チームの規模が大きい場合や、ミッションクリティカルなシステム開発を行っている場合は、障害発生を前提とした冗長化構成が不可欠です。予め待機系ノードを用意しておき、障害発生時には自動的に稼働系から待機系に切り替えることで、最小限のダウンタイムでの復旧が実現できます。

冗長化を実現する技術要素

GitLabの停止リスクに対する有効な解決策が、HAクラスター構成による冗長化です。ここでは、高可用性を実現するための技術要素と、その中核を担う「LifeKeeper for Linux」について解説します。

HAクラスター構成の基本的な考え方

HAクラスター構成では、稼働系（Active）と待機系（Standby）の2つのノードを用意します。通常時は稼働系でGitLabが動作し、障害が発生した際には自動的に待機系へ切り替わることで、サービスの継続性を確保します。

この仕組みにより、ハードウェア障害やソフトウェア障害が発生しても、数分程度のダウンタイムでGitLabを復旧できます。重要なのは、待機系が常にスタンバイ状態にあり、稼働系のデータをリアルタイムで同期していることです。これにより、切り替え時にもデータの一貫性が保たれ、開発者は障害発生前とほぼ同じ状態で作業を継続できます。

LifeKeeper for Linuxとは

LifeKeeper for Linuxは、サイオステクノロジーが提供するHAクラスター製品で、全世界で9万ライセンス以上の導入実績を持つ信頼性の高いソリューションです。Linux環境におけるアプリケーションの高可用性を実現するために設計されており、GitLabのような重要なDevSecOpsプラットフォームの保護に最適です。

LifeKeeperの大きな特徴は、アプリケーションレベルでの可用性担保を実現できる点です。単にサーバーの冗長化を行うだけでなく、GitLabというアプリケーション自体を監視し、異常を検知した際には自動的にフェイルオーバーを実行します。

冗長化構成を支える3つの技術要素

LifeKeeperによる冗長化構成は、以下の3つの技術要素で構成されています。

1. データ同期とレプリケーション

LifeKeeperの製品ラインナップである「DataKeeper」は、ローカルディスク（Amazon EC2環境ではEBS）をブロックレベルでリアルタイム同期します。これにより、共有ストレージを使用せずに論理的な共有ディスクを実現できます。稼働系で発生したデータの変更は即座に待機系へ反映されるため、フェイルオーバー時にもデータの整合性が保たれます。

2. 多層的な障害監視

LifeKeeperは2種類の障害監視を並行して実行します。1つ目は、クラスターノード間の相互ハートビート通信によるノード自体の障害監視です。2つ目は、稼働系で動作するGitLabなどのソフトウェアの障害監視です。この多層的な監視により、ハードウェア障害とソフトウェア障害の両方を確実に検知できます。

3. 自動フェイルオーバー機能

障害を検知すると、LifeKeeperは自動的にフェイルオーバーを実行します。待機系ノードでGitLabを起動し、アクセス経路を切り替えることで、サービスを継続します。この一連のプロセスは自動化されているため、深夜や休日に障害が発生した場合でも、管理者の手動介入なしに復旧が完了します。

自動フェイルオーバーがもたらすメリット

自動フェイルオーバーの最大のメリットは、復旧時間の短縮です。手動での復旧作業では、障害の検知、原因の特定、復旧手順の実行に多くの時間がかかりますが、自動フェイルオーバーであれば数分以内に復旧が完了します。
また、人的ミスのリスクも排除できます。緊急時の手動作業では、手順の誤りや設定ミスが発生しがちですが、事前に設定された自動プロセスであれば、確実かつ一貫した復旧が可能です。
さらに、24時間365日の監視体制を人的リソースだけで維持するのは困難ですが、自動フェイルオーバーがあれば、深夜や休日でもシステムが自律的に障害対応を行います。これにより、運用担当者の負担を大幅に軽減できます。

クラウド環境での冗長化にも対応

LifeKeeperは、Amazon EC2などのクラウド環境での冗長化にも対応しています。標準機能として「Recovery Kit for Route53」や「Recovery Kit for EC2」が提供されており、クラウド特有のネットワーク構成にも柔軟に対応できます。これにより、オンプレミス環境だけでなく、IaaSを利用したSelf-Managed版GitLabの冗長化も実現可能です。

GitLabのHAクラスター構成

それでは、LifeKeeper for Linuxを使ってどのようにGitLabを冗長化するのかを見てみましょう。

今回当社では、Amazon EC2環境でAZを跨いだ冗長化構成を検証しました。下記の図は検証構成の概念図です。

GitLabのHAクラスター構成

管理クライアントからはRoute53による名前解決でActive側のクラスターノードへのアクセスを実現しています。LifeKeeper for Linuxの標準機能の「Recovery Kit for EC2」を使うことで、スクリプト開発を行わずにGUI上でクラスターのアクセス制御を容易に設定できます。
[参考]
今回の検証ではElastic IPによる制御による名前解決を使用しましたが、LifeKeeperは製品の標準機能で下記の方式に対応しています。
→『LifeKeeper』によるAmazon EC2の冗長化構成の例

  • Recovery Kit for Route53：Route53の名前解決およびクラスターの切り替わり時にAレコードを書き換えて、名前解決した実IPに向けて通信する方式
  • Recovery Kit for EC2：
    • Elastic IPをActiveノードのENIに割り当てることで、外部からActiveノードへの接続を可能にする方式
    • CIDRの外を指す仮想IPに向けて通信し、クラスターの切り替わり時にルートテーブルの送信先が仮想IPのターゲットを書き換えて通信する方式

データ共有

前述の通り、クラスターノード間のデータ共有には「DataKeeper」を使用しています。本検証では、EBSをブロックレベルでリアルタイム同期することで、論理的な共有ディスクを実現しました。

障害監視とフェイルオーバー

LifeKeeperは下記の2種類の障害監視を並行して行っており、障害が検知されると自動的に待機系に切り替え（フェイルオーバー）て復旧を実現します。

  1. 相互のハートビート通信によるノードの障害の監視
  2. Active側の監視対象のソフトウェアの障害の監視

上記の2.については、今回の検証ではQSP（Quick Service Protection）という機能を使っています。QSPはserviceのstatus/stop/startを使って簡易的にソフトウェアを監視や切り替えて保護できる機能です。
[参考]
今回の検証ではソフトウェアの保護にQSPを使用しましたが、LifeKeeperは他に下記の2つの方式に対応しています。

  • Application Recovery Kit：SIOSが開発した制御スクリプトのラインナップを使う方式
  • Generic ARK：ユーザーが開発した制御スクリプトをLifeKeeperに組み込んで使う方式

直感的な操作を実現するWebGUI

LifeKeeperには直感的な操作を実現するWebGUIが標準機能として提供されています。GitLabのプログラムやファイルシステムなど、各保護対象をクラスターリソースとして登録し、依存関係（起動や停止させる時に他のクラスターリソースを道連れにするかしないか）もツリー構造で直感的かつ効率的に設定できます。

＜クラスターの切り替え前＞

直感的な操作を実現するWebGUI - クラスターの切り替え前

＜クラスターの切り替え後＞

直感的な操作を実現するWebGUI - クラスターの切り替え後

手順の詳細はぜひ検証レポートをご覧ください。下記からダウンロード頂けます。

https://mk.sios.jp/lifekeeper-gitlab-report_l

まとめとHAクラスター製品「LifeKeeper」について

ここまでご覧頂きました通り、開発の中核を担うGitLabには「止まらない仕組み」が求められています。このためには、GitLabの障害を自動的に検知・復旧し、安定した運用が求められます。こうした冗長化構成を、直感的なWebのGUI上で容易に構築できるのが「LifeKeeper」なのです。

「LifeKeeper」は、サイオステクノロジーが提供する全世界で9万ライセンス以上の導入実績があるHAクラスター製品です。「LifeKeeper」を導入することで、アプリケーションレベルでの可用性担保の実現に加えて、データレプリケーション製品の「DataKeeper」と組み合わせることで共有ストレージを使用せずクラウド上でシステムを冗長化させ、システム全体の可用性が高められます。
詳細情報は、https://bccs.sios.jp/lifekeeper/ をご覧ください。

サイオステクノロジーについて

サイオステクノロジーは、Linuxに代表されるオープンソースソフトウェアを活用したシステムインテグレーションを原点とし、自社開発ソフトウェアおよびSaaSの販売とサービスを行っています。直近では、クラウドをはじめとするDXの技術領域に注力し、AIの活用支援や次世代を支える製品とサービスを提供しています。これからも革新的なソフトウェア技術を追求し、世界のIT産業に影響力のある存在となって価値を創造し、社会の発展に貢献してまいります。
詳細情報は、https://sios.jp をご覧ください。

]]> Tsukasa Komatsubara https://about.gitlab.com/blog/authors/tsukasa-komatsubara Hiroshi Nishishita, SIOS Technology, Inc. https://about.gitlab.com/blog/authors/hiroshi-nishishita, sios technology, inc. 2025-12-19T00:00:00.000Z <![CDATA[GitLab 18.7リリース]]> https://about.gitlab.com/ja-jp/blog/gitlab-18-07-release/ 2025-12-18T00:00:00.000Z 本ブログは、GitLab 18.7 Releaseの抄訳です。内容に相違がある場合は、原文が優先されます。

GitLab Duo分析ダッシュボードの改善とシークレット有効性チェック機能を搭載したGitLab 18.7をリリース

このたび、GitLab 18.7をリリースしました。今回のリリースでは、GitLab Duo分析ダッシュボードの改善、シークレット有効性チェックの強化、チャットとエージェント向けのモデル選択機能など、さまざまな機能が追加されました。

これらの機能は、今回のリリースに含まれる25項目以上の改善点のほんの一部です。この記事では、お役に立つアップデートをすべてご紹介していますので、ぜひ最後までお読みください。

GitLab 18.7には、GitLabコミュニティのユーザーから169件ものコントリビュートがありました。ありがとうございました！GitLabは誰もがコントリビュートできるプラットフォームであり、今回のリリースはユーザーのみなさまの協力なしには実現しませんでした。

来月のリリースで予定されている内容を先取りするには、What’s newページをご覧ください。

GitLab 18.7では、GitLab Duo分析ダッシュボードの改善とシークレット有効性チェックの強化を実現しました。

クリックしてSNSで共有しましょう！

notable-contributor-logo

今月の注目コントリビューターはDavid Anieboさんです

Davidさんは、GitLabのプロダクトプランニング機能とコントリビュータープラットフォームに大きく貢献されました。特に作業アイテムリスト機能の改善では、技術的な専門知識と優れたユーザーエクスペリエンス設計を発揮。この改善により、数千人ものGitLabユーザーがプロジェクトの計画や作業アイテムの管理をより効率的に行えるようになりました。

コードの貢献だけでなく、Davidさんはコントリビュータープラットフォーム全体のサポート役としても活躍され、コミュニティの体験向上に尽力されています。その協力的な姿勢と迅速な対応は、多くのチームメンバーから高い評価を得ています。

Product PlanningのEngineering ManagerであるNick Brandtは次のように述べています。「Davidさんには、Product Planningグループの複数のプロジェクトで素晴らしい貢献をいただき、心から感謝しています」

Davidさん、貴重なコントリビュートとコミュニティへの積極的な参加、ありがとうございます。これからもよろしくお願いします。

GitLab 18.7でリリースされた主な改善点

シークレット有効性チェックが改善され一般提供開始に

GitLab.com: Ultimate
Self-Managed: Ultimate
GitLab Dedicated: Ultimate

リポジトリから有効なシークレットが漏洩した場合、迅速な対応が求められます。有効性チェック機能は、漏洩した認証情報がまだ使用可能かどうかを自動検証し、緊急度の高い脅威への優先対応をサポートします。

GitLab 18.7での改善点：

ベンダー統合の拡大：Google Cloud、AWS、Postmanとの統合を追加。既存のGitLabトークンサポートも継続。

レポートフィルタリングの強化：有効性ステータス（アクティブ、非アクティブ、おそらくアクティブ）でフィルタリングが可能になり、シークレット検出結果のトリアージと優先順位付けが迅速に。

グループレベルAPI：単一のAPI呼び出しでグループ内すべてのプロジェクトの有効性チェックを有効化でき、組織全体への展開が効率的に。

本リリースで有効性チェックが一般提供開始となりました。

ドキュメント
エピック

Agentic Chatとエージェント向けの個別モデル選択

GitLab.com: Premium、Ultimate、Duo Pro、Duo Enterprise
Self-Managed: Premium、Ultimate、Duo Pro、Duo Enterprise
GitLab Dedicated: Ultimate、Duo Pro、Duo Enterprise

トップレベルグループまたはインスタンスごとに、Agentic Chatとその他のエージェントで異なるモデルを選択できるようになりました。GitLab Duo Agent Platformでより柔軟なモデル運用が可能です。

ドキュメント

イシュー

GitLab DuoとSDLCトレンドダッシュボードの改善

GitLab.com: Premium、Ultimate、Duo Core、Duo Pro、Duo Enterprise
Self-Managed: Premium、Ultimate、Duo Core、Duo Pro、Duo Enterprise
GitLab Dedicated: Ultimate、Duo Core、Duo Pro、Duo Enterprise

GitLab DuoとSDLCトレンドダッシュボードでは、ソフトウェアデリバリーへのGitLab Duoの影響を測定する分析機能が大幅に強化されました。GitLab Duo機能の採用状況、パイプラインのパフォーマンス、デプロイ頻度、マージまでの平均時間といった主要な開発指標について、6か月間のトレンド分析が可能になりました。

