VS Code 用 Looker 拡張機能を使用すると、AI を活用した LookML 開発（バイブ コーディングとも呼ばれます）が可能になります。このアプローチにより、デベロッパーは自然言語を使用して、Visual Studio Code（VS Code）や Cursor などのローカル デスクトップ IDE でサードパーティの AI エージェントと事前構築済みのスキルを使用して LookML コードを生成、編集、検証できます。
このガイドでは、エージェント型ワークフローのアーキテクチャについて説明し、AI エージェントの接続とプロンプトの指示について説明します。
Looker でのバイブ コーディングの仕組み
AI 支援開発ワークフローは、いくつかの主要コンポーネントに依存しています。
- IDE と AI エージェント: VS Code のフォークであるローカル エディタ（VS Code、Claude Code、Cursor など）。AI コパイロットまたはエージェント（Gemini CLI、Claude など）が統合されています。
- VS Code 用 Looker 拡張機能: 構文のハイライト表示、Looker インスタンスとの双方向のファイル同期、オートコンプリート、統合された検証など、LookML 開発用のローカル環境を提供します。
- Looker のデータベース向け MCP ツールボックス: オープン スタンダードの Model Context Protocol（MCP）を使用して、AI エージェント、IDE、アプリケーションをエンタープライズ データベースに直接接続します。
- 事前構築済みのスキルファイル: 事前構築済みのスキルファイルは、LookML の作成に関する特定のコンテキスト、コーディング標準、プロジェクト固有の指示を AI エージェントに提供します。VS Code 用の Looker 拡張機能は、スキルファイルを自動的にインストールして更新します。IDE で Looker: Install Skills in this Workspace または Looker: Install Skills Globally コマンド パレット コマンドを実行して、スキルファイルを生成または更新することもできます。
これらのコンポーネントを組み合わせることで、AI エージェントは次のタスクを実行できます。
- ローカルの LookML ファイルを読み取る
- MCP サーバーを使用してデータベース スキーマを検査する
- ローカルでコードの変更を提案して適用する
- コミットする前に LookML 検証を実行して自己修正する
始める前に
AI エージェントを使用して LookML を開発するには、次の要件を満たす必要があります。
- Looker 拡張機能を構成する: VS Code 用の Looker 拡張機能がインストールされ、構成されている必要があります。また、OAuth または API キーでログインする必要があります。
- MCP クライアントを構成する: IDE の AI エージェントを Looker マネージド MCP サーバーに接続する必要があります。VS Code やその他のサポートされているクライアントを構成する手順の例については、MCP、Gemini CLI、その他のエージェントで Looker を使用するのドキュメント ページをご覧ください。詳しくは、クライアントのドキュメントをご覧ください。
- LookML プロジェクトのクローンを作成する: LookML リポジトリのクローンをローカルマシンに作成し、IDE で開いていることを確認します。
- Looker の権限を確認する: 編集するモデルに対して、少なくとも
developLooker 権限があることを確認します。
AI エージェントへのプロンプト
AI エージェントが Looker MCP サーバーに接続され、LookML プロジェクトが開いたら、自然言語を使用してコードの作成と変更を開始できます。ワークスペースのスキルはエージェントのガイドに役立ちますが、明確で具体的なプロンプトを指定すると、最適な結果が得られます。
一般的な LookML 開発タスクについて AI エージェントにプロンプトを入力する方法の例を次に示します。
スキーマから新しい LookML モデルを生成する
エージェントに特定のデータベース接続の検査を依頼し、基本的な LookML ビューを生成できます。
プロンプトの例:
「MCP ツールを使用して
ecommerce_db接続に接続します。usersテーブルとordersテーブルのスキーマを確認します。users.view.lkmlファイルとorders.view.lkmlファイルの LookML を生成します。主キー、すべての列の標準ディメンション、レコード数などの基本的な指標を含めます。次に、ordersを探索し、user_idでusersを結合するecommerce.model.lkmlファイルを生成します。」
既存の LookML をリファクタリングする
エージェントに、新しい標準に準拠するように複数のファイルを更新したり、既存のパターンに基づいて新しい機能を追加したりするよう指示できます。
プロンプトの例:
「
products.view.lkmlファイルを確認します。価格または費用を表すnumberタイプのすべてのディメンションを検索します。これらのディメンションごとに、対応するsum指標とaverage指標を生成します。新しい指標ごとに、計算内容を説明する説明を追加します。新しいコードが、ワークスペースの事前構築済みスキルで推奨されているスタイルと一致していることを確認してください。」
LookML のトラブルシューティングと検証を行う
AI エージェントは、LookML エラーの特定と解決に役立ちます。エージェントは MCP サーバーの検証ツールをプロアクティブに使用できますが、Looker IDE バリデータによって検出された特定のエラーについてサポートを求めることもできます。
プロンプトの例:
「LookML バリデータを実行したところ、エラー「Inaccessible view: users. ビュー ユーザーに連絡できません。'
ecommerce.model.lkmlファイルでusersビューをordersExplore に結合しようとしています。モデルファイルとusers.view.lkmlファイルを確認し、エラーの原因を特定して、修正案を提案してください。」
変更管理
AI エージェントがローカルの LookML ファイルを変更した場合は、次の手順を行います。
- 差分を確認する: IDE のソース管理または差分ビューアで、AI エージェントが提案した変更を慎重に確認します。
- ローカルで検証: 生成されたコードが正しくコンパイルされ、Looker サーバーでエラーが発生しないように、IDE コマンド パレットから Looker: Validate LookML コマンドを常に実行します。
- 同期とデプロイ: ファイルを保存すると、拡張機能は Looker サーバーの開発ブランチに自動的に同期します。変更の準備ができたら、標準の Git コマンドを使用して変更を commit してデプロイします。