Antigravity × Terraform で実現する AI 駆動インフラ自動化 — IaC をAIがレビュー・生成するワークフロー

取り組みの背景 — AI がインフラコードを書く時代

Infrastructure as Code（IaC）は、クラウドインフラをコードとして管理する手法として広く普及しました。しかし、Terraform の HCL（HashiCorp Configuration Language）は独特の構文を持ち、クラウドプロバイダごとに膨大なリソース定義を覚える必要があります。

Antigravity の AI エージェントを活用すれば、自然言語でインフラ要件を伝えるだけで Terraform コードを自動生成し、セキュリティやコストの観点から AI がレビューしてくれるワークフローを構築できます。

この記事で学べること：

Antigravity で Terraform プロジェクトを効率的に扱うための設定
AI エージェントによる Terraform コードの自動生成テクニック
terraform plan の差分を AI にレビューさせる実践的なワークフロー
セキュリティ・コスト最適化のための AI チェックリスト構築

対象読者： Terraform の基本を理解しており、AI を活用して IaC ワークフローを効率化したいエンジニア

前提知識と環境準備

必要なツール

Antigravity と Terraform を連携させるために、以下の環境を整えましょう。

# Terraform のインストール確認
terraform --version
# Terraform v1.10.x 以上を推奨
 
# Antigravity のインストール確認
# Antigravity IDE が最新版であることを確認
 
# AWS CLI（例として AWS を使用）
aws --version
# aws-cli/2.x.x 以上

プロジェクト構成

AI と効率よく作業するには、Terraform プロジェクトの構成を明確にしておく点が肝心です。

infra/
├── environments/
│   ├── dev/
│   │   ├── main.tf
│   │   ├── variables.tf
│   │   └── terraform.tfvars
│   ├── staging/
│   └── production/
├── modules/
│   ├── networking/
│   ├── compute/
│   ├── database/
│   └── monitoring/
├── .antigravity/
│   └── agents.md          # AI エージェント設定
└── scripts/
    └── plan-review.sh     # AI レビュー自動化スクリプト

Antigravity の IaC エージェント設定

agents.md によるコンテキスト提供

Antigravity のエージェントに Terraform プロジェクトの文脈を与えるため、.antigravity/agents.md を作成します。

# Infrastructure Agent Configuration
 
## Project Context
- Cloud Provider: AWS (ap-northeast-1)
- Terraform Version: >= 1.10
- State Backend: S3 + DynamoDB locking
- Environments: dev, staging, production
 
## Coding Standards
- All resources must have Name and Environment tags
- Use modules for reusable components
- No hardcoded credentials — use AWS IAM roles
- Enable encryption at rest for all storage resources
- VPC flow logs must be enabled in all environments
 
## Security Requirements
- No public S3 buckets unless explicitly approved
- All security groups must have explicit egress rules
- RDS instances must not be publicly accessible
- Enable AWS CloudTrail in all accounts

この設定により、AI エージェントは Terraform コードを生成する際に、プロジェクト固有の要件を自動的に考慮します。

カスタムコマンドの活用

Antigravity のカスタムコマンドを設定して、Terraform 作業を効率化できます。

{
  "customCommands": {
    "tf-gen": {
      "description": "自然言語からTerraformコードを生成",
      "prompt": "以下の要件に基づいてTerraformコードを生成してください。agents.mdのセキュリティ要件を遵守し、変数化を徹底してください: "
    },
    "tf-review": {
      "description": "Terraform planの出力をAIレビュー",
      "prompt": "以下のterraform plan出力をレビューしてください。セキュリティリスク、コスト影響、ベストプラクティス違反を指摘してください: "
    }
  }
}

AI による Terraform コード自動生成

基本的な生成フロー

Antigravity のエージェントに自然言語でインフラ要件を伝え、Terraform コードを生成する実例を見てみましょう。

プロンプト例：

「本番環境用の RDS PostgreSQL インスタンスを作成してください。マルチ AZ 構成で、暗号化を有効にし、自動バックアップを7日間保持する設定にしてください。」

AI が生成するコード：

# modules/database/main.tf
 
resource "aws_db_subnet_group" "main" {
  name       = "${var.project_name}-${var.environment}-db-subnet"
  subnet_ids = var.private_subnet_ids
 
  tags = {
    Name        = "${var.project_name}-${var.environment}-db-subnet"
    Environment = var.environment
    ManagedBy   = "terraform"
  }
}
 
resource "aws_db_instance" "postgresql" {
  identifier     = "${var.project_name}-${var.environment}-postgres"
  engine         = "postgres"
  engine_version = var.postgres_version
  instance_class = var.db_instance_class
 