GitLab Duoコード提案のコード生成量やIDEおよび言語別の利用傾向を追跡できるほか、チームによる新しいGitLab Duo Agent Platformフローの採用状況も確認できます。ユーザーレベルの詳細な指標により、チームに継続的な価値をもたらす主要Duo機能について、より深い洞察が得られます。

インスタンス管理者向けに、Postgres（3か月保持）またはClickHouseからすべてのDuoデータを抽出できる、インスタンスレベルのAI使用状況エンドポイントが新たに利用可能になりました。

ClickHouse統合を活用した本ダッシュボードは、数百万のデータポイントに対してサブセコンドのクエリパフォーマンスを実現します。Self-Managedインスタンスをご利用の場合は、改善されたClickHouse統合の推奨事項と設定ガイドをご参照ください。

ドキュメント
エピック

DAP_flow_metrics_dashboard

Planner Agentの新機能がベータ版で利用可能に

GitLab.com: Premium、Ultimate、Duo Core、Duo Pro、Duo Enterprise
Self-Managed: Premium、Ultimate、Duo Core、Duo Pro、Duo Enterprise
GitLab Dedicated: Ultimate、Duo Core、Duo Pro、Duo Enterprise

Planner Agentに作成機能と編集機能がベータ版として追加されました。Planner Agentは、プロダクトマネージャーの業務をGitLab内で直接サポートする基盤エージェントです。作業アイテムの作成、編集、分析が行えます。

更新の手動追跡、作業の優先順位付け、計画データの集約といった作業から解放され、Planner Agentがバックログ分析、RICEやMoSCoWなどのフレームワーク適用、優先的に対処すべき項目の抽出をサポートします。計画ワークフローを理解し、より良い意思決定を効率的に行うための、頼れるチームメイトのような存在です。

フィードバックはイシュー576622までお寄せください。

ドキュメント
イシュー

planner_agent_beta

CI/CDパイプラインでの動的入力オプション

GitLab.com: Free、Premium、Ultimate
Self-Managed: Free、Premium、Ultimate
GitLab Dedicated: Ultimate

直感的なWebインターフェイスからパイプラインを作成する際、動的入力選択を活用できるようになりました。

動的入力オプションでは、前の選択内容に基づいて次の選択肢が自動更新されるよう設定できます。たとえば、最初のドロップダウンリストで選択した項目に関連する選択肢が、2番目のドロップダウンリストに自動表示されます。

CI/CDインプットでできること：

  • 事前設定された入力値でパイプラインをトリガーし、エラーを削減してデプロイを効率化
  • ドロップダウンメニューからデフォルト以外の入力値をユーザーが選択可能に
  • 前の選択に応じて選択肢が動的に更新されるカスケード式ドロップダウンリスト

この動的機能により、パイプライン作成をガイドする、よりインテリジェントでコンテキストに応じた入力設定が可能になり、エラーを削減しつつ有効な入力の組み合わせのみを選択できます。

ドキュメント
エピック

AIによるSAST誤検出判定（ベータ版）

GitLab.com: Ultimate、Duo Core、Duo Pro、Duo Enterprise
Self-Managed: Ultimate、Duo Core、Duo Pro、Duo Enterprise
GitLab Dedicated: Ultimate、Duo Core、Duo Pro、Duo Enterprise

セキュリティチームは、SAST検出結果が誤検出かどうかの調査に多くの時間を費やし、実際に注意を向けるべきセキュリティリスクへの対応が遅れがちです。

GitLab 18.7では、本当に重要な脆弱性に集中できるよう、AIを活用したSAST誤検出判定機能を導入しました。セキュリティスキャン実行時、GitLab Duoが重大度「致命的」および「高」のSAST脆弱性を自動分析し、誤検出の可能性を判定します。

AI評価結果は脆弱性レポートに直接表示されるため、セキュリティエンジニアは即座にコンテキストを把握でき、より迅速かつ確信を持ったトリアージ判断が可能になります。

主な機能：

自動分析：各セキュリティスキャン後、手動トリガー不要で誤検出判定が自動実行されます。

手動トリガーオプション：脆弱性詳細ページから個別の脆弱性に対してオンデマンドで誤検出判定を実行可能。

高影響度の検出結果に特化：重大度「致命的」および「高」の脆弱性に範囲を限定し、シグナル対ノイズ比の改善を最大化。

コンテキスト対応のAI推論：コードコンテキストと脆弱性特性に基づき、真陽性である可能性とその理由を説明。

シームレスなワークフロー統合：既存の重大度、ステータス、修復情報と並んで、脆弱性レポート内に結果を直接表示。

本機能はUltimateのお客様向けの無料ベータ版で、グループまたはプロジェクト設定での有効化が必要です。フィードバックはイシュー583697までお寄せください。

ドキュメント
エピック

sast-false-positive-detection

セキュリティダッシュボードのデフォルト有効化

GitLab.com: Ultimate
Self-Managed: Ultimate
GitLab Dedicated: Ultimate

セキュリティダッシュボードが刷新され、モダンなインターフェイスに生まれ変わりました。これまでGitLab.comで提供されていた新ダッシュボードが、GitLab DedicatedおよびGitLab Self-Managedでもデフォルトで有効になります。

新機能：

時系列での脆弱性チャート

  • プロジェクトまたはレポートタイプでのフィルタリング
  • レポートタイプと重大度によるグループ化
  • 脆弱性レポートへの直接リンク

リスクスコアモジュール

  • GitLabアルゴリズムに基づき、グループまたはプロジェクトの推定リスクを算出

新ダッシュボードの利用にはElasticSearchが必要です。

ドキュメント
エピック

security_dashboards

CI/CDカタログへのコンポーネント公開を制御するインスタンス設定

Self-Managed: Premium、Ultimate
GitLab Dedicated: Ultimate

GitLab Self-ManagedおよびGitLab Dedicatedの管理者は、CI/CDカタログへのコンポーネント公開が可能なプロジェクトを制限できるようになりました。この設定により、公開コンポーネントを制御し、信頼性の高い厳選されたCI/CDカタログを維持できます。

管理者はコンポーネント公開権限を持つプロジェクトの許可リストを指定可能です。許可リストにプロジェクトを登録すると、それらのプロジェクトのみがコンポーネントを公開できます。未承認のコンポーネントが公開リストに混入するのを防ぎ、すべてのコンポーネントが組織の基準とセキュリティ要件を満たすことを保証します。

これは、チームが承認済みコンポーネントを検出・再利用できる環境を維持しながら、CI/CDコンポーネントエコシステムを適切に管理したいエンタープライズのお客様にとって、重要なガバナンス機能です。

ドキュメント
エピック

Publication_1

GitLab 18.7のその他の改善点

見出しアンカーリンクのアクセシビリティ向上

GitLab.com: Free、Premium、Ultimate
Self-Managed: Free、Premium、Ultimate
GitLab Dedicated: Ultimate

見出しアンカーリンクが、対応する見出しと同じテキストで読み上げられるようになり、スクリーンリーダー利用者の使いやすさが向上しました。また、リンクが見出しテキストの後に配置されるようになったため、視覚的にもすっきりとした見た目になっています。

これらの改善により、ドキュメントやイシューなどのコンテンツで、特定のセクションを見つけてアクセスすることが、すべての利用者にとって簡単になりました。

ドキュメント
イシュー

マージリクエストで子パイプラインのレポートを確認

GitLab.com: Free、Premium、Ultimate
Self-Managed: Free、Premium、Ultimate
GitLab Dedicated: Ultimate

親子構造のCI/CDパイプラインを使用しているチームでは、テスト結果やコード品質レポート、インフラの変更内容を確認するために、複数のパイプラインページを行き来する必要があり、マージリクエストのレビュー作業が中断される問題がありました。

今回のアップデートで、マージリクエストのページから離れることなく、ユニットテスト、コード品質チェック、Terraformプラン、カスタムメトリクスなど、すべてのレポートを一か所で確認・ダウンロードできるようになりました。

これにより画面の切り替えが不要になり、マージリクエストの処理がスピードアップします。品質を維持しながら、機能をより速く提供できるようになります。

ドキュメント
エピック

view-testreports-from-child-pipeline

マージリクエスト承認ポリシーに警告モードを追加

GitLab.com: Ultimate
Self-Managed: Ultimate
GitLab Dedicated: Ultimate

セキュリティチームは、新しい警告モードを使ってセキュリティポリシーの影響を事前にテスト・検証してから本格導入したり、段階的にセキュリティ施策を展開したりできるようになりました。警告モードを使うことで、開発者への影響を最小限に抑えながら、検出された脆弱性への対応を確実に行えます。

マージリクエスト承認ポリシーの作成・編集時に、warnまたはenforceの実施モードを選択できるようになりました。

警告モードのポリシーでは、マージリクエストをブロックせずに、情報提供のためのボットコメントが生成されます。ポリシーについて質問がある場合の連絡先として、任意の承認者を指定することもできます。このアプローチにより、セキュリティチームはポリシーの影響を評価し、透明性の高い段階的な導入を通じて開発者との信頼関係を構築できます。

マージリクエスト上では、ポリシーがwarnかenforceモードかが明確に表示されます。また、監査イベントでポリシー違反とその却下が記録されるため、コンプライアンスレポートにも活用できます。デベロッパーは、スキャン結果やライセンスポリシー違反について却下理由を記載することでバイパスでき、開発チームとセキュリティチームの間で建設的なフィードバックループが生まれます。

プロジェクトのデフォルトブランチでポリシー違反が検出された場合、プロジェクトおよびグループの脆弱性レポートに、違反している脆弱性が表示されます。プロジェクトの依存関係リストにも、ライセンスコンプライアンスポリシー違反を示すバッジが表示されます。

また、APIを使用して、プロジェクトのデフォルトブランチにおけるポリシー違反の絞り込みリストを取得することもできます。

ドキュメント
エピック

warn-mode-ga-toggle

コンプライアンス違反のフィルタリングとコメント機能

GitLab.com: Ultimate
Self-Managed: Ultimate
GitLab Dedicated: Ultimate

コンプライアンス違反レポートでは、組織内のすべてのプロジェクトで発生したコンプライアンス違反を一か所で確認できます。このレポートには、コントロール違反や関連する監査イベントの詳細情報が表示され、チームが違反のステータスを効果的に追跡できます。

GitLab 18.7では、重要な違反を素早く見つけられる強力なフィルタリング機能を追加しました。以下の条件で絞り込みができます：

  • ステータス
  • プロジェクト
  • コントロール

また、違反の解決に向けて、コメント機能を使ってチーム内で直接協力できるようになりました。違反レコード内で、次のことが可能です：

  • 調査担当者をタグ付け
  • 対応方法について議論
  • 調査結果を記録

これらの機能により、コンプライアンス違反レポートが単なる一覧表示から、チームが協力して違反を発見・分析・解決できる動的なプラットフォームへと進化しました。

ドキュメント
イシュー
イシュー

Self-Managedでのトライアル体験を改善

Self-Managed: Ultimate

GitLab Self-ManagedでUltimateのトライアルを利用している方は、左サイドバーから、トライアルの有効状態、残り日数、利用可能な機能、有効期限のお知らせを確認できるようになりました。

これらの改善により、トライアル期間についての疑問が解消され、購入前に有料機能を評価しやすくなります。

ドキュメント
イシュー
イシュー
イシュー

growth_sm_ultimate_trial_widget

AIゲートウェイのタイムアウト設定

Self-Managed: Premium、Ultimate
GitLab Dedicated: Ultimate、Duo Enterprise

GitLab Duo Self-Hostedをご利用の場合、セルフホストモデルへのリクエストに対するタイムアウト値を設定できるようになりました。

設定可能な値は60秒から600秒の範囲です。

ドキュメント
イシュー

AIGW-min

基盤エージェントの利用可否を設定

GitLab.com: Premium、Ultimate
Self-Managed: Premium、Ultimate
GitLab Dedicated: Ultimate

トップレベルグループまたはインスタンスで、どの基盤エージェントを利用可能にするかを制御できるようになりました。

すべての基盤エージェントをデフォルトで有効または無効にしたり、個別のエージェントを切り替えて、組織のセキュリティとガバナンスのポリシーに合わせたりすることができます。

ドキュメント
イシュー

settings_for_foundational_agents

エージェントとフローを管理者に報告

GitLab.com: Premium、Ultimate
Self-Managed: Premium、Ultimate

不適切なコンテンツを見つけた場合、エージェントとフローをインスタンス管理者に報告できるようになりました。フィードバックを含む報告を送信すると、管理者が問題のあるアイテムを非表示にしたり削除したりできます。

この機能を活用して、組織全体でエージェントとフローを安全に保ちましょう。

ドキュメント
イシュー

report_abuse_for

GitLab Runner 18.7

GitLab.com: Free、Premium、Ultimate
Self-Managed: Free、Premium、Ultimate
GitLab Dedicated: Ultimate

GitLab Runner 18.7もリリースしました。

GitLab Runnerは、CI/CDジョブを実行し、結果をGitLabインスタンスに返す、高度にスケーラブルなビルドエージェントです。GitLab Runnerは、GitLabに含まれるオープンソースの継続的インテグレーションサービスであるGitLab CI/CDと連携して動作します。

