1
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

@kai_kou(甲斐 甲)

Goose入門 — Block発OSSエージェントをMCPで拡張する

1
Last updated at Posted at 2026-04-09

はじめに

Goose は、Block（旧Square）が開発したオープンソースのAIエージェントです。単なるコード補完ツールに留まらず、コードの実行・ファイル操作・依存関係のインストール・テスト実行まで自律的に行う「真のエージェント」として設計されています。

2025年後半の公開以来、Blockエンジニアの週8〜10時間節約、開発時間50〜75%削減という実績を上げ、Agentic AI Foundation (AAIF) に寄贈されてLinux Foundation傘下のオープン標準プロジェクトとなりました。

この記事では、Gooseの概要・セットアップ・MCP拡張活用・カスタム拡張作成までを解説します。

この記事で学べること

  • Gooseとは何か、どんな問題を解決するか
  • AAIF寄贈によるオープン標準としての位置づけ
  • インストールと各LLMプロバイダーの設定方法
  • MCPを使った拡張機能の追加
  • カスタムMCP拡張の作成（Python）
  • リードワーカーモデルとスケジュールタスクの活用

対象読者

  • AIエージェントを開発ワークフローに組み込みたいエンジニア
  • Claude Code / Cursorなどの商用エージェントの代替を探している方
  • ローカルLLMでコスト削減を検討している方

前提条件

  • Python 3.13以上 / Node.js
  • LLMプロバイダーのAPIキー（Anthropic / OpenAI / Gemini、またはOllamaでゼロコスト）

TL;DR

  • GooseはBlock発のOSSエージェント（Apache 2.0）で、Rustで実装・AAIF/Linux Foundation傘下
  • 15以上のLLMプロバイダーに対応（Claude、GPT、Gemini、Ollama等）を1ツールで切り替え可能
  • Model Context Protocol（MCP）でSnowflake、Databricks、Slack、GitHub等と接続
  • goose configure → APIキー設定のみで即座に利用開始
  • 役割別モデル割り当て（計画用・実行用・レビュー用）と定期実行タスクをサポート

GooseとAAIF — オープン標準エージェントの誕生

BlockからAAIFへの寄贈

GooseはBlock社の内部ツールとして開発され、2025年にオープンソース化されました。その後、AnthropicのMCP・OpenAIのAGENTS.mdとともにAgentic AI Foundation (AAIF)に寄贈され、Linux Foundation傘下のプロジェクトとなっています。

Block is contributing its open source agent goose to the AAIF, along with Anthropic's Model Context Protocol (MCP) and OpenAI's AGENTS.md.
— Block公式ブログ

AAIFはOpenAI・Anthropic・Blockが共同設立した財団で、AIエージェントのオープン標準を策定します。Gooseはその中心的なエージェント実装として位置付けられています。

Apache 2.0ライセンスと商用利用

GooseはApache 2.0ライセンスで公開されており、商用プロダクトへの組み込みも無料で可能です。GitHub上では39,000以上のスターを獲得しています（2026年4月時点）。

主要機能

15以上のLLMプロバイダーに対応

GooseはAPIキーを差し替えるだけで複数のLLMを使い分けられます。

カテゴリ 対応プロバイダー
クラウドAPI Anthropic (Claude), OpenAI, Google (Gemini), Azure OpenAI, Amazon Bedrock
統合プロキシ OpenRouter, Groq
ローカル実行 Ollama (Qwen, Llama, Phi等)
その他 Cohere, Mistral, Perplexity

商用APIとローカルLLMを組み合わせることで、コスト効率と機能性を両立できます。

MCP拡張エコシステム

GooseはModel Context Protocol（MCP）を採用しており、外部ツールとの連携を標準化されたインターフェースで実現します。公式・コミュニティ製の拡張機能を追加するだけで、Gooseの能力を大幅に拡張できます。

主な拡張機能の例：

  • GitHub: Issue作成・PR操作・リポジトリ検索
  • Snowflake / Databricks: データ分析・クエリ実行
  • Slack: メッセージ送受信・チャンネル管理
  • Google Drive / Docs: ドキュメント読み書き

リードワーカーモデル

商用エージェントにはない特徴として、役割ごとに異なるLLMを割り当てる「リードワーカーモデル」があります。

役割 推奨モデル例 用途
Lead（計画） Claude Opus 4.6 複雑な設計・アーキテクチャ決定
Worker（実行） Claude Sonnet 4.6 / Gemini Flash 繰り返し処理・コード生成
Reviewer（検証） GPT-5.4 mini / ローカルLLM コードレビュー・構文チェック