  # ストレージ設定
  allocated_storage     = var.allocated_storage
  max_allocated_storage = var.max_allocated_storage
  storage_type          = "gp3"
  storage_encrypted     = true  # 暗号化を有効化
  kms_key_id            = var.kms_key_arn
 
  # ネットワーク設定
  db_subnet_group_name   = aws_db_subnet_group.main.name
  vpc_security_group_ids = [var.db_security_group_id]
  publicly_accessible    = false  # パブリックアクセス禁止
 
  # 高可用性
  multi_az = var.environment == "production" ? true : false
 
  # バックアップ設定
  backup_retention_period = 7
  backup_window           = "03:00-04:00"
  maintenance_window      = "sun:04:00-sun:05:00"
 
  # 削除保護
  deletion_protection = var.environment == "production" ? true : false
  skip_final_snapshot = var.environment != "production"
  final_snapshot_identifier = var.environment == "production" ? "${var.project_name}-final-snapshot" : null
 
  tags = {
    Name        = "${var.project_name}-${var.environment}-postgres"
    Environment = var.environment
    ManagedBy   = "terraform"
  }
}
 
# 出力: 接続情報
# endpoint = aws_db_instance.postgresql.endpoint
# port     = aws_db_instance.postgresql.port

AI は agents.md のセキュリティ要件に基づき、暗号化の有効化、パブリックアクセスの禁止、環境ごとの条件分岐を自動的に組み込みます。

モジュール間の依存関係を考慮した生成

複数のモジュールにまたがるインフラを一括生成する場合、AI エージェントは依存関係を自動で解析します。

# environments/production/main.tf
 
module "networking" {
  source = "../../modules/networking"
 
  project_name = var.project_name
  environment  = "production"
  vpc_cidr     = "10.0.0.0/16"
 
  # AI が適切な AZ 数を提案
  availability_zones = ["ap-northeast-1a", "ap-northeast-1c", "ap-northeast-1d"]
}
 
module "database" {
  source = "../../modules/database"
 
  project_name       = var.project_name
  environment        = "production"
  private_subnet_ids = module.networking.private_subnet_ids  # 依存解決
  db_security_group_id = module.networking.db_security_group_id
  kms_key_arn        = module.encryption.kms_key_arn
 
  postgres_version    = "16.4"
  db_instance_class   = "db.r6g.large"
  allocated_storage   = 100
  max_allocated_storage = 500
}
 
module "monitoring" {
  source = "../../modules/monitoring"
 
  project_name  = var.project_name
  environment   = "production"
  db_identifier = module.database.db_instance_id  # 依存解決
  alarm_sns_topic_arn = var.alarm_sns_topic_arn
}

terraform plan の AI レビューワークフロー

自動レビュースクリプト

terraform plan の出力を AI エージェントにレビューさせるスクリプトを構築します。

#!/bin/bash
# scripts/plan-review.sh
# terraform plan の出力を AI にレビューさせる
 
set -euo pipefail
 
ENVIRONMENT="${1:-dev}"
PLAN_FILE="/tmp/tfplan-${ENVIRONMENT}.out"
 
echo "=== Terraform Plan for ${ENVIRONMENT} ==="
 
cd "environments/${ENVIRONMENT}"
 
# plan を実行し、出力をファイルに保存
terraform plan -out="${PLAN_FILE}" -no-color 2>&1 | tee /tmp/plan-output.txt
 
# 変更の概要を抽出
CHANGES=$(terraform show -no-color "${PLAN_FILE}" 2>/dev/null)
 
echo ""
echo "=== AI Review Request ==="
echo "以下の内容を Antigravity エージェントに渡してレビューを依頼します"
echo ""
 
cat <<EOF > /tmp/review-request.txt
## Terraform Plan Review Request
 
### Environment: ${ENVIRONMENT}
### Plan Output:
\`\`\`
${CHANGES}
\`\`\`
 
### Review Checklist:
1. セキュリティリスクはないか
2. コストへの影響は妥当か
3. 本番環境への影響範囲は適切か
4. ベストプラクティスに従っているか
5. ロールバック可能な変更か
EOF
 
echo "レビューリクエストを /tmp/review-request.txt に保存しました"

AI レビューの観点

Antigravity エージェントは、以下の観点から terraform plan の出力をレビューします。

セキュリティチェック：

セキュリティグループの 0.0.0.0/0 への開放がないか
S3 バケットのパブリックアクセス設定
暗号化が有効化されているか
IAM ポリシーが最小権限原則に従っているか

