Claude、Codex、Gemini、Cohere を CData Connect AI Gateway に接続する方法



多くのチームでは、複数の AI モデルを使い分けています。Claude Code で開発する人もいれば Codex を使う人もいて、データサイエンティストはノートブックから Gemini や Cohere のモデルを呼び出すことも少なくありません。ツールごとにプロバイダーのキーも請求も別々になりがちなため、どのモデルがリクエストを処理したのか、どれだけコストがかかったのかを把握しにくくなります。

CData Connect AI Gateway を使えば、こうしたツールすべてを単一のエンドポイントにまとめられます。ゲートウェイは OpenAI 互換と Anthropic 形式のリクエストを受け付け、Connect AI のルーティングルールがリクエストごとにプロバイダーとモデルを選択します。プロバイダーのキーは Connect AI 内に保管されるため、各ツールに必要なのは仮想キーだけです。すべてのリクエストは同じログに記録され、設定した予算やレート制限も適用されます。

このガイドでは、まず Connect AI でゲートウェイを設定し、続いて Claude Desktop と Claude Code、Codex、Gemini モデル、Cohere モデルを接続していきます。最後に、Connect AI のログでルーティングを確認する方法と、よくあるエラーの対処法もご紹介します。それでは始めましょう!

NOTE:LLM Gateway は現在アーリーアクセス版です。Connect AI のメニュー名はバージョンによって多少異なる場合があります。

前提条件

このガイドのどのツールを使う場合でも、以下が必要です。

  • LLM Gateway へのアクセス権と Administrator ロールを持つ CData Connect AI アカウント(無料トライアル)
  • モデルプロバイダーの API キー(例:Google Gemini や Cohere)
  • 使用するモデルの正確なモデル ID(プロバイダーのモデル一覧ページからコピーしたもの。例:command-a-03-2025)

あわせて、接続するツールに応じて以下のいずれかを用意します。

  • Claude Desktop(ダウンロード)、およびデータアクセス用の Claude Code
  • Codex(ChatGPT デスクトップアプリまたは CLI)
  • Python 3.8 以降と Jupyter Notebook(Cohere モデルを使う場合)

概要

手順の概要は次のとおりです。

  1. 設定:Connect AI で LLM プロバイダーを追加し、ルーティングルールとプロジェクトを作成して、仮想キーを発行します。
  2. テスト:PowerShell からゲートウェイに直接リクエストを送信します。
  3. 接続:Claude、Codex、Gemini モデル、Cohere モデルの接続先をゲートウェイに向けます。
  4. 確認:Connect AI のログで、ルーティング、トークン数、コストを確認します。

このガイドで使用するゲートウェイの URL は https://cloud.cdata.com/gateway/v1 です。



ステップ1:LLM プロバイダーを追加する

LLM プロバイダーには、モデルプロバイダーの API キーを登録します。このガイドのすべてのツールがこの設定を前提としますが、作業は一度だけで済みます。

  1. Connect AI で LLM Gateway > LLM Providers を開き、+ Add Provider をクリックします。
  2. 名前を入力し、プロバイダーの種類(例:Google Gemini や Cohere)を選択します。Override Base URL はオフのままにしておきます。
  3. プロバイダーの API キーを貼り付けます。このキーは Connect AI 内にのみ保管され、お使いのコンピューターに置かれることはありません。なお、後から編集はできないため、変更する場合はプロバイダーを削除して追加し直してください。
    LLM プロバイダーの追加:名前、プロバイダーの種類、API キー
  4. + Add Model をクリックし、許可するモデル ID をそれぞれ入力して Add をクリックします。プロバイダーが Active と表示されれば完了です。
    モデルの追加:正確なモデル ID を入力

ステップ2:ルーティングルールを作成する

ルーティングルールは、各リクエストにどのモデルが応答するかを決めるものです。Routing Rules を開いて + Add Routing Rule をクリックし、ルールの種類を選択します。

  • Single provider:すべてのリクエストを 1 つのモデルに送信します。
  • Model Allowlist:承認済みのモデルの中からクライアントが選択できます。それ以外のモデルは HTTP 403 で拒否されます。
  • Priority failover:まず優先プロバイダーを試し、失敗した場合はバックアップのプロバイダーを使用します。

