開発者必見！コマンドラインでGeminiを使うためのインストールガイド

By /

はい、承知いたしました。
開発者向けに、コマンドラインでGoogleのGeminiを利用するための詳細なインストールガイドを、約5000字で記述します。

記事の内容を以下に直接表示します。

開発者必見！コマンドラインでGeminiを使うための完全インストール＆活用ガイド

はじめに：なぜ、今コマンドラインでAIなのか？

現代の開発ワークフローは、ますます複雑化し、効率性が求められています。私たちは日々、IDE、ターミナル、バージョン管理システム、そして様々なクラウドサービスを行き来しています。この文脈において、Googleが開発した最先端の大規模言語モデル（LLM）である「Gemini」を、私たちの主戦場であるコマンドライン（CLI）から直接利用できることは、革命的な生産性向上をもたらす可能性を秘めています。

Web UIのチャットインターフェースは直感的で便利ですが、開発者にとってCLIが持つ力は計り知れません。

  • 自動化とスクリプティング: シェルスクリプトや他のプログラムと簡単に連携できます。例えば、「Gitのステージングされた差分からコミットメッセージを自動生成する」「ログファイルを要約してエラーを報告させる」「コードスニペットからユニットテストを生成する」といったタスクを一行のコマンドで実行できます。
  • コンテキストの維持: IDEやエディタから離れることなく、ターミナル上で直接コードの解説を求めたり、リファクタリングの提案を受けたりできます。思考の流れを中断させません。
  • データ処理との親和性: cat, grep, sed, awk といった強力なUNIXコマンドとパイプ（|）でつなぐことで、テキストデータを前処理してからGeminiに渡す、といった高度な処理が容易になります。
  • 高速なイテレーション: ブラウザを開き、テキストをコピー＆ペーストする手間が省け、アイデアを素早く試すことができます。

この記事は、Geminiをあなたのコマンドライン環境に統合し、開発ワークフローを劇的に加速させるための「完全ガイド」です。公式ツールからコミュニティ製の便利なツール、さらにはcurlを使った原始的な方法まで、複数のアプローチを網羅的に解説します。APIキーの取得という最初のステップから、実用的な活用レシピ、トラブルシューティングまで、必要な情報をすべて詰め込みました。

この記事を読み終える頃には、あなたはGeminiを自在に操る「コマンドラインの魔術師」になっていることでしょう。さあ、未来の開発スタイルへの扉を開きましょう。

第1章：準備のステップ – Gemini APIキーの取得

コマンドラインからGeminiを利用するためには、まず認証の鍵となる「APIキー」を取得する必要があります。これは、あなたがGoogleに対して正当なユーザーであることを証明するためのパスワードのようなものです。

1.1. Google AI Studioへアクセス

GoogleのAIモデルを試したり、APIキーを発行したりするための中心的な場所が「Google AI Studio」です。

  1. Webブラウザで Google AI Studio にアクセスします。
  2. Googleアカウントでのログインを求められます。普段お使いのアカウントでログインしてください。

1.2. APIキーの作成

APIキーの作成は非常に簡単です。

  1. Google AI Studioのインターフェースに入ったら、画面の左側にあるメニューから Get API key をクリックします。
  2. 新しいページが表示され、「Create API key in new project」というボタンが表示されます。これをクリックしてください。
  3. クリックすると、即座にAPIキーが生成されます。長い英数字の文字列があなたのAPIキーです。

(この画像は説明のためのダミーです)

1.3. 【最重要】APIキーの安全な管理

生成されたAPIキーは、あなたのGoogleアカウントに紐づく非常に重要な情報です。絶対に、ソースコード内にハードコーディングしたり、Gitリポジトリにコミットしたり、公開の場に貼り付けたりしないでください。 悪意のある第三者に知られると、不正利用され、高額な料金が発生する可能性があります。

APIキーを安全に管理するためのベストプラクティスは、環境変数として設定することです。

Linux / macOS の場合

お使いのシェル設定ファイル（.bashrc, .zshrc, .profileなど）に以下の行を追記します。

bash
export GOOGLE_API_KEY="ここにあなたのAPIキーを貼り付け"