新機能：

バグ修正：

すべての変更内容は、GitLab RunnerのCHANGELOGをご覧ください。

ドキュメント
イシューボード

Self-ManagedとDedicated環境で高度な脆弱性管理が利用可能に

GitLab.com: Ultimate
Self-Managed: Ultimate
GitLab Dedicated: Ultimate

高度な脆弱性管理は、すべてのUltimateのお客様がご利用いただけるようになり、以下の機能が含まれます：

  • プロジェクトまたはグループの脆弱性レポートで、OWASP 2021カテゴリー別にデータをグループ化
  • プロジェクトまたはグループの脆弱性レポートで、脆弱性識別子に基づくフィルタリング
  • プロジェクトまたはグループの脆弱性レポートで、到達可能性の値に基づくフィルタリング
  • ポリシー違反のバイパス理由によるフィルタリング

ドキュメント
イシュー

コンプライアンスフレームワークコントロールで正確なスキャンステータスを表示

GitLab.com: Ultimate
Self-Managed: Ultimate
GitLab Dedicated: Ultimate

GitLabのコンプライアンスコントロールは、コンプライアンスフレームワークで使用できます。コントロールは、コンプライアンスフレームワークに割り当てられたプロジェクトの設定や動作に対するチェックです。

以前は、スキャナーに関連するコントロール（SASTが有効かどうかのチェックなど）では、コンプライアンスセンターでコントロールの成功または失敗ステータスが表示される前に、プロジェクトのデフォルトブランチで成功したパイプラインが必要でした。

GitLab 18.7では、この動作を変更し、パイプライン全体のステータスに関係なく、スキャンの完了のみに基づいてコントロールの成功または失敗を表示するようにしました。これにより、コントロールのコンプライアンスステータスが、パイプライン全体が成功したかどうかではなく、セキュリティスキャンが実行されて完了したかどうかを反映するため、混乱が解消されます。

ドキュメント
イシュー

GitLab.comのトライアル期間中にサービスアカウントが利用可能に

GitLab.com: Premium、Ultimate

サービスアカウントがトライアル期間中に利用できるようになり、購入前に自動化および統合ワークフローをテストできるようになりました。

ドキュメント
マージリクエスト

AIエージェントとフローのバージョニング

GitLab.com: Premium、Ultimate
Self-Managed: Premium、Ultimate

プロジェクトでAI Catalogからエージェントまたはフローを有効にすると、GitLabは特定のバージョンに固定するようになりました。

これにより、カタログアイテムが進化しても、AI搭載のワークフローが安定して予測可能な状態を保つことができるため、アップグレード前に新しいバージョンをテストおよび検証できます。

ドキュメント
エピック

minimal_versioning_feature_for_ga

マージリクエストの説明とコメントの両方で高度な検索が利用可能に

GitLab.com: Free、Premium、Ultimate
Self-Managed: Free、Premium、Ultimate
GitLab Dedicated: Ultimate

高度な検索で、マージリクエストの説明とコメントの両方から一致する結果が返されるようになりました。以前は、マージリクエストの説明とコメントを別々に検索する必要がありました。

この改善により、GitLabマージリクエストの検索ワークフローがより効率的かつ包括的になります。

ドキュメント
イシュー

GLQLを活用したData Analyst基盤エージェント（ベータ版）

GitLab.com: Premium、Ultimate、Duo Core、Duo Pro、Duo Enterprise
Self-Managed: Premium、Ultimate、Duo Core、Duo Pro、Duo Enterprise
GitLab Dedicated: Ultimate、Duo Core、Duo Pro、Duo Enterprise

Data Analyst Agentは、GitLabプラットフォーム全体のデータのクエリ、可視化、抽出を支援する専門的なAIアシスタントです。GitLab Query Language（GLQL）を使用してデータを取得および分析し、プロジェクトに関する明確で実用的なインサイトを提供します。

使用例とサンプルプロンプトはドキュメントでご確認いただけます。

このエージェントは現在ベータ版のため、フィードバックイシューまでご意見をお寄せください。改善や今後の方向性についてのインサイトをぜひお聞かせください。

ドキュメント
エピック

IDEでGitLab Duo Chat（Agentic）のAGENTS.mdサポート

GitLab.com: Premium、Ultimate、Duo Core、Duo Pro、Duo Enterprise
Self-Managed: Premium、Ultimate、Duo Core、Duo Pro、Duo Enterprise
GitLab Dedicated: Ultimate、Duo Core、Duo Pro、Duo Enterprise

GitLab Duo Chatが、AIコーディングアシスタントにコンテキストと指示を提供する新しい標準規格であるAGENTS.md仕様をサポートするようになりました。

GitLab Duoのみが利用できるカスタムルールとは異なり、AGENTS.mdファイルは他のAIコーディングツールでも使用できます。これにより、ビルドコマンド、テスト手順、コードスタイルガイドライン、プロジェクト固有のコンテキストが、この仕様をサポートする任意のAIツールで利用可能になります。

IDEのGitLab Duo Chatは、リポジトリ内のAGENTS.mdファイル、ユーザーレベルまたはワークスペースレベルで設定されたファイルから、利用可能な指示を自動的に適用します。モノレポの場合、サブディレクトリにAGENTS.mdファイルを配置することで、異なるコンポーネントに合わせた指示を提供できます。

ドキュメント
イシュー

バグ修正、パフォーマンスの改善、UIの改善

GitLabでは、ユーザーに可能な限り最高の環境をお届けできるよう尽力しています。リリースのたびに、バグを修正し、パフォーマンスを改善し、UIを向上させるためにたゆまぬ努力を続けています。GitLabは、100万人を超えるGitLab.comユーザーをはじめ、GitLabのプラットフォームを利用するすべての人にスムーズでシームレスな体験をお届けすることを約束します。

18.7で提供されたすべてのバグ修正、パフォーマンスの強化、UI改善を確認するには、以下のリンクをクリックしてください。

非推奨

新たに非推奨になった機能、および現在非推奨になっているすべての機能の一覧は、GitLabドキュメントで確認できます。今後の破壊的な変更について通知を受け取るには、破壊的な変更のRSSフィードにサブスクライブしてください。

削除された機能と破壊的な変更

削除されたすべての機能の一覧は、GitLabドキュメントで確認できます。今後の破壊的な変更について通知を受け取るには、破壊的な変更のRSSフィードにサブスクライブしてください。

変更履歴

変更内容をすべて表示するには、次のページから変更履歴を確認してください。

インストール

GitLabを新規にインストールする場合は、GitLabのダウンロードページをご覧ください。

更新事項

更新ページをご覧ください。

ご不明な点がある場合

ご質問やご意見をお聞かせください。本リリースについてご不明な点がある場合は、GitLabフォーラムにアクセスして質問を投稿してください。

GitLabサブスクリプションプラン

  • Free ユーザー向けの永久無料機能を提供
  • Premium チームの生産性と調整を強化
  • Ultimate 組織全体のセキュリティ、コンプライアンス、プランニングに対応 GitLabのすべての機能を無料でお試しいただけます。

--------------------

監修：ソリス ジェレズ / Jerez Solis @jerezs （GitLab合同会社 ソリューションアーキテクト本部 ソリューションアーキテクト）

過去の日本語リリース情報

]]> GitLab Japan Team https://about.gitlab.com/blog/authors/gitlab-japan team 2025-12-18T00:00:00.000Z <![CDATA[GitLab 18.7:AIによる自動化、ガバナンス、開発者エクスペリエンスの強化]]> https://about.gitlab.com/ja-jp/blog/gitlab-18-7-advancing-ai-automation/ 2025-12-18T00:00:00.000Z GitLab 18.7では、開発・運用・セキュリティの機能が強化されました。これにより、AIをワークフローに組み込む際に、より確実な管理と一貫性、そして信頼性が得られるようになります。このリリースは重要なマイルストーンに向けた準備でもあります。それは、2026年1月の18.8リリースで予定されているGitLab Duo Agent Platformの一般提供（GA）です。ただし、これは世界中のあらゆる業界のお客様に提供するために当社が設定した、極めて高い品質基準を引き続き満たすことが前提となります。

GitLab Duo Agent Platformの一般提供では、企業がソフトウェアライフサイクル全体でエージェント型AIを一元管理できる仕組みを導入します。この仕組みは、統一されたルールのもとでAIを活用できるよう設計されています。GitLab内で連携する基盤エージェント、カスタムエージェント、自動化フローを活用することで、チームは企業の基準を守りながら、作業を加速させるエージェント型ワークフローを導入できます。一般提供では、拡張されたAI Catalog機能、より強力な管理制御、信頼性の向上に加え、多様な役割とプロジェクトでのエージェント型AI利用に対応する柔軟な使用量ベース課金モデルが提供される予定です。

18.7リリースは、GitLab Duo Agent Platformの一般提供をサポートする重要な機能が追加されています。新しい自動化機能、強化されたガバナンス制御、セキュリティとパイプライン作成における全般的な機能強化により、チームは作業を効率化し、18.8以降でさらに信頼性の高いエージェント型エクスペリエンスを実現するための基盤を整えることができます。

18.7の新機能:

GitLab Duo Agent Platform

より多くのチームが開発とセキュリティのワークフローにAIを導入する中、GitLabは導入を強力かつ予測可能なものにすることに注力しています。18.7の更新は、GitLab Duo Agent Platformの一般提供（18.8で予定）で完全に実現される、ガイド付きでガバナンスの効いたAIエクスペリエンスの基盤を強化します。

カスタムフロー

カスタムフローは、YAMLで定義されたシーケンスを使用してエージェントを編成し、反復的な開発タスクを完了する多段階ワークフローを自動化する新しい方法を導入します。カスタムフローは、失敗したパイプラインの診断と修正、依存関係の更新、レビュー担当者が割り当てられたときのポリシーチェックの実行など、予測可能なパターンに従うシナリオの手作業を排除します。これらのタスクをインタラクティブに処理する代わりに、チームはメンションや割り当てなどのGitLabイベントから自動的にトリガーされるフローを定義できます。この機能は、独自のプロジェクトにカスタマイズされた自動化を必要とするデベロッパーと、コンプライアンスと運用効率のために組織全体で一貫したワークフローを必要とする管理者の両方をサポートします。

SAST誤検出判定フロー

静的アプリケーションセキュリティテスト（SAST）のAI搭載誤検出管理により、チームが誤検出の可能性を評価し対応するための、より迅速で正確な方法が導入されます。GitLabは現在、AIを活用してレビュープロセスの早い段階で誤検出の可能性がある検出結果を特定し、開発者とセキュリティチームがノイズのトリアージに費やす時間を削減します。ユーザーは、レビューが必要な脆弱性の数の概要を確認し、分析の進捗状況を追跡し、脆弱性レポートから直接誤検出を却下できます。却下されると、これらの検出結果は将来のパイプラインでも却下されたままとなり、マージリクエストウィジェットで正しい却下ステータスが反映され続けます。これにより、コードの進化に伴って一貫性のある信頼性の高いシグナルが維持され、チームは真のリスクに集中し、修正作業を効率化し、不要なセキュリティレビューサイクルを削減できます。

カスタムエージェントのバージョン管理

カスタムエージェントのバージョン管理により、チームはプロジェクトで使用するAI CatalogエージェントまたはFlowのバージョンを制御できます。作成者からの更新を自動的に継承する代わりに、GitLabは現在、各プロジェクトをチームで有効化されたエージェントとFlowの正確なバージョンに固定します。これにより、特に本番パイプラインやセキュリティに配慮した環境において、破壊的な変更、セキュリティリスク、ワークフローの中断を防ぐことができます。チームは任意のタイミングでアップグレードでき、新しいバージョンをステージング環境でテストしてから本番環境に適用し、実行中のバージョンを明確に確認して混乱を避けることができます。また、特定のバージョンでエージェントをフォークし、独立して進化させることで、より安全なカスタマイズも可能になります。その結果、開発およびCI/CDワークフロー全体でカスタムエージェントを採用するための、より予測可能で安定した安全な方法が実現されます。

基盤エージェントの新しい設定

管理者は基盤エージェントのオン/オフを切り替えられるようになり、組織全体でAIがどのように使用されるかをより詳細に制御できるようになりました。このアップデートにより、管理者はインスタンスまたはグループレベルでこれらのエージェントを有効化または無効化でき、デフォルトの可用性を選択でき、コアエージェントへのアクセスを提供しながら新しいエージェントの導入方法を制御できます。その結果、エンタープライズチームが必要とするガバナンス、一貫性、制御を備えた、より柔軟なAI導入が実現されます。

Data Analystエージェント

Data Analystエージェントは、チームが自然言語を使用してGitLabデータを探索する簡単な方法を提供し、GitLab Query Language（GLQL）クエリを自動生成し、関連情報を取得し、ダッシュボードや手動でのクエリ作成を必要とせずに明確なインサイトを提示します。ユーザーは、作業量の分析、チーム活動の把握、開発トレンドの特定、イシューとマージリクエストのステータスの監視、ラベル、作成者、マイルストーン、またはその他の基準による作業アイテムの迅速な発見ができます。また、GitLab Flavored Markdownがサポートされている場所であればどこでも埋め込み可能な再利用可能なGLQLクエリを作成し、GitLab内でプロジェクトアクティビティに関する日常的な質問への回答を簡単に共有できます。

Core DevOps

GitLab Duo Agent Platformでのイノベーションは、基盤となるDevOpsエクスペリエンスが同様に効率化され信頼できる場合に最も効果的です。18.7のコアGitLabワークフローの改善により、自動化、パイプライン、再利用可能なコンポーネントが最高レベルの明確性と一貫性で動作することが保証されます。