プロバイダーとモデルを選択し、Add をクリックします。

ルーティングルール:ルールの種類、プロバイダー、モデル

ステップ3:プロジェクトを作成して仮想キーを発行する

プロジェクトは、ルーティングルールと予算、レート制限、そして各ツールが使うキーをひも付けるものです。

  1. Projects を開いて + Add Project をクリックし、名前を入力してルーティングルールを選択します。
  2. Prompt Enrichment の設定を確認します。トグルは Workspace Context、User Context、Search Context Tool / Skill、Data Source Instructions の 4 つです。有効にすると、ゲートウェイがこれらのコンテキストをプロンプトに追加します。
  3. Limits を設定します。月間予算(上限の種類は Hard または Soft)に加え、リクエスト数とトークン数のレート制限を指定できます。Add をクリックし、続いて Save Changes をクリックします。
  4. プロジェクトの Virtual Keys タブを開いて + Issue Virtual Key をクリックし、ユーザーを選択して Issue をクリックします。
    Issue Virtual Key ボタンのある Virtual Keys タブ
  5. キーをコピーして安全な場所に保管してください。キーは cgw_sk_ で始まり、表示されるのは一度だけです。
  6. View Endpoints をクリックし、Gateway URL をコピーします。

NOTE:AI ツールに設定するのは仮想キー(cgw_sk_...)です。プロバイダーのキーや Connect AI のパーソナルアクセストークン(PAT)ではありません。キーをコード、ノートブック、スクリーンショット、チャットに貼り付けることは絶対に避けてください。万一漏えいした場合は、Virtual Keys タブでキーをローテーションします。

AI ツールからリアルタイムデータにもクエリしたい場合は、Connect AI で Tool Server を作成しておきましょう。Tool Server は、Connect AI の接続を Claude Code や Codex などのツールに公開する MCP サーバーです。URL はステップ5でコピーします。


ステップ4:PowerShell からゲートウェイをテストする

アプリを介さずに直接呼び出すことで、キー、URL、ルーティングルール、モデルが正しく機能しているかを確認できます。通常の(管理者ではない)PowerShell ウィンドウを使用してください。

  1. キーをユーザー環境変数として保存(初回のみ)したら、PowerShell を閉じて新しいウィンドウを開きます。この方法で保存した変数は、保存後に開いたウィンドウでしか参照できません。
    [Environment]::SetEnvironmentVariable("CDATA_GATEWAY_API_KEY", "cgw_sk_PASTE-YOUR-KEY", "User")
  2. テストリクエストを送信します。YOUR-MODEL-ID は、ルーティングルールに設定したモデルに置き換えてください。
    $k = [Environment]::GetEnvironmentVariable("CDATA_GATEWAY_API_KEY","User")
    $h = @{ "Authorization" = "Bearer $k"; "Content-Type" = "application/json" }
    $b = '{"model":"YOUR-MODEL-ID","max_tokens":50,"messages":[{"role":"user","content":"hi"}]}'
    Invoke-RestMethod -Method Post -Uri "https://cloud.cdata.com/gateway/v1/chat/completions" -Headers $h -Body $b

モデル名とトークン数を含む応答が返ってくれば、ゲートウェイは正常に動作しています。ゲートウェイの準備が整ったので、次は AI ツールを接続していきましょう。


ステップ5:Claude Desktop と Claude Code を接続する

Claude Desktop では、リクエストをゲートウェイ経由で送信します。Claude Code には Connect AI の Tool Server を追加し、接続済みのデータソースに Claude からクエリできるようにします。

5.1. 開発者モードとサードパーティー推論を有効にする

ゲートウェイの設定は Claude Desktop の 開発者 メニューにありますが、このメニューはデフォルトでは非表示になっています。

  1. Claude Desktop の設定を開きます。ヘルプ > トラブルシューティング をクリックし、開発者モードを有効化 します。開発者 セクションを含む新しいウィンドウが開きます。
  2. 開発者 メニューで サードパーティー推論を設定 を選択します。
  3. サードパーティ推論の構成を新規に追加します。
    サードパーティー推論を設定を含む開発者メニュー

5.2. 独自のゲートウェイを接続する

接続 のドロップダウンで Gateway を選択し、以下のフィールドを入力します。

フィールド値
認証情報の種類静的 API キー。ゲートウェイ API キー に仮想キーを貼り付けます。
ゲートウェイ ベース URLConnect AI からコピーした URL(例:https://cloud.cdata.com/gateway/v1)
ゲートウェイ認証スキームbearer
Claude Desktop のゲートウェイ接続設定

5.3. モデル検出をテストする

モデル の下にある Test model discovery をクリックします。Claude がゲートウェイを呼び出し、ルーティング可能なモデルを一覧表示します。表示される内容は、ルーティングルールの種類によって異なります。