ファイルを保存した後、設定を反映させるために、ターミナルで以下のコマンドを実行するか、新しいターミナルセッションを開始してください。

bash
source ~/.zshrc # .zshrcの場合の例

Windows の場合

  1. 「システムのプロパティ」を開きます（Win + Rでsysdm.cplと入力して実行）。
  2. 「詳細設定」タブをクリックし、「環境変数」ボタンをクリックします。
  3. 「ユーザー環境変数」または「システム環境変数」の「新規」をクリックします。
  4. 変数名に GOOGLE_API_KEY、変数値にあなたのAPIキーを入力し、「OK」をクリックします。

設定後、コマンドプロンプトやPowerShellを再起動すると、環境変数が読み込まれます。

これで、Geminiと対話するための準備が整いました。次の章では、実際にコマンドラインからGeminiを呼び出すためのツールを見ていきましょう。

第2章：ツールの選択 – あなたのスタイルに合ったGeminiの呼び出し方

コマンドラインからGeminiを利用する方法は一つではありません。ここでは、主要な3つのアプローチを紹介します。それぞれの長所と短所を理解し、あなたの目的やスキルレベルに合ったものを選びましょう。

  1. gcloud CLI: Google Cloud公式のパワフルなコマンドラインツール。
  2. コミュニティ製ツール (例: llm): シンプルで使いやすく、スクリプティングに最適。
  3. curl: 依存関係なしで、APIの仕組みを深く理解したい上級者向け。

2.1. オプション1：公式ツール gcloud CLI を使う

gcloudは、Google Cloud Platform (GCP) のリソースを管理するための公式コマンドラインインターフェースです。Vertex AIというGCPのサービスを通じてGeminiを利用する場合、このツールが第一の選択肢となります。エンタープライズレベルの堅牢な管理や、他のGCPサービスとの連携を重視する場合に最適です。

2.1.1. インストール

お使いのOSに合わせてインストールします。

  • macOS (Homebrew使用):
    bash
    brew install --cask google-cloud-sdk

  • Linux (Debian/Ubuntu):
    bash
    sudo apt-get update
    sudo apt-get install apt-transport-https ca-certificates gnupg
    echo "deb [signed-by=/usr/share/keyrings/cloud.google.gpg] https://packages.cloud.google.com/apt cloud-sdk main" | sudo tee -a /etc/apt/sources.list.d/google-cloud-sdk.list
    curl https://packages.cloud.google.com/apt/doc/apt-key.gpg | sudo apt-key --keyring /usr/share/keyrings/cloud.google.gpg add -
    sudo apt-get update && sudo apt-get install google-cloud-cli

  • Windows (PowerShell):
    powershell
    (New-Object Net.WebClient).DownloadFile("https://dl.google.com/dl/cloudsdk/channels/rapid/GoogleCloudSDKInstaller.exe", "$env:Temp\GoogleCloudSDKInstaller.exe")
    & "$env:Temp\GoogleCloudSDKInstaller.exe"
    インストーラーの指示に従ってください。

2.1.2. 初期設定と認証

インストール後、初期設定と認証を行います。

  1. 初期化:
    bash
    gcloud init
    このコマンドを実行すると、ブラウザが開き、Googleアカウントでのログインを求められます。ログイン後、使用するGCPプロジェクトを選択します。Gemini APIを有効にしたプロジェクトを選んでください。（もしまだなければ、GCPコンソールで新しいプロジェクトを作成し、”Vertex AI API”を有効化する必要があります）

  2. アプリケーションのデフォルト認証:
    bash
    gcloud auth application-default login
    これにより、gcloudだけでなく、他の多くのGoogle Cloudクライアントライブラリもこの認証情報を使えるようになります。

2.1.3. gcloudでのGemini Pro利用方法

gcloudを使ったGeminiの呼び出しは、gcloud ai platform models predictという長いコマンドが基本形となり、リクエストはJSONファイルで渡すのが一般的です。

ステップ1: リクエスト用JSONファイルの作成

まず、request.jsonのような名前でファイルを作成し、以下の内容を記述します。

json
{
"instances": [
{
"prompt": "コマンドラインでファイル内の行数を数える方法を教えてください。"
}
],
"parameters": {
"temperature": 0.3,
"maxOutputTokens": 256,
"topP": 0.8,
"topK": 40
}
}

  • prompt: ここにGeminiへの指示を書きます。
  • parameters: temperature（創造性）、maxOutputTokens（最大出力トークン数）などの生成パラメータを制御します。