GitLabパイプラインの動的入力選択

GitLabパイプラインの動的入力選択は、GitLab UIの動的でカスケード式のドロップダウンフィールドを通じてパイプラインをトリガーする、より直感的な方法を導入します。これにより、機能横断的なチームはYAMLを編集したりデベロッパーに依存したりすることなくパイプラインを実行でき、選択を行う際に有効でコンテキストに応じたオプションのみが表示されることが保証されます。この機能は複雑なワークフローをサポートし、誤って設定された実行を削減し、JenkinsのActive Choiceから移行するチームの主要な障壁を取り除き、組織がCI/CDプロセスを完全にGitLabで標準化できるよう支援します。

CI/CD Catalog公開ガードレール

GitLab Self-ManagedとGitLab Dedicatedの管理者は、CI/CD Catalogにコンポーネントを公開できるプロジェクトを制御できるようになりました。この新しい設定により、組織は承認されたソースのみがコンポーネントを追加できるようにすることで、信頼できるエコシステムを維持できます。これにより、CI/CDランドスケープの制御を維持しながら、チームが承認されたコンポーネントを発見して再利用できるようにしたいエンタープライズ顧客のガバナンスが強化されます。

プラットフォームセキュリティ

自動化とパイプラインワークフローがより効率的になるにつれて、コードの変更が組織の基準をどのように満たしているかについて、チームが強力な可視性と制御を維持することが依然として不可欠です。18.7のプラットフォームセキュリティアップデートは、デリバリーを中断することなくポリシーのガイダンスを導入および改善するための、より柔軟な方法をチームに提供することで、このバランスを強化します。

MR承認ポリシーの警告モード

MR承認ポリシーの警告モードでは、マージをブロックせずに違反を表面化できるため、完全な強制の前に影響を評価しながらポリシーを導入または調整するための、より摩擦の少ない方法をチームに提供します。また、デベロッパーが違反をレビューまたは却下でき、すべてのアクションが監査されてAppSecがポリシーの効果を改善できるようにする、ガイダンスベースのアプローチもサポートします。マージリクエストを超えて、デフォルトブランチにすでに存在する、または導入された違反は、脆弱性レポートにビジュアルバッジとともに表示されるため、ポリシーに違反する問題を特定して優先順位を付けることが容易になります。

チームによるソフトウェアの構築、保護、提供の方法を向上

18.7リリースは、GitLab環境全体で信頼性が高く柔軟な自動化の基盤を強化することを目的としています。

GitLab PremiumおよびUltimateユーザーは、GitLab.comおよびセルフマネージド環境で本日からこれらの機能を使用でき、GitLab Dedicatedのお客様は来月の提供が予定されています。

GitLab Duo Agent Platformは現在ベータ版です。ベータ版および実験的機能を有効化して、フルコンテキストAIがチームのソフトウェア構築方法をどのように変革するかをご体験ください。GitLabが初めての方は、無料トライアルを開始して、開発の未来がAIを活用し、セキュアで、世界で最も包括的なDevSecOpsプラットフォームを通じてオーケストレーションされる理由をご確認ください。

  • 注意: ベータ版のプラットフォーム機能は、GitLab Betaプログラムの一部として利用できます。ベータ期間中は無料で使用でき、一般提供時には、GitLab Duo Agent Platformの有料アドオンオプションとして提供される予定です。

GitLabの最新情報を入手

最新の機能、セキュリティアップデート、パフォーマンスの改善を確実に入手するために、GitLabインスタンスを最新の状態に保つことをお勧めします。以下のリソースは、アップグレードの計画と完了に役立ちます。

  • Upgrade Path Tool — 現在のバージョンを入力すると、インスタンスの正確なアップグレード手順が表示されます
  • アップグレードドキュメント — サポートされている各バージョンの詳細なガイド(要件、ステップバイステップの手順、ベストプラクティスを含む)

定期的にアップグレードすることで、チームは最新のGitLab機能を活用し、安全でサポートされた状態を維持できます。

手間のかからないアプローチを希望する組織には、GitLabのManaged Maintenanceサービスをご検討ください。Managed Maintenanceを利用すると、チームはイノベーションに集中し続けながら、GitLabの専門家がセルフマネージドインスタンスを確実にアップグレードし、セキュアに保ち、DevSecOpsでリードできる状態を維持します。詳細については、アカウントマネージャーにお問い合わせください。

このブログ投稿には、1933年証券法(改正済)の第27A条および1934年証券取引法の第21E条の意味における「将来見通しに関する記述」が含まれています。これらの記述に反映されている期待は合理的であると考えていますが、実際の結果や成果が大きく異なる原因となる可能性のある既知および未知のリスク、不確実性、仮定、その他の要因の影響を受けます。これらのリスクおよびその他の要因に関する詳細情報は、SECへの提出書類の「リスク要因」という見出しの下に記載されています。当社は、法律で義務付けられている場合を除き、このブログ投稿の日付以降にこれらの記述を更新または改訂する義務を負いません。

]]> Bill Staples https://about.gitlab.com/blog/authors/bill-staples 2025-12-18T00:00:00.000Z <![CDATA[GitLabとGitLab Duoをグローバル標準に、プラットフォーム・エンジニアリング領域で AI活用を加速するオリンパス【イベントレポート】]]> https://about.gitlab.com/ja-jp/blog/event-report-gartner-it-symposium-xpo-2025/ 2025-12-17T00:00:00.000Z GitLabは2025年10月、パシフィコ横浜で開催された「Gartner IT Symposium/Xpo™ 2025」に出展しました。初日のセッションでは、オリンパス株式会社R&Dセンターオブ ソフトウエアエクセレンス グローバルバイスプレジデント 児玉 達弘氏をお招きし、社 内のGitLab浸透とAI活用についてインタビュー形式でお話しいただきました。聞き手は当社カントリーマネージャー 小澤 正治が務めました。本記事では、その模様をお伝えします。 

AI導入を他業界より慎重に進めていたことが、むしろチャンスにつながった

AI導入を他業界より慎重に進めていたことが、むしろチャンスにつながった

オリンパス株式会社 R&Dセンターオブソフトウエアエクセレンス グ ローバルバイスプレジデント 児玉 達弘氏

児玉氏は、モバイル業界や自動車業界で様々な開発をリードし、現在はオリンパスのグローバルなソフトウエア開発をリードする立場です。同社のグローバル拠点は約40あり、各国・地域で医療機器業界に特有の厳格な法規制を遵守して開発を進める必要があります。

こういった厳しい規制により、医療機器業界は新しい技術を採用するにあたって他業界より慎重に対応しながら、時間をかけて導入をする必要があります。ソフトウエア開発におけるAI活用でも同様です。しかし、児玉氏は「AIでは、こういった状況がむしろチャンスにつながりました」と話します。

図：オリンパスにおけるAI活用

図：オリンパスにおけるAI活用

現在は、同社R&Dのオペレーション領域をイノベーション、製品・サービス、R&D 開発支援、および業務効率改善という4つに切り分けてAI活用を加速。児玉氏のリードするR&D組織における開発支援では自社開発AIと市場にあるAI製品の双方を活用しています。児玉氏は、「社内でのAIへの注目度は高まっています。いまはトライ・アンド・エラーで進めています」と語ります。では、AIの採用が時間がかかったことが、なぜ同社にとってチャンスになるのでしょう。

グローバル標準開発基盤とAIをセットで導入

グローバル標準開発基盤とAIをセットで導入

左からオリンパス株式会社 R&Dセンターオブソフトウエアエクセレンス グ ローバルバイスプレジデント 児玉 達弘氏、GitLab合同会社 Japan Country Manager 小澤 正治

オリンパスが最初に取り組んだのは、開発基盤の標準化です。開発のグローバル化が進む中、各国・地域で異なる開発基盤を運用していたため、コードやナレッジの共有が困難な状況にあり、その抜本的な改革が求められていました。標準開発基盤を導入することで、これらのアセットを容易に共有できるようになり、同時に重複するライセンスコストを削減できるというメリットもあります。

児玉氏は、「生産性の高い開発基盤を利用できれば、優秀なエンジニアの確保にもつながります。これまでは、業界特有の法規制で身動きが取りづらく、実際に他業界と比べると遅れていましたが、一気に追いつきたいのです」と語ります。 

それに対して、小澤は「AIコーディングは数年前からエンジニアの生産性を高められるレベルに達したと話題になっていますが、AIコーディングそのものではなく、開発基盤を見直してその上でAIを活用するという思考に至った経緯はどこにあるのでしょう」と問いかけます。

児玉氏によると、最も優先した事項は、世界中のエンジニアが同じ環境で開発できる基盤を整えることです。アセットやナレッジをスムーズに共有し、開発全体の効率性を高めるという命題がありました。実際に、力点を置いたのはそこなのですが、ちょうど同社が開発基盤の整備を進めていたタイミングで、AIツールが急速に普及しだしたという背景があります。 

「これが極めて好都合だったのです。統一された基盤の上でAIを活用できるため、コーディングの生産性をさらに高めるための準備を一気に整えることができました。各国の医療法規制に対応することができ、さらにAI-Readyなグローバル標準開発基盤になります」（児玉氏） 

インフラ専属チームを基盤にしたグローバルな開発組織へ

インフラ専属チームを基盤にしたグローバルな開発組織へ

左からオリンパス株式会社 R&Dセンターオブソフトウエアエクセレンス グ ローバルバイスプレジデント 児玉 達弘氏、GitLab合同会社 Japan Country Manager 小澤 正治

図：3つの変革

図：3つの変革

開発基盤の刷新と同時に、組織変革も進めました。全世界の組織がかかわるため、さまざまな声が上がってくるものですが、まずはビジョンを示し、ロードマップを含めて丁寧に説明。ボトムアップ型の提案を受け入れながら、目指す世界観を共有して進めています。 

児玉氏は「日本の組織は、インフラを重視しない傾向がありますよね（笑）。一方、欧米企業はインフラを非常に重視しています。私は欧米企業で働いた経験もあり、そういった思考を取り入れました。インフラ専任チームを主体とし、プラットフォームエンジニアリングに加えて、他の先進技術の組織を傘下に持つグローバル組織へと再編したのです。

開発基盤の標準化は、オフショアパートナーの担当者からも好評でした。プラットフォームが統一されている方が働きやすいという評価です。「セキュリティおよびコンプライアンス面でも標準化した方が優れています。環境がバラバラなら1つずつ見なければなりませんが、環境が1つであれば、点で見れば、おおよそ全体を網羅することができますから」（児玉氏） 

開発基盤と親和性の高いAIを採用

開発基盤と親和性の高いAIを採用

GitLab合同会社 Japan Country Manager 小澤 正治

そして、開発基盤上にAIを導入しました。GitLab Duoです。これにより、開発プロセスの生産性の向上、コーディングの効率化推進、および各開発拠点の生産性格差の是正を図ります。現在は、各国・地域でパイロット・プロジェクトを立ち上げながら、徐々に浸透させている段階です。 

児玉氏は、「現場の担当者が実際に使ってみて、“すばらしい！”という声が出てくると、周りの部署は“いつから使えるの？”となります。興味のあるエンジニアにどんどん使ってもらうと、自然に皆の心が動いていくものです。すでに、基本的にはGitLabを使ってもらえる流れになっています」と話します。 

小澤は、「安全性が強く求められ、規制の強い業界ですから、AI導入へのハードルは高かったのではありませんか」と問いかけます。

なぜオリンパスはグローバル標準のAIとしてGitLab Duoを採用したのか 

開発基盤であるGitLabとの「親和性の高さ」が第一の理由です。GitLabと一体化した製品として設計されているため、開発者は作業の流れを止めることなく、自然な形でAIのサポートを受けられます。次に、セキュリティを最重要視する医療機器メーカーの 必須条件である「オンプレミス環境への対応」です。GitLab Duoなら管理された社内 環境で優れたAI機能を利用できます。最後に、「データの安全性」。GitLabが開発 コードなどの機密情報をAIの学習に利用しないことが契約書に明記されており、情報 漏洩のリスクなく安心して使えることが大きな決め手になりました。 

近い将来、エンジニアにはより一層のヒューマンスキルが求められる

近い将来、エンジニアにはより一層のヒューマンスキルが求められる

オリンパス株式会社 R&Dセンターオブソフトウエアエクセレンス グ ローバルバイスプレジデント 児玉 達弘氏

児玉氏は今後も、GitLabのカスタマーサクセスチームとの連携を強化し、GitLabとGitLab Duoをオリンパスのグローバル標準開発基盤として、さらなる浸透を図ります。また、確実に進めていかなければならないのは、継続的に実施しなければならない法規制への対応です。児玉氏は、これらに加えて、新たな開発基盤を活用して仕事を進めるエンジニアの働き方を再定義する必要があると考えています。 

実際に使ってみると、コーディング関連の作業はかなりAIにサポートしてもらえることがわかりました。そうなると、エンジニアの仕事は将来的に上流部分と成果物のチェックが主になります。人とAIの仕事の切り分けが進めば、「AIと一緒にどう働くのが効果的か」、「AIをどう働かせればいいのか」という命題に答えを出す必要が出てくるでしょう。

児玉氏は、AIを活用して働く近い将来のエンジニア像について、次のように話してくれました。「AIは進化が非常に速いため、継続的に学び続ける意欲が不可欠です。その上で、AIだけでは解決できない複雑な問題に対応するための問題解決能力や、チームで協力して仕事を進めるコミュニケーション能力といったヒューマンスキルがより一層求められます。AIを正しく使い、AIに正しく行動させる倫理的な判断力も求められてくるのではないでしょうか」