これにより、高精度なモデルを「必要な場面だけ」使い、コストを最適化できます。

インストールと初期セットアップ

CLIインストール

# macOS CLI (Homebrew)
brew install block-goose-cli

# macOS デスクトップアプリ (Homebrew Cask)
brew install --cask block-goose

# Linux（スクリプト）
curl -fsSL https://github.com/aaif-goose/goose/releases/download/stable/download_cli.sh | bash

# または公式ダウンロードページから
# https://goose-docs.ai/docs/getting-started/installation/

デスクトップアプリ版（Electron製）も配布されており、macOS / Linux / Windowsで動作します。

初期設定

goose configure

インタラクティブなプロンプトが起動し、LLMプロバイダーとAPIキーを設定します。設定は ~/.config/goose/config.yaml に保存されます。

# ~/.config/goose/config.yaml（設定例）
provider: anthropic
model: claude-sonnet-4-6
api_key: sk-ant-xxxxx

Gooseを起動する

# インタラクティブモード（デフォルト）
goose

# タスクを直接指定して実行（-t はショートフラグ）
goose run --task "このリポジトリのREADMEを更新して"
goose run -t "テストを実行してエラーを修正して"

プロバイダー設定

Anthropic (Claude) の設定

# 環境変数で設定
export ANTHROPIC_API_KEY=sk-ant-xxxxxxxx

# または configure コマンドで対話的に設定
goose configure
# → Provider: anthropic
# → Model: claude-sonnet-4-6
# → API Key: sk-ant-xxxxxxxx

利用可能なClaudeモデル：

claude-opus-4-6        # 高精度・複雑タスク向け
claude-sonnet-4-6      # バランス型（推奨）
claude-haiku-4-5-20251001  # 高速・軽量タスク向け

Ollama（ローカルLLM・ゼロコスト）の設定

ローカル環境で完全無料のLLMを使う場合：

# Ollamaをインストール（https://ollama.com）
curl -fsSL https://ollama.com/install.sh | sh

# モデルをダウンロード
ollama pull qwen2.5    # 推奨: 高速・高性能
ollama pull llama3.2   # 代替選択肢

# Ollamaを起動
ollama serve

# GooseをOllama向けに設定
goose configure
# → Provider: ollama
# → Model: qwen2.5
# → Base URL: http://localhost:11434

Gooseはローカルで動作し、すべてのデータがマシン上に留まるため、機密コードや社内ドキュメントを安全に処理できます。

Geminiの設定

export GEMINI_API_KEY=AIzaxxxxxxxx

goose configure
# → Provider: google
# → Model: gemini-2.5-flash   # コスト効率重視の場合

MCP拡張機能の活用

既存のMCP拡張を追加する

MCP拡張は ~/.config/goose/config.yaml の extensions セクションに追加します。

# ~/.config/goose/config.yaml
extensions:
  github:
    command: npx
    args: ["-y", "@modelcontextprotocol/server-github"]
    env:
      GITHUB_PERSONAL_ACCESS_TOKEN: ghp_xxxxxxxx

設定後に goose を再起動すると拡張機能が認識されます。

拡張機能を使ったタスク実行

# GitHub Issueを自動クローズ
goose run --task "先週クローズされていないバグIssueを確認してトリアージして"

# Slackへの通知
goose run --task "デプロイ完了をSlack #dev-alertsチャンネルに通知して"

カスタムMCP拡張の作成（Python）

GooseはMCPプロトコルを実装しているため、Python / TypeScript SDKを使ってカスタム拡張を作成できます。

プロジェクト作成

# uvでプロジェクトを初期化（Python 3.13以上が必要）
pip install uv
uv init --lib mcp-myextension
cd mcp-myextension

# MCP Python SDKをインストール
uv add mcp

カスタムツールの実装例

以下は、社内APIと連携するカスタムMCPサーバーの例です（低レベルAPIを使用。公式ドキュメントでは高レベルの FastMCP APIも推奨されています）。

# src/mcp_myextension/server.py
from mcp.server.lowlevel import Server
from mcp.server.stdio import stdio_server
from mcp.types import Tool, TextContent
import httpx

server = Server("my-extension")