ステップ2: コマンドの実行

以下のコマンドを実行します。[PROJECT_ID]はあなたのGCPプロジェクトIDに置き換えてください。

bash
gcloud ai models predict gemini-pro \
--project=[PROJECT_ID] \
--region="us-central1" \
--json-request=request.json

出力例:

json
{
"predictions": [
"コマンドラインでファイル内の行数を数えるには、`wc` コマンドを使用するのが最も一般的です。\n\n**基本形:**\nbash\nwc -l <ファイル名>\n\n\n**例:**\n`report.txt` というファイルの行数を数える場合：\nbash\nwc -l report.txt\n\n\nこれにより、`123 report.txt` のように、行数とファイル名が出力されます。"
]
}

長所:
* Google公式サポート。
* 他のGCPサービス（Cloud Storage, BigQueryなど）とシームレスに連携可能。
* 詳細なIAM権限管理が可能で、セキュリティ要件が厳しい環境に適している。

短所:
* コマンドが長く、冗長。
* ちょっとした質問をするには、JSONファイルを用意する必要があり手間がかかる。
* セットアップが他の方法に比べて複雑。

2.2. オプション2：コミュニティ製ツール llm を使う

llmは、Simon Willison氏によって開発された、様々なLLMを統一的なインターフェースで利用できる素晴らしいPython製ツールです。プラグイン形式で対応モデルを増やすことができ、Gemini用のプラグインも提供されています。日常的な利用やスクリプティングには、こちらが圧倒的におすすめです。

2.2.1. インストール

Pythonとpipがインストールされている必要があります。

bash
pip install llm llm-gemini

これだけで、llm本体とGemini用プラグインの両方がインストールされます。

2.2.2. 初期設定

llmは、第1章で設定したGOOGLE_API_KEYという環境変数を自動で読み取ってくれます。もし別の名前でキーを設定したい場合は、以下のように設定できます。

“`bash
llm keys set google

プロンプトが表示されたらAPIキーを貼り付けてEnter

“`

2.2.3. llmでのGemini Pro利用方法

gcloudとは対照的に、llmの使い方は非常にシンプルで直感的です。

  • 基本的な質問:
    -m（--model）オプションでモデルを指定します。
    bash
    llm -m gemini-pro "Pythonでリストを逆順にする方法は？"

  • パイプを使った入力:
    llmの真価は、他のコマンドと組み合わせることで発揮されます。catで読み込んだファイルの内容をGeminiに要約させてみましょう。
    bash
    cat long_document.txt | llm -m gemini-pro "この文章を3行で要約してください。"

  • 会話の継続:
    -c（--continue）オプションを使うと、直前の会話の文脈を引き継いで質問できます。
    “`bash
    # 最初の質問
    llm -m gemini-pro “ReactのuseStateについて教えて。”

    会話を引き継いで追加質問

    llm -c “では、useEffectとの違いは何ですか？”
    “`

  • システムプロンプトの利用:
    -s（--system）オプションで、AIの役割や振る舞いを定義できます。
    bash
    llm -m gemini-pro -s "あなたはプロの翻訳家です。自然で丁寧な日本語に翻訳してください。" "Hello, world!"

長所:
* 非常にシンプルで覚えやすいコマンド体系。
* パイプとの相性が抜群で、スクリプティングに最適。
* 会話履歴の管理が簡単。
* プラグインを追加すれば、GPTやClaudeなど他のモデルも同じように使える。

短所:
* サードパーティ製ツールであること。
* Python環境が必要。

2.3. オプション3：curl を直接叩く

究極のコントロールを求めるなら、curlを使ってGemini APIのRESTエンドポイントを直接呼び出す方法があります。これは、外部ツールに依存せず、HTTPリクエストの内部構造を完全に理解したい上級者向けです。

2.3.1. 準備

必要なものはcurlコマンド（ほとんどのLinux/macOSにプリインストール）と、第1章で取得したAPIキーだけです。

2.3.2. curlでのGemini Pro利用方法

curlコマンドは以下のようになります。$GOOGLE_API_KEYの部分は、環境変数からAPIキーを読み込んでいます。

bash
curl -X POST \
-H "Content-Type: application/json" \
-d '{
"contents": [{
"parts":[{
"text": "Gitで最後のコミットを取り消す方法を3つ教えて。"
}]
}]
}' \
"https://generativelanguage.googleapis.com/v1beta/models/gemini-pro:generateContent?key=$GOOGLE_API_KEY"