ステージの様子

＜ブースの様子＞ブースの様子

ノベルティの水筒イベントで配られたノベルティ（水筒）

ノベルティのステッカーイベントで配られたノベルティ（ステッカー）

]]> GitLab Japan Team https://about.gitlab.com/blog/authors/gitlab-japan team 2025-12-17T00:00:00.000Z <![CDATA[”なんちゃってスクラム”からの脱却：GitLabが変える開発の内製化]]> https://about.gitlab.com/ja-jp/blog/escape-fake-scrum-with-gitlab-agile-planning/ 2025-12-12T00:00:00.000Z 編集部注：私たちは時折、パートナーコミュニティのメンバーにGitLabブログへの寄稿をお願いしています。今回、キャラウェブ社のエンジニアである中山桂一氏に、共同執筆いただきました。認定スクラムマスターでありGitLabとAWSに深い知見を持つプロが、外注依存から脱却し自社主導でDXを加速する実践的な道筋を解説します。

そのスクラム、本当に機能していますか？

スプリントはこなしていても、リリースまで数ヶ月掛かっている。そんな状況が続いていたりしませんか？ 近年、多くの企業でDX（デジタルトランスフォーメーション）への取り組みが、もはや待ったなしの状況に突入しています。そんな中、上司からの号令により、DXを加速させるべくスクラムを導入してみたという方は少なくないのではないでしょうか？

スクラムで定義されたスプリントプランニングやデイリースクラム、スプリントレビューといったイベントをこなし、タスク管理のためのツールも導入してみたが、チームの生産性は上がらず、リードタイムも短くならない。

このような状況のまま開発は形式的に進められていき、「なんちゃってスクラム」を続けている。

このようになってしまう最大の理由は、従来からの「外注中心」や「ウォーターフォール」の文化が抜けないまま、表面的な「スクラム」を取り入れてしまったことにあります。

私がこれまでに見てきた開発現場の中では、プロダクトオーナーという名のプロジェクトマネージャーが、従来同様の下請け開発会社とともに開発を進めていき、形式的に定期的なスクラムイベントを実施するものの、本質的に1つのチームとして動けていないことで、全体像がブラックボックスになり、連携がスムーズに行われないという状況を多く見てきました。

その閉塞感、外注中心の文化と無関係ではありません

この「なんちゃってスクラム」の閉塞感の根本原因は、情報の一元化と透明性の欠如にあります。特に日本の開発現場では、以下の課題が散見されます。

ツールの分断による情報のサイロ化: タスク管理はJira、ソースコード管理はGitHub、CI/CDはJenkinsやAWSの各種サービス、ドキュメントはConfluenceなど、それぞれ別のツールを組み合わせることで、情報が分散してしまいます。

外注依存による進捗の不透明性: 外注パートナーがスクラムのタスク管理を行い、自社のプロダクトオーナーやスクラムマスターは、そのパートナーからの報告でのみ進捗を判断する状況になりがちです。これにより、今、誰が、何を、どれくらいの品質で進めているのか、といった開発の「真の姿」がブラックボックス化し、的確な課題発見や意思決定が困難になります。

ベンダーコントロールからの脱却の困難さ: 従来、ベンダーコントロールを担ってきた自社のシステムエンジニア（SE）がプロダクトオーナーやスクラムマスターの役割を担っても、情報の一元化がなされていない状態では、結局は外注先との「報告・連絡・相談」に終始し、本質的な『自社主導』とはかけ離れてしまいます。

真のアジャイル開発、特にスクラムは、「透明性」「検査」「適応」の三本柱の上に成り立っています。しかし、ツールの分断と外注依存によって透明性が失われた状態では、いくらイベントを実施しても生産性は向上しません。

その閉塞感、外注中心の文化と無関係ではありません

形骸化したプロセスを変える、たった一つの解決策

形骸化した「なんちゃってスクラム」を真の高速アジャイル開発に変えるために必要なのは、「開発プロセス全体の情報と活動を、自社主導で、たった一つのプラットフォームに集約し、可視化する」ことです。

その解決策こそが、DevSecOpsプラットフォームであるGitLabを活用し、開発の企画（Agile Planning）からリリース、運用に至るまでのソフトウェア開発ライフサイクル（SDLC）全体を一本化することです。

多くの場合、ソースコード管理にGitHubを利用し、その他の活動に複数のツールを組み合わせますが、これでは情報分断の根本的な解決にはなりません。GitLabは、Issue管理（タスク管理）、ソースコード管理、CI/CD、セキュリティ、そしてアジャイル計画までを完全に統合しています。

特に、外注中心から自社主導へ脱却し、スピードと柔軟性を求めるチームにとって、AWSなどのクラウドプラットフォームを基盤とし、その上で計画情報と実行情報を同一のプラットフォーム（GitLab）上に持つことは、スクラムの透明性を確保し、内製化を成功させるための最強の武器となります。

形骸化したプロセスを変える、たった一つの解決策

GitLab Enterprise Agile Planningが変える、開発の未来

自社主導での内製化開発を強力に推進するために、私たちはGitLabのアドオンであるGitLab Enterprise Agile Planningの導入を提案します。

この機能は、これまでベンダーコントロールに終始していた自社のプロダクトオーナーやスクラムマスターとなるSEに対し、以下のような変革をもたらします。

情報の完全一元化: エピック、フィーチャー、ストーリーといった計画（Agile Planning）の情報をGitLab上で完全に管理します。更に、コードの変更権限は持たないものの、Issue、Board（カンバンボード）、そしてバリューストリーム分析を通じて、開発者が残した実行情報（コミット、MR（Pull Request)、Pipelineの結果など）を可視化し、全体像を俯瞰できます。外注先も自社のメンバーも、同じツール、同じデータソース上で動くため、情報格差がなくなります。

リアルタイムな透明性の獲得と進捗の「検査」: 外注パートナーからの「報告待ち」ではなく、開発者がGitLab上で行った実行結果（MRのステータス、パイプラインの成否など）を、Issueやバリューストリーム分析といった非開発者向けのインターフェースからリアルタイムなデータとして確認できます。 特に、スプリントの進捗管理にはバーンダウンチャートやバーンアップチャートを活用し、計画に対する実績を正確に追跡することが可能です。これにより、デイリースクラムやスプリントレビューでの的確な検査と適応が可能になります。

価値を測る『分析』の活用: GitLabのバリューストリーム分析（Value Stream Analytics）を活用すれば、企画から本番リリースまでのSDLC全体をデータで俯瞰できます。GitLab Enterprise Agile Planningでもこの分析機能を活用し、どのフェーズにボトルネックがあるのか、リードタイムが長い原因はどこにあるのかといった課題を客観的なデータで特定できるようになり、真に価値のある改善活動が可能になります。

GitLab Enterprise Agile Planningを導入するメリットは、コスト最適化にもあります。コードを書かない（実行系の機能が不要な）プロダクトオーナーやスクラムマスターが、高価なUltimateライセンスではなく、計画と分析機能に特化した低コストなGitLab Enterprise Agile Planning AddOnを利用できるため、Ultimate機能の恩恵を受けつつ、内製化体制の構築コストを最適化できます。

GitLab Enterprise Agile Planningは、形式的なスクラムの運用を、データと事実に基づいた自社主導の価値創出プロセスへと昇華させる鍵となります。

DXを加速させる鍵は、今すぐ『無駄をなくす』こと

DXを成功に導くためには、単に新しい技術を導入するだけでなく、開発プロセス全体に潜む「無駄」を徹底的になくすことが必要です。情報分断によるコミュニケーションのロス、進捗の不透明性による意思決定の遅延、そして複数のツールを行き来するコンテキストスイッチの発生。これら全てが、開発のスピードと生産性を阻害する大きな無駄です。

GitLab Enterprise Agile Planningを核としたGitLab One DevSecOps Platformの導入は、これらの無駄を一掃し、自社で開発プロセスをコントロールするための強固な基盤を提供します。

外注への依存体質を改善し、真に内製化を推進するためには、「開発に必要な全ての活動を統合したプラットフォームを、自社のリーダーシップのもとで活用する」という意識改革と環境構築が不可欠です。

まとめ

「なんちゃってスクラム」から脱却し、自社主導の高速アジャイル開発を実現するには、3つの要素が不可欠です。

第一に、開発プロセス全体の透明性を確保することです。ツールが分断されると情報がサイロ化し、スクラムの基盤である「透明性」が失われます。GitLabは計画・実装・CI/CD・分析を単一プラットフォームに統合し、プロセス全体を一元的に可視化します。

第二に、自社が主導権を持って開発を推進できる体制を構築することです。外注からの“報告待ち”ではなく、GitLab Enterprise Agile Planningを通じてリアルタイムの実行データを把握し、プロダクトオーナーやスクラムマスターが状況を直接検査できます。コードを書かない役割でも、開発の全体像を自らコントロールできるようになります。

第三に、データに基づく継続的改善を実現することです。バリューストリーム分析やバーンダウンチャートにより、ボトルネックやリードタイムの課題を客観的に特定できます。これにより、形式的なイベント運営ではなく、事実に基づく「検査」と「適応」が機能する真のアジャイル開発へと進化します。

DXの成功は、単なるツール導入ではなく、プロセス全体の変革にあります。GitLabを中心にAWSの柔軟なクラウド基盤を組み合わせることで、御社の開発チームは“外注依存のスクラム”から脱却し、自社主導で価値を生み出すアジャイル開発へ踏み出すことができます。

さらなる効率化：GitLab Duo Plannerによる計画作業の革新

GitLabで情報の一元化と透明性を確保できたとしても、プロダクトオーナーやスクラムマスターには依然として多くの計画作業が残ります。要件の構造化、バックログの優先順位付け、ステータスレポートの作成—これらの繰り返し作業が、本来注力すべき戦略的な意思決定の時間を奪っているのです。

そこで活用したいのが、GitLab Duo Plannerです。これは、GitLabプラットフォーム上で動作するAIエージェントで、プロダクトマネージャーやエンジニアリングマネージャーの計画作業を大幅に効率化します。

Duo Plannerは、漠然としたアイデアを数分で構造化された要件に変換し、RICE・MoSCoW・WSJFなどのフレームワークを即座に適用して優先順位付けを支援します。さらに、依存関係の分析やステータスレポートの自動生成により、隠れたリスクを早期に発見し、チーム全体の透明性を維持します。

詳しくは、以下の記事をご覧ください： コンテキストスイッチを排除した効率的な計画 - GitLab Duo Planner Agentの紹介

次のステップ：真のアジャイル開発へ踏み出しましょう

GitLabを活用した自社主導のアジャイル開発は、御社のDXを加速させる強力なエンジンとなります。まずは、GitLabを導入し、御社自身が内製化の主導権を握ることが第一歩です。

その第一歩として、GitLabの無料トライアルを活用し、Enterprise機能に触れてみることをお勧めします。特に、この記事で解説したGitLab Enterprise Agile Planningの機能は、無料トライアルでPlanner Roleを設定することで、その強力な計画・分析機能をすぐに体験できます。

GitLabで情報の一元化と透明性を確保し、データに基づいたアジャイル開発の世界を体験してください。

しかし、ツールを導入しただけでは、長年の「外注中心」や「なんちゃってスクラム」の文化は変わりません。GitLabの機能を使いこなし、プロセスや組織に定着させるには、スクラムマスターやプロダクトオーナーの『実践的なリーダーシップ』と『正しいツール活用方法』の習得が不可欠です。

自社主導開発を手に入れるためのヒント

ツールを使いこなすには、プロダクトオーナーやスクラムマスターの『実践的なリーダーシップ』と『正しいツール活用方法』の習得が不可欠です。

私たちは、AWSとGitLabの統合的な知見を活かし、「なんちゃってスクラム」から自社主導のアジャイル開発への移行を支援するプログラムを提供しています。
https://www.cloud-partner.jp/insource/

GitLabを活用した情報の一元管理と継続的な改善を、実践形式で学び、内製化の主導権を手に入れてみませんか。

]]> Tsukasa Komatsubara https://about.gitlab.com/blog/authors/tsukasa-komatsubara Keiichi Nakayama, CHARA-WEB Co., Ltd. https://about.gitlab.com/blog/authors/keiichi-nakayama, chara-web co., ltd. 2025-12-12T00:00:00.000Z <![CDATA[GitLab製品ドキュメントが日本語で利用可能に - 構築と自動化までの流れ]]> https://about.gitlab.com/ja-jp/blog/how-we-built-and-automated-our-new-japanese-gitlab-docs-site/ 2025-12-11T00:00:00.000Z 本日、GitLab製品ドキュメントの日本語版を docs.gitlab.com/ja-jp にて公開しました。GitLabの包括的なドキュメントを世界中のユーザーに利用していただけるようにする取り組みの、重要な第一歩です。

GitLab製品ドキュメントのトップページ

日本市場特有の課題

日本は世界最大規模の経済圏の一つであり、エンタープライズソフトウェアにとって極めて重要な市場です。しかしながら、日本市場には独特の課題も存在します。高度な技術力と大規模な開発者コミュニティを有する一方で、英語の習熟度が多くのユーザーにとって大きな障壁となっているのが現状です。

日本の開発者やDevSecOpsチームの皆様は、英語のみのドキュメントに課題を感じています。これは、EF英語能力指数における日本の順位にも表れています。この言語の壁は、学習のスピードに大きく影響し、最終的には日本の組織内でプラットフォームの評価・導入・推進を行う際の意思決定にも影響を及ぼします。

日本のお客様やパートナー企業の皆様から直接聞いた声として、英語のみのドキュメントは単なる不便さではなく、GitLabを最大限に活用する上での障壁となっていたとのことでした。この影響は、ユーザージャーニーのあらゆる段階に及んでいました。初期評価の段階ではGitLabの機能を十分に理解することが困難であり、日常業務では問題解決に必要以上の時間を要し、新機能やベストプラクティスの習得も遅れがちになっていました。