@server.list_tools()
async def list_tools() -> list[Tool]:
    return [
        Tool(
            name="get_internal_data",
            description="社内APIからデータを取得します",
            inputSchema={
                "type": "object",
                "properties": {
                    "endpoint": {
                        "type": "string",
                        "description": "取得するAPIエンドポイント"
                    }
                },
                "required": ["endpoint"]
            }
        )
    ]

@server.call_tool()
async def call_tool(name: str, arguments: dict) -> list[TextContent]:
    if name == "get_internal_data":
        endpoint = arguments["endpoint"]
        async with httpx.AsyncClient() as client:
            response = await client.get(
                f"https://internal-api.example.com/{endpoint}",
                headers={"Authorization": "Bearer TOKEN"}
            )
            return [TextContent(type="text", text=response.text)]
    raise ValueError(f"Unknown tool: {name}")

async def main():
    async with stdio_server() as (read_stream, write_stream):
        await server.run(read_stream, write_stream, server.create_initialization_options())

if __name__ == "__main__":
    import asyncio
    asyncio.run(main())

Gooseに拡張を登録する

# ~/.config/goose/config.yaml
extensions:
  my-extension:
    command: uv
    args: ["run", "python", "/path/to/mcp-myextension/src/mcp_myextension/server.py"]
    env:
      INTERNAL_API_TOKEN: your-token

スケジュールタスクとDockerとの統合

スケジュールタスクの設定

Gooseはcron形式のスケジュールタスクをサポートしており、定期的な自動化を実現できます。タスクをYAMLのレシピファイルとして定義し、goose schedule コマンドで登録します。

# スケジュール一覧表示
goose schedule list

# スケジュール削除
goose schedule remove <id>

スケジュール機能の詳細なコマンド仕様は公式ドキュメントを参照してください。バージョンによって引数形式が異なる場合があります。

Dockerコンテナ内でGooseを実行

セキュアな実行環境が必要な場合、DockerコンテナでGooseを分離して実行できます。

GooseをDockerコンテナで分離実行することで、ホスト環境への影響を最小化できます。公式のDockerイメージを利用する方法と、カスタムDockerfileで構築する方法が提供されています。

# Docker Hub公式イメージを使う例（公式ドキュメントを参照）
docker run -e ANTHROPIC_API_KEY=sk-ant-xxx \
  block/goose run -t "テストを実行して"

構成例や最新のDockerfileははDocker公式ブログを参照してください。

デバッグとトラブルシューティング

問題 確認箇所 対処法
拡張機能が認識されない ~/.config/goose/config.yaml コマンドパスと環境変数を確認
LLMに接続できない ログ ~/.config/goose/logs APIキーと base_url を確認
Ollamaでモデルなしエラー ollama list ollama pull <model-name> でモデルをダウンロード
タスクが途中で止まる ログファイル --verbose フラグで詳細ログを確認 
# デバッグモードで実行
goose --verbose run --task "テストを実行して"

# ログを確認
tail -f ~/.config/goose/logs/goose.log

Goose vs Claude Code — 使い分けの指針

観点 Goose Claude Code
コスト APIキーのみ（OSSは無料） Claudeサブスクリプション必要
LLM柔軟性 15+プロバイダーを切り替え可能 Claude専用
カスタマイズ OSSゆえ深いカスタマイズ可能 スキル/エージェント拡張のみ
セットアップ やや手間（設定ファイル操作が必要） シンプルな初期設定
エコシステム MCP標準、AAIF傘下 Claude MCPと深い統合
ローカル実行 Ollamaでオフライン動作可能 不可（クラウドAPI必須）

GooseはLLMを選ばない柔軟性とゼロコスト運用を重視するチームに、Claude CodeはClaude特化の高品質エージェント体験を重視するチームに適しています。

まとめ

  • Goose はBlock発のOSSエージェントで、AAIF/Linux Foundationのオープン標準プロジェクト
  • 15以上のLLMプロバイダーを統一インターフェースで利用でき、コスト最適化が容易
  • MCP 対応により、GitHub・Snowflake・Slack等との連携をプラグイン形式で追加可能
  • Python SDK で独自のMCP拡張を短時間で作成でき、社内ツールとの統合を実現
  • スケジュールタスク・リードワーカーモデル・Docker対応など、本番運用に必要な機能を網羅

Claude CodeやCursorとは「競合」より「補完」の関係で、プロジェクトの特性に応じて使い分けることが現実的な選択です。

参考リンク

1
1
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
1
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?