コマンドの解説:
* -X POST: HTTPのPOSTメソッドを使用することを指定。
* -H "Content-Type: application/json": 送信するデータがJSON形式であることを示すヘッダー。
* -d '{...}': 送信するJSONデータ本体。contents -> parts -> text という階層構造になっています。
* "https://.../gemini-pro:generateContent?key=$GOOGLE_API_KEY": Gemini ProモデルのAPIエンドポイント。URLの末尾に ?key= でAPIキーを付与します。

出力:
出力は整形されていない生のJSONで返ってきます。jqのようなJSONパーサーと組み合わせると見やすくなります。

“`bash

jqを使って整形し、テキスト部分だけを抽出する例

curl -s … | jq -r ‘.candidates[0].content.parts[0].text’
“`

長所:
* 外部ライブラリやツールのインストールが不要。
* APIの仕組みを根本から理解できる。
* どんな環境（シェルスクリプト、CI/CDパイプラインなど）でも動作する。

短所:
* コマンドが非常に長く、手動で打つのは非現実的。
* JSONのエスケープ処理が面倒で、エラーが発生しやすい。
* 会話履歴の管理などを自前で実装する必要がある。

どのツールを選ぶべきか？

  • 日常的な対話やスクリプティングをしたい開発者: 迷わず llm を選びましょう。学習コストが低く、生産性が劇的に向上します。
  • GCP環境でインフラとしてAIを管理したいSRE/DevOpsエンジニア: gcloud が適しています。堅牢な管理と連携機能が魅力です。
  • APIの挙動を深く知りたい、または超軽量な環境でAIを使いたいハッカー: curl が面白い選択肢です。知識が深まります。

本ガイドの以降の章では、主に最も汎用性が高く便利な llm を使った活用例を紹介していきます。

第3章：実践！開発ワークフローにGeminiを組み込むレシピ集

ツールを手に入れただけでは宝の持ち腐れです。ここでは、llmツールを使って、日常的な開発タスクを効率化する具体的な「レシピ」を紹介します。これらのコマンドをシェルエイリアスや関数に登録しておくと、さらに便利になります。

レシピ1：Gitコミットメッセージの自動生成

変更内容に合ったコミットメッセージを考えるのは、意外と頭を使う作業です。Geminiに手伝ってもらいましょう。

コマンド:

bash
git diff --staged | llm -m gemini-pro -s "あなたはGitの専門家です。以下のdiff情報から、Conventional Commits形式の適切なコミットメッセージを1行で生成してください。説明は不要です。"

解説:
1. git diff --staged: ステージングエリアにある変更内容（git addされたもの）をdiff形式で出力します。
2. |: パイプを使って、diffの出力をllmコマンドの標準入力に渡します。
3. llm -m gemini-pro -s "...": llmは標準入力を受け取ると、それをプロンプトの一部として扱います。システムプロンプト (-s)で役割を与えることで、期待する形式（Conventional Commits）の出力を得やすくなります。

シェルエイリアス化:
.zshrcや.bashrcに以下を追記すると、git-commit-aiという短いコマンドで実行できます。

“`bash

.zshrc

function git-commit-ai() {
local commit_msg
commit_msg=$(git diff –staged | llm -m gemini-pro -s “あなたはGitの専門家です。以下のdiff情報から、Conventional Commits形式の適切なコミットメッセージを1行で生成してください。説明は不要です。”)
git commit -m “$commit_msg”
}
“`

レシピ2：コードの解説とリファクタリング

他人の書いたコードや、昔の自分が書いた複雑なコードを理解するのに時間を取られていませんか？Geminiに解説させましょう。

コマンド:

bash
cat complex_function.py | llm -m gemini-pro "このPythonコードの処理内容をステップバイステップで解説してください。また、より効率的または可読性の高いコードにリファクタリングする提案があれば教えてください。"

解説:
catで読み込んだコードをパイプでllmに渡し、具体的な指示（解説とリファクタリング提案）を与えるだけです。これにより、IDEを離れることなく、ターミナル上で素早くコードレビューのようなフィードバックを得られます。