日本のような競争が激しく成熟した市場においては、この言語の壁がGitLabの市場での存在感に直接的な影響を与えていました。日本企業がエンタープライズソフトウェアを評価する際、包括的な日本語ドキュメントの提供は、その市場への長期的なコミットメントを示すものです。それは、提供企業が形だけの取り組みではなく、日本のユーザーの皆様のジャーニー全体を真摯にサポートしていくという姿勢を示すものです。

このような課題に対応し、日本市場への私たちのコミットメントを示すため、GitLabにおけるドキュメントの作成・メンテナンス方法と統合された、ローカライゼーション基盤を一から構築しました。

Docs-as-Code原則に基づくローカライゼーション

GitLabのドキュメントは、他のコードと同じように扱い、GitLabプロジェクト内で製品コードと一緒に管理し、マージリクエストを通じて運用しています。ドキュメントはバージョン管理下に置き、共同でレビューし、CI/CDパイプラインで自動テストを実施します。テストでは言語、フォーマット、リンクの問題をチェックします。英語版と日本語版のドキュメントサイトは、Hugoという静的サイトジェネレーターで動的に生成し、変更のマージ後にデプロイするため、ユーザーは常に最新の情報にアクセスできます。

ドキュメントは広範かつ包括的で、GitLab、GitLab Runner、Omnibus GitLab、GitLab Charts、GitLab Operator、GitLab CLI（glab）など、さまざまなソースプロジェクトからコンテンツを集約しています（詳細はアーキテクチャを参照）。この膨大な規模と速い更新頻度が、ローカライゼーションにおいて大きな課題となりました。ソース英語プロジェクトの継続的な進化に遅延なく対応するため、こうした独特の複雑さに対応でき、完全にローカライズされたサイトをエンタープライズに求められるレベルで提供し、なおかつCI/CDパイプラインの要件を満たすローカライゼーション基盤を設計する必要がありました。

GitLabドキュメントのローカライゼーション方法

最初の日本語ローカライゼーションでは、既存の英語コンテンツ構造内に新しいフォルダーを統合する戦略を採用しました。具体的には、ソースのmarkdownファイルを保存する各プロジェクト内に、 doc-locale/ja-jp フォルダーを導入しました。このアーキテクチャにより、翻訳をソースコンテンツのすぐ隣に配置しながら、明確な組織的分離を維持できます。それだけでなく、英語ドキュメントで使用しているのと同じ堅牢なバージョン管理、確立されたレビューとコラボレーションのワークフロー、さらには一部の自動品質チェックを、翻訳コンテンツにも適用できるようになります。

この日本語ドキュメント用に構築された国際化基盤は、将来の言語拡張に向けたスケーラブルな基盤を提供します。アーキテクチャ、ツール、プロセスが整ったことで、GitLabを世界中のユーザーが利用できるようにするという私たちのコミットメントを継続し、今後さらに多くの言語をサポートする準備が整いました。

スピードと品質のバランスを取ったAI支援翻訳ワークフロー

コンテンツを翻訳する際、戦略的な段階的アプローチを採用し、英語のページビュー数に基づいてページの優先順位を付けました。アクセス数の多いページから順にAI翻訳を実施し、その後、人間の翻訳者による包括的なレビューを行い、これらの優先ページが人間によるレビューサイクルを完了するまで、意図的に後続のフェーズを一時停止しました。この意図的な順序付けにより、最も重要なコンテンツから、堅牢でキュレーションされた翻訳メモリとタームベースを構築できました。これらの言語資産により、残りのすべてのコンテンツの翻訳速度が向上し、品質も改善されました。並行して、この初期フェーズはGitLab側の技術インフラのテストの場としても機能しました。これを活用してCI/CDパイプラインを反復的に強化するとともに、翻訳とポストエディットのAIスクリプトを改良し、翻訳マージリクエストのレビュープロセスを確立しました。

世界中のユーザーに最新のドキュメントを提供しながら、高品質な翻訳コンテンツを保証するため、人間の翻訳者によるポストエディットを伴うAI支援翻訳ワークフローを実装しました。その構成は以下の通りです。

  • フェーズ1: AI翻訳。スタイルガイド、GitLab UIコンテンツの翻訳、用語データベース、元ファイルのコンテキストなど、GitLab固有のコンテキストを組み込んだカスタムAI翻訳システムを構築しました。このシステムは、GitLabの特殊なmarkdown構文（GLFM）を適切に処理し、プレースホルダー変数、アラートボックス、Hugoショートコード、GitLab固有の参照など、標準的な翻訳ツールでは標準で処理できない要素を保護します。
  • フェーズ2: 人間の翻訳者によるレビュー。技術コンテンツを専門とする日本語の翻訳者が、AI翻訳をレビューして洗練させます。翻訳者は、GitLabの日本語スタイルガイド、翻訳メモリ、用語データベースを使用して、正確性、自然な言語の流れ、文化的な適切性を確保します。これらのレビュー済み翻訳は、サイト上でAIバージョンを段階的に置き換えていきます。

技術的な課題と解決策

GitLabの膨大なドキュメントをローカライズしながら、Docs-as-Code原則とCI/CD駆動のパブリッシングワークフローを維持するには、大きな技術革新が必要でした。課題は翻訳そのものにとどまりません。複雑なmarkdown構文の保持、自動テスト基準の維持、シームレスなコンテンツフォールバックの確保、そして複数のソースプロジェクト全体での継続的な更新プロセスの構築が求められました。

英語のmarkdownファイルの構文が複雑だったため、翻訳管理システム（TMS）内でカスタムコードと正規表現を開発し、コードブロック、URL、その他の翻訳対象にすべきでない機能要素を保護しました。

Translation Management System

英語コンテンツの生成方法の特性上、英語フォールバックの仕組みを確立しました。基本的に、日本語翻訳がまだ準備できていない場合、ローカライズされたサイトは、翻訳されたナビゲーションとUIとともに英語コンテンツをシームレスに表示することによって404エラーを防ぎ、Hugoのレンダリングシステムを介して言語コンテキストを維持します。

また、ローカライズされたナビゲーションとリンクを強化し、動的に調整してロケールを維持するようにしました。翻訳に送信する前に英語ファイルを前処理することで、翻訳ファイルにアンカーIDを追加しました。これにより、リンクからドキュメントページに移動するユーザーの体験が向上します。一貫したアンカーIDにより、どちらの言語に切り替えても、ページ内の正しい場所に到達できます。

英語フォールバックの仕組み

CI/CDパイプラインも拡張し、英語ドキュメントと同じ品質基準に従って、翻訳マージリクエスト内のローカライズされたコンテンツをテストできるようにしました。これにより、無効なHugoショートコード、リンク内のスペース、裸のURLを検出できます。また、孤立したファイルや、ターゲットファイルのないリダイレクトファイルも特定します。翻訳ドキュメントを含むマージリクエストで実行されるジョブは、GitLabプロジェクトの.gitlab/ci/docs.gitlab-ci.ymlファイルで確認できます。

一元化された翻訳リクエストシステムがワークフロー全体を統制しています。このシステムは、英語ファイルの監視、新規および更新コンテンツの識別、翻訳用ファイルのルーティング、翻訳マージリクエストの自動作成を行います。さらに、翻訳リクエスト内のファイルステータスの追跡と監査証跡の維持も担当します。ドキュメントの翻訳では、430件の翻訳マージリクエスト（各1〜10個のファイルを含む）を処理しました。

翻訳のMR

その結果、英語コンテンツの更新と同期し、重要な情報にユーザーが素早くアクセスできる日本語ドキュメント体験が実現しました。ユーザーは自分の言語でコンテンツを発見し、翻訳中のコンテンツのみ英語が表示されます。最新機能に素早くアクセスできると同時に、GitLabの品質基準も保たれています。これらすべてが、将来の言語展開とドキュメントの成長のための、持続可能でスケーラブルな基盤を構築しています。

技術的な詳細については、GitLab製品ドキュメントハンドブックページをご覧ください。

docs.gitlab.comの日本語版へようこそ

GitLabを長年使用されている方も、これから始める方も、このローカライズされたドキュメントによって、DevSecOpsの取り組みがよりスムーズで利用しやすくなることを心から願っています。

私たちのローカライゼーションの取り組みは始まったばかりで、改善のために皆様のフィードバックが非常に重要です。翻訳の問題に気づいた場合、改善の提案がある場合、または日本語ドキュメントの使用体験をフィードバックしたいだけでも、遠慮なくお知らせください。フィードバックイシューからコメントをお寄せいただけます。

ローカライゼーション基盤を進化させていく中で、当面の優先事項は、日本語の検索機能の向上と、英語の更新と日本語翻訳との間のタイムラグを最小限に抑えるための継続的なローカライゼーションワークフローの加速です。より良いサービスを提供できるよう取り組む中で、日本のコミュニティの皆様の継続的なサポートと忍耐に感謝いたします。GitLabを日本のチームにとって最高のDevSecOpsプラットフォームにすることに私たちは全力で取り組んでおり、包括的な日本語ドキュメントはその道のりにおける重要な一歩です。

ぜひ docs.gitlab.com/ja-jpをお試しください。

]]> Daniel Sullivan https://about.gitlab.com/blog/authors/daniel-sullivan 2025-12-11T00:00:00.000Z <![CDATA[Monday Merge 12月号：新しいAIガバナンスの管理体制、グローバルDevSecOps調査、そして2025年の総括など]]> https://about.gitlab.com/ja-jp/blog/monday-merge-2025-december-08/ 2025-12-08T00:00:00.000Z 12月号のMonday Mergeをお届けします！そしてこれが、2025年最後のニュースレターです。

AIネイティブなソフトウェア開発が大きく進んだ一年の締めくくりとして、今月号ではGitLab 18.6の新機能、インテリジェントソフトウェア開発時代に関する最新のグローバル調査、そして年末に向けたイベント情報をお届けします。

それでは、さっそく見ていきましょう👇

GitLab 18.6：設定を超えた完全なコントロールへ

今月のリリースは、特に規制の厳しい環境において、AIをワークフローにどう組み込むかをチームがより柔軟にコントロールできるようにすることにフォーカスしています。ここでは主なアップデートをご紹介します。

GitLab 18.6では、AIガバナンスと柔軟性がさらに強化され、AIをソフトウェア開発ワークフローにどう組み込むかを、これまで以上に自由にコントロールできるようになりました。

このリリースにより、開発チームとセキュリティチームは、最適なAIモデルの選択、厳重に保護された環境内でのAI実行、そしてAI活用の拡大に合わせたガバナンスの徹底が可能になります。

主なアップグレードは以下の通りです。

  • Duo Agent PlatformのGPT-OSS-120Bモデルサポート
    Self-Managed環境で、オープンソースのgpt-oss-120bモデルが利用可能に。複雑で推論重視のエージェントワークフローに最適で、透明性・監査性・データ主権を重視する組織に向いています。
  • エアギャップ環境でのWeb IDEサポート
    公共機関、防衛組織、規制産業など、インターネット接続が制限された環境でも、Web IDEをフル機能で利用できるようになりました。
  • クラウド接続Self-Managed向けのモデル選択（一般提供）
    組織はDuo Chatに使用するAIモデルを完全に選択でき、コスト、コンプライアンス、地域規制、内部ポリシーなどの要件に合わせてモデルを決定できます。
  • Duo PlannerとSecurity Analystエージェントの強化
    Duo PlannerとDuo Security Analystがエージェントチャットのドロップダウンにデフォルトで表示されるようになりました。設定不要で、どのプロジェクト・グループでもすぐ使え、計画やイシュー整理、セキュリティ分析を支援します。
  • コンテキストフィルタリングでよりスマートなプラットフォームセキュリティを実現
    セキュリティチームは、プロジェクトにビジネス文脈（重要度、アプリの種類、ビジネスユニットなど）をラベル付けし、ビジネスインパクトに基づいて脆弱性を絞り込み、優先度の高い作業から迅速に対応できます。

GitLab 18.6は、監査性・ガバナンス・コントロールを犠牲にすることなくAIで開発を加速させたいチームのために設計されています。インテリジェントなDevSecOpsの新時代は、すでに始まっています。

🔗 詳しいリリースノートはこちら。

DevSecOps調査：インテリジェントソフトウェア開発の時代

DevSecOps調査：インテリジェントソフトウェア開発の時代

GitLabが新たに発表したグローバルDevSecOpsレポートでは、開発・セキュリティ・運用に携わる3,266名を対象に調査を行いました。調査では、AIによってコーディングは加速したものの、新たなボトルネックも生まれていることが明らかになりました。

GitLabはこれを「AIパラドックス」と呼んでいます：

コーディングはこれまでになく加速する一方で、分断されたツールチェーンや増え続けるコンプライアンスの複雑さが、デリバリーのスピードを遅らせているという現状があります。

主要ポイントは次の通りです：

  • 数字で見るパラドックス
    • チームはAI関連の非効率により、毎週7時間を失っている
    • 60％がソフトウェア開発に5つ以上のツールを使用
    • 49％が5つ以上のAIツールを使用
    • 85％が、エージェント型AIはプラットフォームエンジニアリングのアプローチなしには成功しないと回答
  • AIがソフトウェア開発の役割を再定義している
    • 76％が、コーディングが容易になることで、エンジニアが減るのではなく増えると考えている
    • 87％が、将来のキャリアを守るためにはAI導入が不可欠と回答
    • 87％が、スキルアップへのさらなる投資を求めている
  • 人間の監督は不可欠
    • 37％のみが、人間のレビューなしでAIを信頼できると回答
    • 73％が「vibe coding（取り敢えず動くコーディング）」による問題を経験
    • 88％が、創造性やイノベーションには常に人間の貢献が必要と考えている
  • コンプライアンスの課題は増加中
    • 70％が、AIによりコンプライアンスが難しくなったと回答
    • 76％が、コンプライアンス問題の大半がデプロイ後に発覚されると回答
    • 82％が、2027年までにコンプライアンスはコードに直接組み込まれると予測