ルーティングルールの種類モデル検出の結果
Priority failover優先モデルのみ
Single providerそのプロバイダーの実際のモデル名
Model Allowlist未検証
Test model discovery でゲートウェイがルーティング可能なモデルが一覧表示される

5.4. 変更を適用する

変更を適用 をクリックすると、Claude Desktop がゲートウェイモードに切り替わります。ウィンドウには You're using Gateway のバナーが表示され、フッターには構成名に続けて Gateway と表示されます。これ以降に送信するプロンプトは、すべて Connect AI Gateway を経由します。

ゲートウェイモード:バナーとフッター
アカウントメニューとフッターに Gateway と表示される

5.5. 通常の Claude アカウントに戻す

Claude Desktop では、ゲートウェイモードを使うかどうかをサインイン時に選択します。ゲートウェイと通常の Claude アカウントを切り替えるには、一度ログアウトしてから選び直します。

  1. 左下のアカウントメニューを開き、Log out をクリックします。
  2. ログイン画面で Or use the Gateway configuration saved on this device を選択すると Connect AI Gateway を使用でき、Google またはメールでサインインすると claude.ai のアカウントを使用できます。
    サインイン画面には両方の選択肢が表示される

5.6. Connect AI の Tool Server を Claude Code に追加する

ゲートウェイの準備ができたら、Tool Server を MCP サーバーとして Claude Code に追加しましょう。これで、接続済みのデータソースのリアルタイムデータに Claude からクエリできるようになります。

  1. Connect AI で作成した Tool Server を開き、URL をコピーします。
  2. 次のいずれかの方法で Claude Code に追加します。
    • Claude Code に依頼する:Claude Code のセッションに URL を貼り付け、OAuth を使った claude mcp add コマンドの実行を依頼します。
    • ファイルを編集する:ユーザープロファイル内にある .claude.json の mcpServers セクションにサーバーを追加します。Windows の場合、ファイルの場所は C:\Users\<you>\.claude.json です。
  3. Claude を再起動して新しいサーバーを読み込ませるか、Claude Code 内で /pluginreload を実行します。
  4. /mcp を実行し、MCP サーバーの一覧に Connect AI のツールが表示されていることを確認します。
    MCP サーバー一覧に表示された Connect AI の Tool Server

これで、モデルの呼び出し自体はゲートウェイを経由しつつ、Claude が Tool Server を通じてリアルタイムデータをもとに回答できるようになりました。

Tool Server を通じてリアルタイムデータをもとに回答する Claude

ステップ6:Codex を接続する

Codex の設定は 5 分ほどで完了します。ゲートウェイの URL には https://cloud.cdata.com/gateway/v1 を使用します。

  1. Connect AI の管理者から(またはステップ3で)仮想キーを取得します。キーは cgw_sk_ で始まります。
  2. PowerShell を開いてキーを保存します。PASTE-YOUR-KEY-HERE をご自身のキーに置き換えて Enter キーを押し、PowerShell を閉じます。
    [Environment]::SetEnvironmentVariable("CDATA_GATEWAY_API_KEY", "PASTE-YOUR-KEY-HERE", "User")
  3. テキストエディターで Codex の設定ファイルを開きます(<your-user> は Windows のユーザー名に置き換えてください)。
    C:\Users\&lt;your-user&gt;\.codex\config.toml
  4. ファイルの一番先頭に、次の 2 行を追加します。model = で始まる行がすでにある場合は、2 行目を追加するのではなく既存の行を書き換えてください。
    model_provider = "cdata"
    model = "gpt-5.5"
  5. ファイルの一番末尾に次のブロックを追加し、保存します。
    [model_providers.cdata]
    name = "CData Connect AI Gateway"
    base_url = "https://cloud.cdata.com/gateway/v1"
    env_key = "CDATA_GATEWAY_API_KEY"
    wire_api = "responses"
  6. Codex を完全に終了してから再度開き、「hi」とメッセージを送信します。
  7. 左下の歯車アイコンをクリックし、CData Connect AI Gateway と表示されていることを確認します。
    Codex の歯車メニューに CData Connect AI Gateway が表示される

NOTE:TOML ファイルでは、[section] ヘッダー以降の記述はすべてそのセクションに属します。そのため、ファイルの下のほうに書いた model 行は無視されます。先頭の 2 行は最初のセクションより上に置き、ファイル名が config.toml.txt ではなく config.toml になっていることも確認してください。

Codex から「Quota exceeded」と返ってきた場合、設定自体は正しく完了しています。ゲートウェイのプロジェクトのオーナーにクレジットを追加してもらう必要があります。