コスト分析：

インスタンスタイプの適正性
リザーブドインスタンスとの比較
不要なリソースが含まれていないか

可用性チェック：

マルチ AZ 構成が適切か
バックアップ設定が十分か
ヘルスチェックが設定されているか

セキュリティ・コスト最適化の AI チェックリスト

Sentinel ポリシーの AI 生成

HashiCorp Sentinel と Antigravity を組み合わせ、ポリシーを AI で生成・管理する方法です。

# sentinel/policies/enforce-encryption.sentinel
# AI が生成したセキュリティポリシー
 
import "tfplan/v2" as tfplan
 
# すべての S3 バケットで暗号化が有効か検証
s3_buckets = filter tfplan.resource_changes as _, rc {
    rc.type is "aws_s3_bucket" and
    (rc.change.actions contains "create" or rc.change.actions contains "update")
}
 
encryption_check = rule {
    all s3_buckets as _, bucket {
        bucket.change.after.server_side_encryption_configuration is not null
    }
}
 
# すべての RDS インスタンスで暗号化が有効か検証
rds_instances = filter tfplan.resource_changes as _, rc {
    rc.type is "aws_db_instance" and
    (rc.change.actions contains "create" or rc.change.actions contains "update")
}
 
rds_encryption_check = rule {
    all rds_instances as _, db {
        db.change.after.storage_encrypted is true
    }
}
 
main = rule {
    encryption_check and rds_encryption_check
}

コスト見積もりの自動化

# Infracost と Antigravity を連携させたコスト分析
# AI がコスト見積もりを解析し、最適化提案を出力
 
infracost breakdown --path environments/production \
  --format json \
  --out-file /tmp/cost-estimate.json
 
# AI に解析を依頼
echo "コスト見積もり結果を Antigravity エージェントに渡し、
最適化の余地がないか分析してもらいます"

実践：CI/CD パイプラインとの統合

GitHub Actions × Antigravity × Terraform

# .github/workflows/terraform-ai-review.yml
name: Terraform AI Review
 
on:
  pull_request:
    paths:
      - 'infra/**'
 
jobs:
  plan-and-review:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
 
      - name: Setup Terraform
        uses: hashicorp/setup-terraform@v3
        with:
          terraform_version: "1.10.0"
 
      - name: Terraform Init
        working-directory: infra/environments/dev
        run: terraform init
 
      - name: Terraform Plan
        working-directory: infra/environments/dev
        run: |
          terraform plan -no-color -out=tfplan 2>&1 | tee plan-output.txt
 
      - name: AI Security Review
        run: |
          # plan 出力を AI レビューに送信
          echo "## AI Infrastructure Review" >> $GITHUB_STEP_SUMMARY
          echo "Plan output saved for AI agent review" >> $GITHUB_STEP_SUMMARY
 
      - name: Cost Estimation
        uses: infracost/actions/setup@v3
        with:
          api-key: ${{ secrets.INFRACOST_API_KEY }}
 
      - name: Generate Cost Report
        run: |
          infracost breakdown \
            --path infra/environments/dev \
            --format table

よくあるエラーと対処法

State ロックの競合

AI エージェントが同時に複数の terraform apply を実行しようとすると、State ロックの競合が発生します。

# エラーメッセージ
# Error: Error acquiring the state lock
 
# 対処法: ロック情報を確認して解放
terraform force-unlock <LOCK_ID>
 
# 予防策: CI/CD パイプラインでの同時実行制限
# GitHub Actions の concurrency 設定を活用

AI 生成コードの型エラー

AI が生成した HCL コードに型の不一致がある場合は、terraform validate で事前検証します。

# 生成後に必ず実行
terraform validate
 
# 出力例:
# Success! The configuration is valid.

まとめ — AI × IaC が変えるインフラ管理の未来

Antigravity × Terraform の統合ワークフローにより、以下の成果が得られます。

コード生成の高速化 — 自然言語でインフラ要件を伝えるだけで、セキュリティ要件を満たした Terraform コードが自動生成される
レビューの自動化 — terraform plan の出力を AI が自動レビューし、セキュリティリスクやコスト影響を即座に指摘
ポリシーの一貫性 — agents.md に定義したルールが全てのコード生成に反映され、チーム全体で一貫したインフラ品質を維持
学習コストの削減 — HCL の細かな構文を覚えなくても、AI がベストプラクティスに沿ったコードを生成

AI を活用した IaC ワークフローは、インフラエンジニアの生産性を飛躍的に向上させます。まずは小規模な開発環境から試して、徐々に本番環境へと適用範囲を広げていきましょう。

内部リンク：

Antigravity × Cloudflare Workers で構築する AI エッジアプリケーション
Antigravity の AI テスト自動生成
GitHub Actions × Antigravity の CI/CD ワークフロー