🔗 レポート全文はこちらからダウンロードできます。

今後のイベント情報

今後のイベント情報

12月もイベントが盛りだくさん！ GitLabの出展・登壇場所はこちらです：

📍 12月1日〜5日 — AWS re:Invent

  • カスタマーブレイクアウトセッション
    「Developers Soar at Southwest Airlines®: A Journey to AI-Powered DevSecOps」
    Southwest Airlines社がGitLab Duo + Amazon Q Developerを活用してデベロッパーの生産性をどう高めているかを紹介しました。
  • AWSとの合同セッション
    「GitLabとAWS Secrets Managerで秘密情報を安全に管理」
    GitLabシニアエコシステムソリューションアーキテクトJoe Mann、AWS Secrets Management GM Ritesh Desaiが登壇しました。
  • GitLabライトニングトーク
    週を通してブースで、GitLab AIエージェントを使った開発、数分で稼働する CI/CDパイプラインの構築、カスタムフレームワークでのコンプライアンス自動化、Amazon QとGitLabワークフローの統合方法などを紹介しました。
    登壇者：Colleen Lavin、Fernando Diaz、Cesar Saavedra、Anthony Baer、Everton Andrade、Sam Schonstal

📍 12月2日〜3日 — FinTech Connect London

  • ブースG30にて、金融機関がAIとDevSecOpsを活用してどのようにモダナイズしているかをご紹介しました。

📍 12月2日 — GitLab DACH Roadshow: Berlin

  • カスタマーストーリー、ハンズオンAIワークショップ、実践的なトランスフォーメーションの洞察を提供しました。

📍 12月3日 — Agentic AI in Action（テクニカルデモ）

  • GitLab 18の強力なAI機能（コード生成から脆弱性解決まで）のライブデモを実施しました。

📍 12月4日 — GitLab DACH Roadshow: Vienna

📍 12月11日 — GitLab Duo Enterprise Workshop (AMER)

🔗 各イベントの詳細はこちらから！

今月のおすすめ記事

GitLabのナレッジライブラリに、さらに多くのコンテンツが追加されました！
今月の記事では、生成AIチームの構築から「vibe-coding」のリスク、デベロッパーエクスペリエンス、そしてAIを活用した開発実務での具体的な事例まで、幅広く解説しています。

https://thenewstack.io/whats-next-for-developer-teams-how-to-prepare-now/

https://thenewstack.io/what-nobody-tells-you-about-building-and-retaining-genai-teams/

https://www.itpro.com/technology/artificial-intelligence/vibe-coding-security-risks-how-to-mitigate

https://www.devopsdigest.com/gitlab-185-released

https://sdtimes.com/ai/report-ai-may-lead-to-faster-coding-but-introduces-new-bottlenecks-that-slow-down-delivery/

最後に、今月の名言を

もしこれまでに、手強いマージコンフリクトに苦労したり、謎のバグを何時間もデバッグしたことがあるなら、進歩は偶然に起こるものではないとご存じでしょう。

だからこそ、Abigail Adamsのこの言葉が私たちは大好きです：

「学びは偶然に得られるものではない。熱意をもって追い求め、勤勉に取り組まねばならない。」

AIが加速する新しいソフトウェア開発の時代を進むすべてのチームにぴったりの言葉です。

2025年最後のMonday Mergeをお読みいただき、ありがとうございました！この素晴らしく、好奇心にあふれ、常に進化するコミュニティの一員でいてくださることに感謝しています。

これからも、より多くのイノベーション、より安全なデプロイを。2026年にお会いしましょう。それまでは…Happy Merging! 💜

— Fatima Sarah Khalid | GitLab Developer Advocate, GitLab

Fatima Sarah Khalid

このニュースレターが役立ったら、
ぜひチームにもシェアしてください。そして 👉 YouTubeチャンネル登録
もお忘れなく！

]]> GitLab Japan Team https://about.gitlab.com/blog/authors/gitlab-japan team 2025-12-08T00:00:00.000Z <![CDATA[ガイド: Azure DevOpsからGitLabへの移行]]> https://about.gitlab.com/ja-jp/blog/migration-from-azure-devops-to-gitlab/ 2025-12-03T00:00:00.000Z Azure DevOpsからGitLabへの移行は困難な作業のように思えるかもしれませんが、適切なアプローチとツールを使用すれば、スムーズかつ効率的に進められます。このガイドでは、Azure DevOpsからGitLabへプロジェクト、リポジトリ、パイプラインを正常に移行するために必要な手順を説明します。

概要

GitLabは、Azure DevOps（ADO）からプロジェクトを移行するためのCongregate(GitLabプロフェッショナルサービス（PS）によって管理）と組み込みのGitリポジトリインポートの両方を提供しています。これらのオプションは、リポジトリごとまたは一括移行をサポートし、Gitコミット履歴、ブランチ、タグを保持します。Congregateとプロフェッショナルサービスのツールを使用すると、Wiki、作業アイテム、CI/CD変数、コンテナイメージ、パッケージ、パイプラインなどの追加アセットもサポートされます（この機能マトリクスを参照）。このガイドを参照すれば、移行を計画・実行し、移行後のフォローアップタスクを完了できます。

ADOからGitLabへ移行する企業は、一般的に複数フェーズのアプローチに従います：

  • CongregateまたはGitLabの組み込みリポジトリ移行を使用して、ADOからGitLabにリポジトリを移行します。
  • AzureパイプラインからGitLab CI/CDにパイプラインを移行します。
  • ボード、作業アイテム、アーティファクトなどの残りのアセットを、GitLabのイシュー、エピック、パッケージレジストリ、コンテナレジストリに移行します。

移行フェーズの概要:

graph LR
    subgraph Prerequisites
        direction TB
        A["IDプロバイダー（IdP）を設定し<br/>ユーザーをプロビジョニング"]
        A --> B["Runnerとサードパーティ<br/>インテグレーションを設定"]
        B --> I["ユーザーの有効化と<br/>変更管理"]
    end
    
    subgraph MigrationPhase["移行フェーズ"]
        direction TB
        C["ソースコードを移行"]
        C --> D["コントリビューションを保持し<br/>履歴をフォーマット"]
        D --> E["作業アイテムを移行し<br/><a href="https://docs.gitlab.com/topics/plan_and_track/">GitLab Plan<br/>および作業追跡</a>にマッピング"]
    end
    
    subgraph PostMigration["移行後の手順"]
        direction TB
        F["ADOパイプラインを<br/>GitLab CIに作成または変換"]
        F --> G["その他のアセット、パッケージ、<br/>コンテナイメージを移行"]
        G --> H["<a href="https://docs.gitlab.com/user/application_security/secure_your_application/">セキュリティ</a>と<br/>SDLC改善を導入"]
    end
    
    Prerequisites --> MigrationPhase
    MigrationPhase --> PostMigration

    style A fill:#FC6D26
    style B fill:#FC6D26
    style I fill:#FC6D26
    style C fill:#8C929D
    style D fill:#8C929D
    style E fill:#8C929D
    style F fill:#FFA500
    style G fill:#FFA500
    style H fill:#FFA500

移行の計画

移行を計画するにあたり、次の質問を検討します:

  • 移行をいつまでに完了する必要があるか?
  • 何が移行されるかを理解しているか?
  • 誰が移行を実行するか?
  • GitLabでどのような組織構造を望むか?
  • 考慮すべき制約、制限、落とし穴はあるか?

タイムラインを決定します。これは移行アプローチを大きく左右します。ADOとGitLabの両プラットフォームに精通したチャンピオンやグループ（アーリーアダプターなど）を特定し、導入を推進してアドバイスを提供してもらいます。

移行が必要なものをインベントリ化:

  • リポジトリ、プルリクエスト、コントリビューターの数
  • 作業アイテムとパイプラインの数と複雑さ
  • リポジトリのサイズと依存関係
  • 重要なインテグレーションとRunner要件（特定の機能を持つエージェントプール）

GitLab プロフェッショナルサービスのEvaluateツールを使用して、リポジトリ、PR数、コントリビューターリスト、パイプライン数、作業アイテム、CI/CD変数などを含むAzure DevOps組織全体の完全なインベントリを作成します。GitLabプロフェッショナルサービスチームと連携している場合は、このレポートをエンゲージメントマネージャーまたはテクニカルアーキテクトと共有し、移行計画に役立ててください。

移行のタイミングは、主にプルリクエスト数、リポジトリサイズ、コントリビューション量（PRのコメント、作業アイテムなど）によって決まります。たとえば、PRが少なくコントリビューターが限られた1,000の小規模リポジトリは、数万のPRと数千のコントリビューターを含む少数のリポジトリよりもはるかに高速に移行できます。インベントリデータを使用して作業量を見積もり、本番移行を進める前にテスト実行を計画します。

インベントリを希望のタイムラインと比較し、すべてのリポジトリを一度に移行するか、バッチで移行するかを決定します。チームが同時に移行できない場合は、チームのスケジュールに合わせて移行をバッチ化し、段階的に実行します。たとえば、プロフェッショナルサービスのエンゲージメントでは、複雑さを管理し、GitLabとADOの両方のAPIレート制限を尊重するために、200〜300プロジェクト単位の段階に分割して移行を実施します。

GitLabの組み込みリポジトリインポーターは、Gitリポジトリ（コミット、ブランチ、タグ）を1つずつ移行します。Congregateは、可能な限りプルリクエスト（GitLabではマージリクエストとして知られています）、コメント、関連メタデータを保持するように設計されています。シンプルな組み込みリポジトリインポートは、Gitデータ（履歴、ブランチ、タグ）のみに焦点を当てています。

通常、個別の移行または手動での再作成が必要な項目:

  • Azureパイプライン - 同等のGitLab CI/CDパイプラインを作成(CI/CD YAMLまたはCI/CDコンポーネントを参照)。または、CongregateのAIベースのパイプライン変換を使用することを検討してください。
  • 作業アイテムとボード - GitLabのイシュー、エピック、イシュー ボードにマッピング。
  • アーティファクト、コンテナイメージ(ACR) - GitLabパッケージレジストリまたはコンテナレジストリに移行。
  • サービスフックと外部インテグレーション - GitLabで再作成。
  • 権限モデルはADOとGitLabで異なります。完全な保持を想定するのではなく、権限マッピングを確認および計画してください。

各ツール（Congregateと組み込みインポート）が何を移行するかを確認し、ニーズに合ったものを選択します。手動で移行または再作成する必要があるデータやインテグレーションのリストを作成します。

誰が移行を実行するか?

移行は通常、GitLabグループオーナーまたはインスタンス管理者、または移行先グループ/プロジェクトに必要な権限を付与された指定の移行担当者によって実行されます。CongregateとGitLabインポートAPIには、Azure DevOpsとGitLabの両方の有効な認証トークンが必要です。

  • グループオーナー/管理者が移行を実行するか、特定のチーム/個人に委任アクセスを付与するかを決定します。
  • 移行担当者が、選択した移行ツールに必要なスコープ（api/read_repositoryスコープやツール固有の要件など）を持つ個人アクセストークン（Azure DevOpsとGitLab）を正しく設定していることを確認します。
  • 小規模なパイロット移行でトークンと権限をテストします。

注: CongregateはADO移行のためにファイルベースのインポート機能を活用し、実行にはインスタンス管理者権限が必要です（ドキュメントを参照）。GitLab.comに移行する場合は、プロフェッショナルサービスの利用を検討してください。詳細については、Professional Services Full Catalogを参照してください。管理者以外のアカウントでは、コントリビューションの帰属を保持できません。

GitLabでどのような組織構造を望むか?