ステップ7:Gemini モデルを使用する

クライアントが OpenAI 互換または Anthropic 形式で通信する場合、Gemini モデルをゲートウェイ経由で利用できます。Codex では動作を確認済みです。

Connect AI で、以下の内容でステップ1と2を繰り返します。

  • ステップ1:プロバイダーとして Google Gemini を追加し、Google Gemini の API キーを貼り付けます。小規模なテストなら無料枠のキーでも動作しますが、課金を有効にした有料キーの使用を強くおすすめします。
  • ステップ2:Model Allowlist ルールを使用し、利用したい Gemini モデル(例:gemini-3.6-flash、gemini-3.8-flash)を追加します。リクエストできるのは、このリストに含まれるモデルのみです。

続いてステップ6の手順に沿って、config.toml の先頭に Gemini のモデル名を設定します。

model_provider = "cdata"
model = "gemini-3.6-flash"

ChatGPT アプリをシステムトレイからも完全に終了し、再度開きます。新しいチャットを開始して「hi」と送信してみてください。

Gemini CLI がゲートウェイで動作しない理由

ゲートウェイが受け付けるのは、OpenAI 互換と Anthropic の形式のみです。Gemini CLI は Google 独自の Gemini 形式でリクエストを送信するため、ベース URL やキー、ヘッダーを変更しても解決しません。ゲートウェイからは No endpoint at '/v1/v1beta/models/...:generateContent' というエラーが返ります。代わりに、以下のいずれかの方法をお使いください。

  • 上記のとおり、Codex で Gemini のモデル名を指定して使用する(動作確認済み)。
  • Claude Code または Claude Desktop を使用し、ルーティングルールでリクエストを Gemini に振り分ける(未検証)。
  • Gemini CLI を Google アカウントでのサインインで別途使用する。ただしこの場合、リクエストはゲートウェイを経由しないため Connect AI のログには記録されず、ルーティングルール、許可リスト、予算も適用されません。

ステップ8:Python から Cohere モデルを使用する

ここでは、Jupyter Notebook で OpenAI Python SDK を使用します。まず Connect AI で、以下の内容でステップ1と2を繰り返します。

  • ステップ1:プロバイダーとして Cohere を追加(名前は例えば Cohere-Prod)し、Cohere の API キーを貼り付けて、使用するモデル ID(例:command-a-03-2025)を追加します。Cohere のトライアルキーにはレート制限があるため、小規模なテスト以外では本番用キーを使用してください。
  • ステップ2:ルールの種類を選び、Cohere のプロバイダーとモデルを選択します。

次に、ノートブックを準備します。

  1. ノートブックのセルで SDK をインストールし、カーネルを再起動します(Kernel > Restart Kernel)。
    %pip install openai
    それでも import openai が失敗する場合は、カーネル自身の Python にインストールしてから、もう一度再起動します。
    import sys
    !{sys.executable} -m pip install openai
  2. 入力内容が表示されないプロンプトでキーを読み込みます。キー全体を貼り付けて Enter キーを押してください。表示される文字数がおよそ 150 以上であれば問題ありません。
    import os, getpass
    os.environ["CDATA_GATEWAY_API_KEY"] = getpass.getpass("Gateway key: ")
    print(len(os.environ["CDATA_GATEWAY_API_KEY"]))
  3. リクエストを送信します。model は必ず指定してください。OpenAI SDK では必須の項目であり、Connect AI で追加した Cohere のモデル ID と一致している必要があります。
    from openai import OpenAI
    
    MODEL = "command-a-03-2025"  # the model added under LLM Providers
    
    client = OpenAI(
        base_url="https://cloud.cdata.com/gateway/v1",
        api_key=os.environ["CDATA_GATEWAY_API_KEY"],
    )
    
    resp = client.chat.completions.create(
        model=MODEL,
        messages=[{"role": "user", "content": "Hello from Cohere via CData!"}],
    )
    print(resp.choices[0].message.content)
    print(resp.usage)  # token usage

テキストの応答が返ってくれば、Python からのリクエストがゲートウェイ経由で Cohere にルーティングされています。

その他の OpenAI 互換ツール

OpenAI 互換のツールであれば、同じ 2 つの設定で利用できます。PowerShell では、次のように現在のウィンドウに設定します。

$env:OPENAI_BASE_URL = "https://cloud.cdata.com/gateway/v1"
$env:OPENAI_API_KEY  = [Environment]::GetEnvironmentVariable("CDATA_GATEWAY_API_KEY","User")

