Unity Gatewayを通じてモデル、MCPツール、スキルとともにGemini CLIを活用してください。 Unity Gateway CLI(ug)はワークスペースのサインインと設定を担当しますし、手動で接続を設定することもできます。
Unity Gatewayを通じてサポートされているのはGeminiのCLIだけです。
Prerequisites
Azure DatabricksのワークスペースURLと、使いたいモデル、MCPサービス、スキルへのアクセスが必要です。 手動設定の場合は、現在のUnity Gateway統合に対応したGemini CLIバージョンをインストールし、Azure Databricksのパーソナルアクセストークンを用意してください。
手動設定の場合は、<workspace-hostname>をAzure Databricksワークスペースのホスト名に、<databricks-pat>をトークンに置き換えてください。 ワークスペースで利用可能な完全なモデル名を使い、設定エントリは既存のファイルにマージし、関連のない設定は保持してください。
管理者がすでにデバイスを設定している場合は、組織の設定手順に従ってください。
Unity Gateway CLIを使います
ugをインストールし、プロジェクトディレクトリから次のコマンドを実行します:
ug gemini
ワークスペースを選択し、求められたらサインインしてください。 このコマンドで、設定済みのモデルが設定されたGemini CLIが開き、通常のコーディングワークフローに対応できるようになります。
別のモデルから始めるには ug gemini --model "<model-name>"を使いましょう。 管理者が設定したGeminiモデルプロバイダーサービスを使用するには、 ug gemini --provider "<catalog>.<schema>.<provider-name>"をご利用ください。
モデルを手動で設定する
現在のUnity Gateway統合に対応したGemini CLIバージョンをインストールしてください:
npm install -g "@google/gemini-cli@<0.45.0"
端末で以下の変数を設定してください:
export GEMINI_MODEL="system.ai.gemini-3-5-flash"
export GOOGLE_GEMINI_BASE_URL="https://<workspace-hostname>/ai-gateway/gemini"
export GEMINI_API_KEY_AUTH_MECHANISM="bearer"
export GEMINI_API_KEY="<databricks-pat>"
APIキー認証を選択するには、以下のファイルを ~/.gemini/settings.json に統合してください:
{
"security": {
"auth": {
"selectedType": "gemini-api-key"
}
}
}
そして同じ端末から gemini を実行してください。 設定や環境変数については Gemini CLIの設定ドキュメント をご覧ください。
MCPツールの追加
system.ai.dbsql、system.ai.sandbox、system.ai.web_search を使用するには、アカウント管理者がアカウント コンソールの プレビュー ページから Unity ゲートウェイのベータを有効にする必要があります。 「アカウント プレビューの管理」をご覧ください。
Unity Gateway CLIを使います
走れ
ug mcp add --agents gemini
サービスを選択し、 ug geminiで再スタートしてください。 エージェント内で /mcp 入力すると接続されたサーバーが表示されます。
MCPサービスを手動で設定してください
このエントリーを ~/.gemini/settings.jsonに統合してください:
{
"mcpServers": {
"dbsql": {
"httpUrl": "https://<workspace-hostname>/ai-gateway/mcp-services/system.ai.dbsql",
"headers": {
"Authorization": "Bearer <databricks-pat>"
}
}
}
}
別のサービスでは、サーバー名を変更し、 system.ai.dbsql を3部構成のUnity Catalog名に置き換えます。 編集後に gemini を再起動してください。 Gemini CLIのMCPドキュメントを参照してください。
ug gemini
~/.ucode/.gemini-home/.gemini/settings.jsonには別の設定ファイルがあります。
ugを経由して起動する際の手動MCPエントリーにはそのファイルを使ってください。
スキルを追加する
Unity Gateway CLIを使います
プロジェクトディレクトリから公開されたスキルをダウンロードしてプロジェクトに取り入れてください:
ug skills add --path "$PWD"
スキルを選んでから、Gemini CLIを再起動してください。 プロジェクトの .agents/skills/ ディレクトリを読み込みます。
/skills list入力すると利用可能なスキルが表示されます。
スキルを手動で設定してください
すでに持っているファイルについては、各完成したスキルフォルダーをプロジェクトの .gemini/skills/に入れてください。 Projectスキルはgeminiとug geminiの両方に対応し、ugユーザー設定やスキル用の別のホームディレクトリを使用しています。 Gemini CLIのスキルドキュメントをご覧ください。
MCPを通じて公開されたスキルレジストリにアクセスするには、上記のMCP例を使って2台目のサーバーを追加し、 databricks-skill-registry名付け、 httpUrl を https://<workspace-hostname>/ai-gateway/skills/に設定します。 末尾のスラッシュとBearerヘッダーは保持してください。 エージェントにスキルのフルネームで使うよう頼みましょう。
Unityゲートウェイのスキルはまだベータ版です。 有効化およびアクセス許可については、ガバナンス スキルを参照してください。
Troubleshooting
モデルリクエストが失敗した場合: ゲートウェイURL、トークンの有効期限、モデル名、権限、そして上記のGemini CLIバージョン制限を確認してください。
MCPサーバーが一つ欠けています: エージェントを再起動してください。
ugで設定しているなら、同じ設定を使うようにug geminiで起動してください。 手動設定の場合は、 ~/.gemini/settings.json とベアラートークンを確認してください。
ダウンロードされたスキルが欠けています: そのフォルダ全体にサポートされているディレクトリに含まれている SKILL.md を確認してください。
ug経由で起動する際は、上記のプロジェクトダウンロードコマンドを使ってください。 同じオプションで ug skills add を再度実行して、ダウンロードしたスキルを更新してください。
ワークスペースのサインインや ug 設定の問題がある場合は、 ug doctorを実行してください。