--- date: 2025-09-09 18:00:00 description: JetBrains AI クレジットシステムに依存せず、GeminiやChatGPT、Cloudflare Workers AIなどの多様な外部LLMを統合する方法について詳説します。LiteLLMを活用してAPIエンドポイントをプロキシすることにより、運用コストを管理し、かつ柔軟なモデル選択を可能にするための技術的アプローチを紹介します。 title: JetBrains AI クレジット消費問題に対する実践的解決策 LiteLLMを活用しGeminiやChatGPTなどの外部LLMを統合する方法 updatedDate: 2025-09-09 18:00:00 --- ### 目次 - [1. はじめに：JetBrains AI クレジット消費問題](#introduction) - [2. 解決策：なぜLiteLLMが最適なのか](#solution-overview) - [3. LiteLLMのセットアップ手順](#setup-litellm) - [4. JetBrains IDEでの設定と動作確認](#setup-ide) - [5. まとめ](#conclusion) > **この記事のポイント** > > - JetBrains AI クレジット消費が速い問題の代替案を提示します。 > - ローカルPCのスペックに依存せず、GeminiやChatGPTなどの最新LLMをIDEで利用する方法を解説します。 > - プロキシツール「LiteLLM」を使い、外部LLM APIをJetBrains AI Assistantに接続する具体的な手順を紹介します。 ## 1. はじめに：JetBrains AI クレジット消費問題 私は、普段からJetBrainsのIDEを利用しています。他の多くのエディタと同様に、JetBrains製品にもAI関連機能が組み込まれ、快適に利用していました。 しかし2025年6月頃、JetBrainsからAI関連のライセンス変更やクレジット制に関するアップデートが発表されました。 > 2025年4月にリリースされた JetBrains IDE バージョン 2025.1 では、こちらの発表にあるように AI 関連で大きなアップデートがありました。 > > > このブログ記事では、コーディング AI エージェント Junie や JetBrains AI Assistant に含まれる無制限のクラウドーコード補完など技術的な変更点と新料金プラン、および、良くある質問についてまとめました（2025年6月公開、2025年8月更新） 。 [JetBrains AI 2025.1 新プランと Junie に関するよくある質問 | JetBrains のブログ](https://blog.jetbrains.com/ja/blog/2025/05/31/jetbrains-ai-2025-1-junie/) 私は、2015年から**All Products Pack**を契約しており、AI Assistantの利用開始後は**AI Ultimate**プランを契約しています。 ある時、IDEのウィジェットでAI クレジットの消費量を確認したところ、最近のアップデートの影響か、消費スピードが以前より明らかに速くなっていることに気づきました。アップデートによる消費量の増加は理解できるものの、このままでは継続利用が難しいと判断し、代替案を模索することにしました。 ![ウィジェットでJetBrains AI クレジットの残量を表示している様子](jetbrains-ai-credits-widget.png) *AI クレジット残量ウィジェット* ## 2. 解決策：なぜLiteLLMが最適なのか JetBrainsのドキュメントを調べると、AI Assistantがサードパーティ製のモデルやローカルで動作するLLMをサポートしていることがわかりました。これにより、AI クレジット消費を回避する道筋が見えてきました。 > JetBrains AI の新プランでは、OpenAI, Google, Anthropic 等のサードパーティクラウド LLM を使用する機能は週または月ごとの Quota/クォータ制（利用可能なクレジット量に対する制限 詳細はこちら）の対象となっており、利用する LLM モデルや入力コンテキスト量、出力量に応じてクレジットを消費する仕組みとなっています。 > > > 一方で、ローカル LLM を使用する場合は、AI Free プランの導入により、有償プランがなくても、AI 機能が利用可能になりました。 [JetBrains AI 2025.1 新プランと Junie に関するよくある質問 | JetBrains のブログ](https://blog.jetbrains.com/ja/blog/2025/05/31/jetbrains-ai-2025-1-junie/) > By default, AI Assistant provides access to a predefined set of cloud-based models that are used for AI-related features. > > > However, you can configure it to use custom local models provided by third parties. > デフォルトでは、AI AssistantはAI関連機能に使用される事前定義されたクラウドベースのモデル群へのアクセスを提供します。 > > > ただし、サードパーティが提供するカスタムローカルモデルを使用するように設定することも可能です。 [Use local models | AI Assistant Documentation](https://www.jetbrains.com/help/ai-assistant/use-custom-models.html) 代替案として、大きく2つの方法が考えられます。 ### 方法1：Ollamaで完全なローカル環境を構築する 一つは、Ollamaのようなツールを使って、自身のPC上で言語モデルを直接実行する方法です。これは完全なオフライン環境を構築できるため、セキュリティ面やコスト面で大きなメリットがあります。 [ollama/ollama: Get up and running with OpenAI gpt-oss, DeepSeek-R1, Gemma 3 and other models.](https://github.com/ollama/ollama) #### メリット - 完全なオフライン環境で動作し、セキュリティが高い（プライベートなアクセス） - APIコストがかからない #### デメリット - 高いマシンスペック（特にVRAM）が必須 - PCのディスク容量を大きく消費する - モデルの実行中はPCの負荷が常に高くなる #### 感想 実際に試したところ、PCの負荷が常に高くなるため、開発作業との両立が難しいと感じました。