ステップ9:Connect AI でルーティングを確認する

ツールを接続したら、そのリクエストがゲートウェイを経由していることを確認しましょう。

  1. Connect AI で LLM Logs を開き、表示を更新します。
  2. 直近数分間の行を探します。ログの時刻は UTC で表示されるため、ローカル時刻から換算してください。
  3. Model Requested と Model Served に使用したモデルが表示されていること、プロジェクトが想定どおりであることを確認し、入力・出力のトークン数もチェックします。
  4. Cost Optimization タブを開くと、各リクエストがどのプロバイダーとモデルにルーティングされたかを確認できます。ツール呼び出しについては MCP ログを確認してください。

レート制限による拒否など、モデルが実行される前に失敗したリクエストは、トークン数と応答モデルが空欄になり、コストは $0.00 と表示されます。


知っておきたいポイント

  • 許可リストにないモデルを指定すると、HTTP 403 model_not_allowed が返されます。リクエストはプロバイダーに届かないため、コストは発生しません。クライアント側のモデル選択メニューはゲートウェイの許可リストとは別物なので、許可されたモデルを明示的に指定してください。
  • モデル名は変わることがあります。最新の ID はプロバイダーのモデル一覧ページで確認してください。
  • Gemini の無料枠のキーは、1 分あたり 250,000 入力トークンの上限に達すると HTTP 429 RESOURCE_EXHAUSTED を返します。有料キーを使用してください。なお、新しい上限が反映されるまで数分かかる場合があります。
  • Codex は大きなプロンプトを送信します。「hi」だけでも、1 リクエストあたりおよそ 171,000~179,000 の入力トークンになります。Gemini の無料枠のキーが上限に達してしまうのはこのためです。テストのたびに新しいチャットを開始してください。
  • Gemini の過負荷(HTTP 503「high demand」)は Google 側に起因するものです。時間をおいて再試行するか、許可されている別のモデルを使用してください。

よくあるゲートウェイエラーのトラブルシューティング

リクエストが失敗した場合は、1 列目からエラーメッセージを探してください。それぞれについて、考えられる原因と対処法をまとめています。

表示されるエラー考えられる原因対処法
Incorrect API key provided ... take a virtual key, which starts with cgw_sk_プロバイダーのキーまたは Personal Access Token を使用しているプロジェクトの Virtual Keys タブで仮想キーを発行し、そのキーを使用する
No endpoint at ... generateContentクライアントが Google 独自の Gemini 形式でリクエストを送信しているOpenAI-compatible または Anthropic 形式のクライアントを使用する
HTTP 403 model_not_allowedモデルが許可リストに含まれていないモデルを許可リストに追加するか、許可済みのモデルをリクエストする
HTTP 429 RESOURCE_EXHAUSTEDGemini の無料枠のキーが上限に達した有料キーを使用する、表示された秒数だけ待つ、またはプロンプトを短くする
HTTP 503「high demand」そのモデルについて Google 側が過負荷になっている時間をおいて再試行するか、許可されている別のモデルを使用する
Codex:Quota exceeded設定は正しいが、ゲートウェイにクレジットが必要ゲートウェイのオーナーにクレジットの追加を依頼する
Codex:exceeded retry limit, last status: 429Codex が大きなリクエストを再試行し続け、クォータによって拒否されたクォータの問題を解消し、LLM Logs を確認する
ターミナルで環境変数 CDATA_GATEWAY_API_KEY が空になっているウィンドウを開いた後に変数を設定した新しい PowerShell ウィンドウを開く
Codex にゲートウェイの歯車アイコンが表示されないconfig.toml が読み込まれていない、またはアプリが完全に再起動されていないファイル名と先頭の行を確認し、トレイからアプリを終了して再度開く
ワークスペースの Tool Server から HTTP 401 が返される認証情報がそのエンドポイントで有効ではないOAuth でサインインするか、その Tool Server 用に発行された認証情報を使用する

CData Connect AI Gateway で、すべての AI ツールを 1 つのエンドポイントから一元管理

AI ツールを CData Connect AI Gateway に一度接続すれば、ルーティング、予算、レート制限、ログといったモデル呼び出しの管理をすべて 1 か所で行えます。さらに Connect AI の Tool Server を追加すれば、同じツールから数百のデータソースのリアルタイムデータにアクセスできます。

CData Connect AI の無料トライアルを開始して Connect AI Gateway をお試しいただくか(開発用途は無償、試用期間の制限なし、クレジットカード不要)、CData Community にアクセスして、知見の共有や質問を通じて企業向け AI の未来づくりにご参加ください。