VS Code 用の Looker 拡張機能 により、AI を活用した LookML 開発（「バイブ コーディング」と呼ばれることもあります）が可能になります。このアプローチにより、開発者はサードパーティの AI エージェントとローカル デスクトップ IDE（Visual Studio Code（VS Code）や Cursor など）の事前構築済みスキルを使用して、自然言語で 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 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送信の手順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 を活用した開発ワークフローは、いくつかの重要なコンポーネントに依存しています。
- IDE と AI エージェント: AI コパイロットまたはエージェント（Gemini CLI や Claude など）が統合された 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）。
- VS Code 用の 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ファイル同期、オートコンプリート、統合検証など、LookML 開発用のローカル環境を提供します。
- データベース向け Looker の 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。
- 事前構築済みスキル ファイル: 事前構築済みスキル ファイルは、LookML を記述するための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手順を 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 ファイルを入力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
- コードの変更をローカルで提案して適用する
- commit 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 またはその他のサポートされているクライアントの構成手順については、データベース向け MCP ツールボックスを使用するのドキュメント ページをご覧ください。詳細については、クライアントのドキュメントをご覧ください。
- LookML プロジェクトをクローンする: LookML リポジトリをローカルマシンにクローンし、IDE で開いていることを確認します。
- Looker の権 1 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 エージェントにプロンプトを送信する
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 開発タスクで AI エージェントにプロンプトを送信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を検査して、基本的な LookML ビューを生成するように依頼できます。
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検査します。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に指示できます。
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型のディメンションをすべて検索します。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ます。」
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積極的に使用できますが、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. The view users cannot be reached.」が発生しました。
ecommerce.model.lkmlファイルのorders探索にusersビューを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 エージェントによって提案された変更を慎重に確認します。
- ローカルで検証する: IDE コマンド パレットから Looker: Validate LookML コマンドを常に実行して、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します。
- 同期してデプロイする: ファイルを保存すると、拡張機能によって Looker サーバーの開発ブランチに自動的に同期されます。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。