同様のツールである llama.cpp も試しましたが、結論は同じでした。 ### 方法2：LiteLLMで外部APIをプロキシする もう一つの方法が、本記事で詳しく解説するアプローチです。これは、**ローカルにプロキシサーバーを立て、そこからGeminiやChatGPTといった外部のLLM APIを呼び出す**ことで、マシンスペックに依存せず、かつJetBrains AI クレジットを消費しないハイブリッドな方法です。 様々なLLM APIのインターフェースを統一したいというニーズは普遍的であり、それを解決するツールが存在するはずだと考え調査したところ、「LiteLLM」を見つけました。 [BerriAI/litellm: Python SDK, Proxy Server (LLM Gateway) to call 100+ LLM APIs in OpenAI format - [Bedrock, Azure, OpenAI, VertexAI, Cohere, Anthropic, Sagemaker, HuggingFace, Replicate, Groq]](https://github.com/BerriAI/litellm) LiteLLMは、GeminiやCloudflare Workers AIなど100以上のLLM APIを、OpenAI API互換の形式に変換してくれるプロキシサーバーです。これにより、JetBrains IDEのAI Assistantから、あたかもローカルのOpenAIモデルを呼び出すかのように、多種多様な外部LLMを利用できるようになります。 #### メリット - セットアップが非常に簡単 - ローカルPCのマシンスペックをほとんど要求しない - Gemini、ChatGPT、Claudeなど多くのモデルを自由に試せる - モデルのダウンロードが不要で、すぐに利用を開始できる #### デメリット - 利用するLLMに応じたAPIコストがかかる - 利用中はローカルでプロキシサーバーを起動しておく必要がある #### 感想 モデルのダウンロードが不要で、マシンスペックに依存しない点は大きな利点です。簡単な設定ファイル一つで多くのモデルを切り替えられるため、非常に柔軟な運用が可能です。 ## 3. LiteLLMのセットアップ手順 LiteLLMの設定は非常に簡単です。ここではPythonのパッケージインストーラ`uv`を使いますが、`pip`でも同様にインストール可能です。 ### インストール ```shell # litellmとプロキシ機能に必要なパッケージをインストール uv pip install litellm 'litellm[proxy]' ``` litellmをインストールします ### 設定ファイル（config.yaml）の作成 プロジェクトのルートに`config.yaml`というファイルを作成し、使用したいモデルを定義します。 ```yaml # config.yaml # モデルリストを定義 model_list: # openai - model_name: gpt-5-nano litellm_params: model: openai/gpt-5-nano api_key: os.environ/OPENAI_API_KEY # google - model_name: gemini-2.5-flash-lite litellm_params: model: gemini/gemini-2.5-flash-lite api_key: os.environ/GEMINI_API_KEY - model_name: gemini-2.5-flash litellm_params: model: gemini/gemini-2.5-flash api_key: os.environ/GEMINI_API_KEY - model_name: gemini-2.5-pro litellm_params: model: gemini/gemini-2.5-pro api_key: os.environ/GEMINI_API_KEY # cloudflare - model_name: llama-4-scout-17b-16e-instruct litellm_params: model: cloudflare/@cf/meta/llama-4-scout-17b-16e-instruct # をご自身のCloudflareアカウントIDに置き換えてください api_base: "https://api.cloudflare.com/client/v4/accounts//ai/run/" api_key: os.environ/CLOUDFLARE_API_KEY drop_params: true modify_params: true max_tokens: 4096 # 例として大きめの値を設定 # 必要に応じて設定を追加 litellm_settings: debug: true # デバッグログを有効にする timeout: 600 # 秒単位でタイムアウトを指定 (例: 10分) ``` config.yaml ### プロキシサーバーの起動 必要なAPIキーを環境変数として設定し、LiteLLMを起動します。 ```shell export GEMINI_API_KEY="sk-..." export OPENAI_API_KEY="sk-..." export CLOUDFLARE_API_KEY="your-api-token" litellm --config config.yaml ``` 各種APIキーをexportしてlitellmを起動します 成功すると、`http://0.0.0.0:4000`でサーバーが起動します。 ```shell (litellm-app-uf9) MacBook-Pro-14:litellm-app-uf9 teruhiro$ litellm --config config.yaml INFO: Uvicorn running on http://0.0.0.0:4000 (Press CTRL+C to quit) INFO: Started parent process [3009] INFO: Started server process [3019] INFO: Waiting for application startup. ██╗ ██╗████████╗███████╗██╗ ██╗ ███╗ ███╗ ██║ ██║╚══██╔══╝██╔════╝██║ ██║ ████╗ ████║ ██║ ██║ ██║ █████╗ ██║ ██║ ██╔████╔██║ ██║ ██║ ██║ ██╔══╝ ██║ ██║ ██║╚██╔╝██║ ███████╗██║ ██║ ███████╗███████╗███████╗██║ ╚═╝ ██║ ╚══════╝╚═╝ ╚═╝ ╚══════╝╚══════╝╚══════╝╚═╝ ╚═╝ #------------------------------------------------------------# # # # 'It would help me if you could add...' # # https://github.com/BerriAI/litellm/issues/new # # # #------------------------------------------------------------# Thank you for using LiteLLM! - Krrish & Ishaan Give Feedback / Get Help: https://github.com/BerriAI/litellm/issues/new LiteLLM: Proxy initialized with Config, Set models: gpt-5-nano gemini-2.5-flash-lite gemini-2.5-flash gemini-2.5-pro INFO: Application startup complete. ``` http://0.0.0.0:4000で無事起動できました ### 動作テスト サーバーが正常に動作しているか、`curl`コマンドで確認します。 ```shell curl http://localhost:4000/v1/chat/completions \ -X POST \ -H "Content-Type: application/json" \ -d '{ "model": "gemini-2.5-flash-lite", "messages": [ { "role": "user", "content": "日本で一番高い山は？" } ] }' ``` curlコマンドによるテスト 以下のようなJSONレスポンスが返ってくれば成功です。 ```json { "id": "38LAaLTDPMLRz7IPgZyb6Q0", "created": 1757463263, "model": "gemini-2.5-flash-lite", "object": "chat.completion", "choices": [ { "finish_reason": "stop", "index": 0, "message": { "content": "日本で一番高い山は **富士山** です。\n\n標高は **3776メートル** です。", "role": "assistant", "thinking_blocks": [] } } ], "usage": { "completion_tokens": 25, "prompt_tokens": 8, "total_tokens": 33, "prompt_tokens_details": { "text_tokens": 8 } }, "vertex_ai_grounding_metadata": [], "vertex_ai_url_context_metadata": [], "vertex_ai_safety_results": [], "vertex_ai_citation_metadata": [] } ``` レスポンスのJSON ## 4. JetBrains IDEでの設定と動作確認 ローカルでプロキシサーバーが起動した状態で、JetBrains IDEの設定を行います。 ### AI Assistantにローカルモデルを設定 IDEの `設定` > `AI Assistant` > `Models` を開きます。 - **Provider：**`OpenAI API` - **URL：**`http://localhost:4000/v1` 「Test Connection」をクリックして接続が成功することを確認します。 ![JetBrainsのAI Assistant設定画面でローカルモデルとの接続テストが成功した様子](jetbrains-settings-local-model-test-success.png) *ローカルモデルのテスト接続が成功しました* ![JetBrainsのAI Assistant設定画面で、config.yamlに定義したモデルが選択肢として表示されている様子](jetbrains-settings-local-model-selection.png) *モデル選択に定義したモデルが表示されました* ### AI Assistantをオフラインモードに変更 次に、AI Assistantのウィジェットを開き、メニューから「Offline Mode」を有効にします。これにより、JetBrainsのクラウドサービスを経由せず、先ほど設定したローカルのエンドポイントのみが使用されるようになります。 ![AI Assistantのメニューからオフラインモードを有効にした様子](jetbrains-ai-chat-enable-offline-mode.png) *AI AssistantのオフラインモードをON（有効）にしました* オフラインモードを有効にすると、チャットウィンドウのモデル選択肢がローカルで設定したものだけに変わります。 ![オフラインモード有効後、チャットのモデル選択肢がローカル設定のモデルに変わった様子](jetbrains-ai-chat-offline-model-selector.png) *AI Assistantのチャット機能のモデル選択に定義したモデルが表示されました* ### 動作確認 実際にいくつかの機能で動作を確認します。 #### チャット機能でのテスト チャットで質問を投げかけると、LiteLLMのターミナルにリクエストが記録され、IDE上にモデルからの応答が正しく表示されます。 チャット機能での動作テスト #### コミットメッセージの下書き作成のテスト バージョン管理ツールでコミットメッセージを生成する際も、事前に選択したモデル（この例では `gemini-2.5-flash`）が使用され、差分に基づいたメッセージが作成されます。 コミットメッセージの下書き作成機能でのテスト ## 5. まとめ JetBrains AI クレジット消費問題を回避するため、LiteLLMを用いて外部のLLM APIをローカルプロキシ経由で利用する方法を紹介しました。 このアプローチにより、JetBrains AI クレジット消費を気にすることなく、GeminiやChatGPTといった好みの最新LLMをIDEに統合できます。PCのスペックに依存せず、利用するモデルを柔軟にコントロールできる点が最大のメリットです。JetBrainsのAI Assistantをより自由に、そして経済的に活用したい方は、ぜひ試してみてください。