ADO構造をGitLab構造に直接マッピングすることは可能ですが、移行中に構造を合理化および簡素化することをお勧めします。チームがGitLabでどのように作業するかを検討し、コラボレーションとアクセス管理を促進する構造を設計します。ADO構造をGitLab構造にマッピングする方法は次のとおりです。

graph TD
    subgraph GitLab
        direction TB
        A["トップレベルグループ"]
        B["サブグループ（オプション）"]
        C["プロジェクト"]
        A --> B
        A --> C
        B --> C
    end

    subgraph AzureDevOps["Azure DevOps"]
        direction TB
        F["組織"]
        G["プロジェクト"]
        H["リポジトリ"]
        F --> G
        G --> H
    end

    style A fill:#FC6D26
    style B fill:#FC6D26
    style C fill:#FC6D26
    style F fill:#8C929D
    style G fill:#8C929D
    style H fill:#8C929D

推奨アプローチ:

  • 各ADO組織をGitLabグループ（または少数のグループ）にマッピングし、多数の小さなグループには分割しないでください。ADOチームプロジェクトごとにGitLabグループを作成することは避けてください。移行をGitLab構造を合理化する機会として活用してください。
  • サブグループとプロジェクトレベルの権限を使用して、関連リポジトリをグループ化します。
  • GitLabグループとグループメンバーシップ（グループとサブグループ）を使用してプロジェクトのセットへのアクセスを管理し、チームプロジェクトごとに1つのグループを作成しないでください。
  • GitLabの権限を確認し、SAML Group Linksを検討して、GitLabインスタンス（またはGitLab.comネームスペース）のエンタープライズRBACモデルを実装します。

ADOボードと作業アイテム: 移行の状態

作業アイテムがADOからGitLab Plan（イシュー、エピック、ボード）にどのように移行されるかを理解することが重要です。

  • ADOボードと作業アイテムは、GitLabのイシュー、エピック、イシューボードにマッピングされます。ワークフローとボード設定がどのように変換されるかを計画します。
  • ADOのエピックと機能は、GitLabのエピックになります。
  • その他の作業アイテムタイプ（ユーザーストーリー、タスク、バグなど）は、プロジェクトスコープのイシューになります。
  • ほとんどの標準フィールドが保持されます。サポートされている場合、選択したカスタムフィールドを移行できます。
  • 親子関係が保持されるため、エピックはすべての関連イシューを参照します。
  • プルリクエストへのリンクはマージリクエストリンクに変換され、開発のトレーサビリティが維持されます。

例: 個別の作業アイテムのGitLabイシューへの移行（フィールドの正確性と関係性を含む）:

例: 個別の作業アイテムのGitLabイシューへの移行

バッチ処理のガイダンス:

  • バッチで移行を実行する必要がある場合は、新しいグループ/サブグループ構造を使用してバッチを定義します（たとえば、ADO組織ごと、または製品領域ごと）。
  • インベントリレポートを使用してバッチ選択を推進し、スケールアップする前に各バッチをパイロット移行でテストします。

パイプライン移行

Congregateは最近、Azure DevOpsからGitLab CI/CDへのマルチステージYAMLパイプラインのAI搭載変換を導入しました。この自動変換は、シンプルな単一ファイルパイプラインに最適で、本番環境対応の.gitlab-ci.ymlファイルではなく、動作する出発点を提供するように設計されています。このツールは、機能的に同等のGitLabパイプラインを生成し、その後特定のニーズに合わせて調整および最適化できます。

  • Azureパイプライン YAMLを.gitlab-ci.yml形式に自動変換します。
  • シンプルな単一ファイルパイプライン設定に最適です。
  • 移行を加速するためのボイラープレートを提供し、最終的な本番環境アーティファクトではありません。
  • 複雑なシナリオ、カスタムタスク、エンタープライズ要件については、レビューや調整が必要です。
  • Azure DevOpsのクラシックリリースパイプラインはサポートしていません — 最初にマルチステージYAMLに変換してください。

リポジトリオーナーは、初期変換後にパイプラインをさらに最適化および強化するために、GitLab CI/CDドキュメントを確認する必要があります。

変換されたパイプラインの例:

# azure-pipelines.yml

trigger:
  - main

variables:
  imageName: myapp

stages:
  - stage: Build
    jobs:
      - job: Build
        pool:
          vmImage: 'ubuntu-latest'
        steps:
          - checkout: self

          - task: Docker@2
            displayName: Build Docker image
            inputs:
              command: build
              repository: $(imageName)
              Dockerfile: '**/Dockerfile'
              tags: |
                $(Build.BuildId)

  - stage: Test
    jobs:
      - job: Test
        pool:
          vmImage: 'ubuntu-latest'
        steps:
          - checkout: self

          # Example: run tests inside the container
          - script: |
              docker run --rm $(imageName):$(Build.BuildId) npm test
            displayName: Run tests

  - stage: Push
    jobs:
      - job: Push
        pool:
          vmImage: 'ubuntu-latest'
        steps:
          - checkout: self

          - task: Docker@2
            displayName: Login to ACR
            inputs:
              command: login
              containerRegistry: '<your-acr-service-connection>'

          - task: Docker@2
            displayName: Push image to ACR
            inputs:
              command: push
              repository: $(imageName)
              tags: |
                $(Build.BuildId)

# .gitlab-ci.yml

variables:
  imageName: myapp

stages:
  - build
  - test
  - push

build:
  stage: build
  image: docker:latest
  services:
    - docker:dind
  script:
    - docker build -t $imageName:$CI_PIPELINE_ID -f $(find . -name Dockerfile) .
  only:
    - main

test:
  stage: test
  image: docker:latest
  services:
    - docker:dind
  script:
    - docker run --rm $imageName:$CI_PIPELINE_ID npm test
  only:
    - main

push:
  stage: push
  image: docker:latest
  services:
    - docker:dind
  before_script:
    - docker login -u $CI_REGISTRY_USER -p $CI_REGISTRY_PASSWORD $CI_REGISTRY
  script:
    - docker tag $imageName:$CI_PIPELINE_ID $CI_REGISTRY/$CI_PROJECT_PATH/$imageName:$CI_PIPELINE_ID
    - docker push $CI_REGISTRY/$CI_PROJECT_PATH/$imageName:$CI_PIPELINE_ID
  only:
    - main

最終チェックリスト:

  • タイムラインとバッチ戦略を決定します。
  • リポジトリ、PR、コントリビューターの完全なインベントリを作成します。
  • スコープ（PRとメタデータ vs Gitデータのみ）に基づいて、Congregateまたは組み込みインポートを選択します。
  • 誰が移行を実行するかを決定し、トークン/権限が設定されていることを確認します。
  • 個別に移行する必要があるアセット（パイプライン、作業アイテム、アーティファクト、フック）を特定し、それらの取り組みを計画します。
  • パイロット移行を実行し、結果を検証してから、計画に従ってスケールします。

移行の実行

計画後、トライアル実行から始めて、段階的に移行を実行します。トライアル移行は、組織固有の問題を早期に明らかにし、期間を測定し、結果を検証し、本番環境前にアプローチを微調整する上で役立ちます。

トライアル移行が検証する内容:

  • 特定のリポジトリと関連アセットが正常に移行されるかどうか（履歴、ブランチ、タグ。Congregateを使用する場合はMR/コメントも含む）
  • 移行先がすぐに使用可能かどうか（権限、Runner、CI/CD変数、インテグレーション）
  • スケジュールとステークホルダーの期待値を設定するため、各バッチにかかる時間。

ダウンタイムのガイダンス:

  • GitLabの組み込みGitインポートとCongregateは、本質的にダウンタイムを必要としません。
  • 本番環境の場合では、ADOの変更を凍結（ブランチ保護または読み取り専用）して、移行中に見逃されたコミット、PR更新、作業アイテムの作成を回避します。
  • トライアル実行では凍結は必要なく、いつでも実行できます。

バッチ処理のガイダンス:

  • 経過時間を短縮するために、トライアルバッチを連続して実行します。チームは非同期で結果を検証できます。
  • 計画したグループ/サブグループ構造を使用してバッチを定義し、APIレート制限を遵守します。

推奨手順:

  1. GitLabでトライアル用のテスト先を作成:
  • GitLab.com: 専用グループ/ネームスペースを作成（例: my-org-sandbox）
  • Self-managed: トップレベルグループまたは必要に応じて別のテストインスタンスを作成
  1. 認証の準備:
  • 必要なスコープを持つAzure DevOps PAT
  • apiとread_repositoryを持つGitLabパーソナルアクセストークン（Congregateで使用されるファイルベースのインポートの場合は管理者アクセスも含む）```suggestion:-0+0
  • apiとread_repositoryを持つGitLabパーソナルアクセストークン（Congregateで使用されるファイルベースのインポートの場合は管理者アクセスも含む）
  1. トライアル移行の実行:
  • リポジトリのみ: GitLabの組み込みインポート（URLによるレポジトリインポート）を使用
  • リポジトリ + PR/MRおよび追加アセット: Congregateを使用
  1. トライアル後のフォローアップ:
  • リポジトリ履歴、ブランチ、タグ、マージリクエスト（移行された場合）、イシュー/エピック（移行された場合）、ラベル、関係性を確認します。
  • 権限/ロール、保護ブランチ、必要な承認、Runner/タグ、変数/シークレット、インテグレーション/Webhookを確認します。
  • パイプライン（.gitlab-ci.yml）または（該当する場合は）変換されたパイプラインを検証します。
  1. ユーザーに機能とデータの正確性を検証してもらいます。
  2. トライアル中に発見された問題を解決し、実行手順を更新します。
  3. ネットワークとセキュリティ:
  • 移行先の環境がIP許可リストを使用している場合、インポートが成功するように、移行ホストと必要なRunner/インテグレーションのIPを追加します。
  1. 本番環境への移行は段階的に実行:
  • 各段階で、ADOで変更凍結を実施します。
  • 進捗とログを監視します。レート制限に達した場合は、再試行するか、バッチサイズを調整します。
  1. オプション: 完了後、サンドボックスグループを削除またはアーカイブします。

GitLabとAzure DevOpsの用語リファレンス

GitLabAzure DevOps類似点と主な違い
グループ組織トップレベルのネームスペース、メンバーシップ、ポリシー。ADO組織にはプロジェクトが含まれ、GitLabグループにはサブグループとプロジェクトが含まれます。
グループまたはサブグループプロジェクト論理コンテナ、権限境界。ADOプロジェクトは多数のリポジトリを保持し、GitLabグループ/サブグループは多数のプロジェクトを整理します。
Project（Gitリポジトリを含む）リポジトリ（プロジェクト内）Git履歴、ブランチ、タグ。GitLabでは、「プロジェクト」はリポジトリとイシュー、CI/CD、Wikiなどを含みます。プロジェクトごとに1つのリポジトリ。
マージリクエスト（MR）プルリクエスト（PR）コードレビュー、ディスカッション、承認。MRルールには、承認、必要なパイプライン、コードオーナーが含まれます。
保護されたブランチ、MR承認ルール、ステータスチェックブランチポリシーレビューとチェックを強制。GitLabは保護 + 承認ルール + 必要なステータスチェックを組み合わせます。
GitLab CI/CDAzureパイプラインYAMLパイプライン、ステージ/ジョブ、ログ。ADOにはクラシックUIパイプラインもあり、GitLabは.gitlab-ci.ymlを中心にしています。
.gitlab-ci.ymlazure-pipelines.ymlステージ/ジョブ/トリガーを定義。構文/機能が異なります。ジョブ、変数、アーティファクト、トリガーをマッピングします。
Runner（共有/特定）エージェント/エージェントプールマシン/コンテナでジョブを実行。デマンド（ADO）対タグ（GitLab）でターゲット。登録/スコーピングが異なります。
CI/CD変数（プロジェクト/グループ/インスタンス）、保護/マスクパイプライン変数、変数グループ、ライブラリ設定/シークレットをジョブに渡します。GitLabはグループ継承とマスキング/保護フラグをサポートします。
インテグレーション、CI/CD変数、デプロイキーサービス接続サービス/クラウドへの外部認証。インテグレーションまたは変数にマッピング。クラウド固有のヘルパーが利用可能。
環境とデプロイメント（保護された環境）環境（承認付き）デプロイターゲット/履歴を追跡。GitLabでは保護された環境と手動ジョブを介した承認。
リリース（タグ + ノート）リリース（クラシックまたはパイプライン）バージョン管理されたノート/アーティファクト。GitLabリリースはタグに結び付けられ、デプロイメントは個別に追跡されます。
ジョブアーティファクトパイプラインアーティファクトジョブ出力を保持。保持/有効期限はジョブまたはプロジェクトごとに設定されます。
パッケージレジストリ（NuGet/npm/Maven/PyPI/Composerなど）Azureアーティファクト（NuGet/npm/Mavenなど）パッケージホスティング。認証/ネームスペースが異なります。パッケージタイプごとに移行します。
GitLabコンテナレジストリAzureコンテナレジストリ（ACR）または他OCIイメージ。GitLabはプロジェクト/グループごとのレジストリを提供します。
イシューボードボード列で作業を視覚化。GitLabボードはラベル駆動型で、プロジェクト/グループごとに複数のボードがあります。
イシュー（タイプ/ラベル）、エピック作業アイテム（ユーザーストーリー/バグ/タスク）作業単位を追跡。ADOタイプ/フィールドをラベル/カスタムフィールドにマッピング。エピックはグループレベルです。
エピック、親子イシューエピック/機能作業の階層。スキーマが異なります。エピックとイシュー関係を使用します。
マイルストーンとイテレーションイテレーションパスタイムボックス化。GitLabイテレーション（グループ機能）またはプロジェクト/グループごとのマイルストーン。
ラベル（スコープ付きラベル）エリアパス分類/所有権。階層エリアをスコープ付きラベルに置き換えます。
プロジェクト/グループWikiプロジェクトWikiマークダウンWiki。両方ともリポジトリでバックアップされます。レイアウト/認証がわずかに異なります。
CI経由のテストレポート、要件/テスト管理、インテグレーションテストプラン/ケース/実行QA証拠/トレーサビリティ。ADOテストプランとの1対1対応はありません。多くの場合、CIレポート + イシュー/要件を使用します。
ロール（オーナー/メンテナー/デベロッパー/レポーター/ゲスト） + カスタムロールアクセスレベル + きめ細かい権限読み取り/書き込み/管理を制御。モデルが異なります。グループ継承と保護されたリソースを活用します。
Webhookサービスフックイベント駆動型インテグレーション。イベント名/ペイロードが異なります。エンドポイントを再設定します。
高度な検索コードサーチフルテキストリポジトリ検索。Self-managed版のGitLabでは、高度な機能にElasticsearch/OpenSearchが必要な場合があります。
]]> Evgeny Rudinsky https://about.gitlab.com/blog/authors/evgeny-rudinsky Michael Leopard https://about.gitlab.com/blog/authors/michael-leopard 2025-12-03T00:00:00.000Z