レシピ3：正規表現の生成

誰もが一度は苦しむ正規表現。自然言語でやりたいことを伝えれば、Geminiが生成してくれます。

コマンド:

bash
llm -m gemini-pro "メールアドレスを検証するための正規表現を、Perl互換(PCRE)で生成してください。"

応用:
生成された正規表現が正しいか、grepと組み合わせてすぐにテストできます。

“`bash

Geminiに生成させた正規表現を変数に入れる

REGEX=$(llm -m gemini-pro “メールアドレスを検証するための正規表現を、Perl互換(PCRE)で生成してください。パターンのみ出力してください。”)

テストデータで試す

echo “[email protected]” | grep -E “$REGEX”
echo “invalid-email” | grep -E “$REGEX”
“`

レシピ4：エラーログの要約と原因分析

長大なエラーログの中から、根本原因を見つけるのは大変です。Geminiに要約と分析を依頼しましょう。

コマンド:

bash
cat app-error.log | llm -m gemini-pro "このJavaのスタックトレースを含むログファイルから、エラーの根本原因と思われる箇所を特定し、考えられる解決策を3つ提案してください。"

解説:
tail -n 100などでログの末尾だけを渡したり、grep "ERROR"でエラー行だけを抽出してからパイプで渡すなど、UNIXコマンドとの組み合わせで精度をさらに高めることができます。

レシピ5：シェルコマンドの生成（自然言語 to Bash）

「あのコマンド、どうやって打つんだっけ？」もう検索する必要はありません。

コマンド:

bash
llm -m gemini-pro -s "あなたはLinuxシェルの達人です。依頼された操作をワンライナーのbashコマンドで返してください。説明は不要で、コマンドだけを出力してください。" "カレントディレクトリ以下の全ての.mdファイルを検索し、その中の'TODO'という文字列を'DONE'に置換して上書き保存するコマンド"

期待される出力例:

bash
find . -type f -name "*.md" -exec sed -i 's/TODO/DONE/g' {} +
出力されたコマンドをそのまま実行できるので、非常に効率的です。

レシピ6：Gemini Pro Visionで画像の内容を説明する

Geminiはテキストだけでなく、画像も理解できます（Gemini Pro Visionモデル）。llmツールもこれに対応しています。

コマンド:
llmは、パイプで渡された入力が画像ファイルへのパスであれば、それを画像として扱ってくれます。

“`bash

スクリーンショットのパスをパイプで渡す

echo “screenshot.png” | llm -m gemini-pro-vision “このUIスクリーンショットについて説明してください。どのようなアプリケーションで、どのような機能がありますか？”
“`

解説:
これは、UIデザインのレビューや、受け取ったダイアグラムの理解、エラー画面の解析などに絶大な効果を発揮します。llmが内部で画像を適切にエンコードし、APIに送信してくれます。

第4章：上級者向けトピックとベストプラクティス

4.1. シェルとの統合を深める

レシピ集で紹介したように、エイリアスや関数を定義するのは基本です。さらに一歩進んで、fzf（ファジーファインダー）のようなインタラクティブなツールと組み合わせることもできます。

例えば、Ctrl+Gを押すとプロンプトが立ち上がり、入力した自然言語から生成されたシェルコマンドを選択して実行する、といった高度な連携も可能です。

4.2. プロンプトエンジニアリングの勘所

CLIでの利用は一問一答形式になりがちです。良い結果を得るためには、プロンプトに以下の要素を含めることを意識しましょう。

  • 役割 (Role): 「あなたは〇〇の専門家です」と役割を与える。
  • 文脈 (Context): 必要な背景情報（コード、ログ、仕様など）をパイプで渡す。
  • 指示 (Instruction): 「～してください」と明確な動詞で指示する。
  • フォーマット (Format): 「JSON形式で」「箇条書きで」など、出力形式を指定する。

4.3. コスト管理の意識

Gemini APIは（無料枠を超えると）利用量に応じて課金されます。トークン数（おおよそ単語数や文字数）によって料金が決まるため、巨大なファイルを丸ごとパイプで渡すような操作は、意図せず高額な料金につながる可能性があります。

  • head, tail, grepなどで、AIに渡す情報を事前に絞り込む。
  • llm logsコマンドで、過去のリクエストとレスポンスのトークン数を確認する。
  • GCPコンソールで予算アラートを設定する。

これらの習慣を身につけ、賢くAPIを利用しましょう。

第5章：トラブルシューティングとFAQ

5.1. よくあるエラーとその対処法

  • 403 Forbidden / Permission Denied

    • 原因: APIキーが正しくないか、APIが有効になっていない。
    • 対処法:
      1. 環境変数GOOGLE_API_KEYが正しく設定されているか確認 (echo $GOOGLE_API_KEY)。
      2. Google AI StudioまたはGCPコンソールで、APIキーが有効であること、および対象のプロジェクトで “Vertex AI API” または “Generative Language API” が有効化されていることを確認。

  • 429 Resource has been exhausted (e.g. check quota)

    • 原因: APIのレートリミット（短時間でのリクエスト回数制限）に達した。
    • 対処法:
      1. 少し時間をおいてから再試行する。
      2. スクリプト内でループ実行している場合は、sleepコマンドなどを挟んでリクエスト間隔を空ける。
      3. デフォルトのレートリミットは通常、分間60リクエストです。

  • コマンドがうまく動かない、期待した出力が得られない

    • 原因: プロンプトが曖昧、またはパイプで渡しているデータが不適切。
    • 対処法:
      1. まず、シンプルなプロンプト（例: llm -m gemini-pro "こんにちは"）で、ツールとAPIキーの設定が正しいか確認する。
      2. パイプで渡している内容を、一度ファイルに書き出すなどして確認する (git diff --staged > diff.txt)。
      3. 第4章で述べたプロンプトエンジニアリングのテクニックを使い、より具体的で明確な指示を与える。

5.2. FAQ – よくある質問

Q1: Gemini ProとGemini Pro Visionの違いは何ですか？
A1: Gemini Proはテキストの入出力に特化したモデルです。一方、Gemini Pro Visionはテキストに加えて画像も入力として受け取ることができるマルチモーダルモデルです。llmでは、-m gemini-proと-m gemini-pro-visionで使い分けます。

Q2: APIの利用は無料ですか？
A2: Googleは、一定量までの利用が可能な無料枠を提供しています（2024年初頭時点では、分間60リクエストまで無料など）。ただし、このポリシーは変更される可能性があるため、必ず公式の料金ページで最新の情報を確認してください。無料枠を超える利用は有料となります。

Q3: llmで過去の会話ログはどこに保存されますか？
A3: llmは、すべてのやり取りをSQLiteデータベースに記録します。これにより、-cオプションでの会話継続が可能になっています。ログの場所はOSによって異なりますが、llm logs --pathコマンドでデータベースファイルのパスを確認できます。

Q4: もっと複雑な処理、例えば複数のファイルを入力にすることはできますか？
A4: はい、可能です。シェルスクリプトの能力を最大限に活用しましょう。例えば、findとxargs、catを組み合わせることで、複数のファイルの内容を連結して一つのプロンプトとしてllmに渡すことができます。

“`bash

複数のファイルを連結してサマリーを生成

find src/ -name “*.js” | xargs cat | llm -m gemini-pro “これらのJavaScriptファイル群の全体的な役割を要約してください。”
“`

おわりに：あなたのターミナルは、もはや単なる黒い画面ではない

この記事では、Geminiをコマンドラインから利用するための、APIキー取得から具体的な活用レシピまでを網羅的に解説しました。gcloud, llm, curlという3つの選択肢を知り、特にllmとパイプを組み合わせることで、開発ワークフローがいかに強力になるかを実感いただけたかと思います。

コミットメッセージの生成、コードの解説、ログの分析、ドキュメント作成… これまで人間の思考と手作業に頼っていた多くのタスクが、コマンド一つでAIに委任できるようになりました。これは単なる効率化ではありません。開発者がより創造的で、本質的な問題解決に集中できる環境へのシフトを意味します。

あなたのターミナルは、もはや命令を打ち込むだけの場所ではありません。これからは、強力なAIアシスタントと対話し、協業する「対話の場」となります。

さあ、今日紹介したレシピを試すことから始めてみてください。そして、あなた自身のワークフローに合わせて、新しいレシピを創造してください。コマンドラインとAIの融合がもたらす可能性は、あなたのアイデア次第で無限に広がっていくのです。Happy Hacking

コメントする

メールアドレスが公開されることはありません。 ※ が付いている欄は必須項目です

上部へスクロール