VS CodeでさくらのAI Engineを使う方法 Kimi-K2.6をCustom Endpointとして追加する

2026年5月、さくらのAI Engineで preview/Kimi-K2.6 の提供が始まり、あわせてOpenAI互換およびAnthropic互換のAPIも利用できるようになりました。これにより、対応クライアントから直接さくらのAI Engineを呼び出しやすくなっています。

本記事では、VS CodeからさくらのAI Engineを利用することに絞って、設定例と動作確認の流れを整理します。とくに chatLanguageModels.json の streaming 設定が、表示の安定性に大きく影響する点を、Chat Debug とログを使って説明します。

目次

• 1. はじめに
• 2. 前提情報
• 3. VS Codeでの設定手順
• 4. 動作確認と注意点
  • 4.1. streaming の設定
  • 4.2. 同一質問での比較（富士山）
  • 4.3. モデル別のストリーム構造と原因
  • 4.4. streaming: true 時のエラー
  • 4.5. デバッグ方法
• 5. まとめ

1. はじめに

さくらのAI Engineは、国内で扱いやすい生成AI向けAPI基盤として以前から気になっていましたが、2026年5月に新しい動きがありました。まず、2026年5月12日に preview/Kimi-K2.6 のパブリックプレビュー提供が始まりました。Kimi-K2.6 は思考プロセス（reasoning）を出力する推論モデルであり、ストリーミング時は delta.content の前に delta.reasoning が届く構造になっています。また、無償プランでは月3,000リクエストまで利用できます。

続いて、2026年5月20日にResponses APIとMessages APIの提供開始が案内されました。これにより、OpenAI互換とAnthropic互換の両方の入り口が用意され、既存のツールやエディタから接続しやすくなっています。

今回は、このうちOpenAI互換の入口を使い、VS Codeのカスタムモデルとして preview/Kimi-K2.6 を追加する手順をまとめます。

2. 前提情報

VS Codeでは、標準のモデルに加えて、独自のAPIキーを使うカスタムモデルを追加できます。Microsoft公式ドキュメントでは、言語モデルの追加・編集や、モデル設定ファイルの管理方法が案内されています。

そのため、さくらのAI EngineのようにOpenAI互換のAPIを提供しているサービスであれば、設定さえ合えばVS Codeから利用できます。

なお、2026年5月公開のVS Code 1.122では、Chat: Manage Language Models から言語モデルを管理しやすくなりました。まずはこの画面からカスタムモデルの追加を始め、必要に応じて chatLanguageModels.json を編集する流れが分かりやすいと思います。

• AI language models in VS Code
• Visual Studio Code 1.122 Release Notes

3. VS Codeでの設定手順

まず、コマンドパレットから Chat: Manage Language Models を開きます。

Language Models画面が開いたら、Add Models... から Custom Endpoint を選択します。

その後、APIキーの入力を求められます。続いてAPI Typeを選択する画面が表示されるので、今回はOpenAI互換の入口として Chat Completions を選びます。今回は、Claude Code 連携向けの Messages ではなく、OpenAI 互換の Chat Completions を選ぶことにしました。

必要に応じて chatLanguageModels.json が開くので、詳細設定を編集します。次の設定で利用できました。

[
  {
    "name": "Sakura AI",
    "vendor": "customendpoint",
    "apiKey": "${input:chat.lm.secret.xxxxxxxx}",
    "apiType": "chat-completions",
    "models": [
      {
        "id": "preview/Kimi-K2.6",
        "name": "Kimi-K2.6",
        "url": "https://api.ai.sakura.ad.jp/v1",
        "toolCalling": true,
        "vision": true,
        "maxInputTokens": 128000,
        "maxOutputTokens": 16000,
        "streaming": false
      }
    ]
  }
]

重要なのは次の3点です。

• url に https://api.ai.sakura.ad.jp/v1 を指定すること
• モデルIDとして preview/Kimi-K2.6 を指定すること
• streaming を false にすること

apiKey は、VS Code側で管理しているシークレット入力を参照しています。記事中の xxxxxxxx はダミーです。デフォルトで設定されているはずですので、そのまま利用してください。

maxInputTokens と maxOutputTokens の値は VS Code のデフォルトテンプレートを参考にした目安です。さくらのAI Engine の公式ドキュメントにモデルごとの正確なスペックが見当たらないため、実際の仕様と異なる可能性があります。

4. 動作確認と注意点

設定後、VS Codeのチャット画面でモデル一覧から Kimi-K2.6 を選択し、質問を送って応答を確認します。"streaming": false のとき、地理の短文質問に安定して答えられました。

4.1. streaming の設定

いちばん時間を使ったのは streaming の設定です。VS Codeが最初に生成する設定には streaming キーがなく、公式ドキュメントでは省略時のデフォルトは true です。

[
  {
    "name": "Custom Endpoint",
    "vendor": "customendpoint",
    "apiKey": "${input:chat.lm.secret.xxxxxxxx}",
    "apiType": "chat-completions",
    "models": [
      {
        "id": "",
        "name": "",
        "url": "",
        "toolCalling": true,
        "vision": true,
        "maxInputTokens": 128000,
        "maxOutputTokens": 16000
      }
    ]
  }
]

4.2. 同一質問での比較（富士山）

切り分けのため、同じ質問「富士山の高さは？」で、streaming だけを変えて比較しました。いずれも Agent はオフ、codebase 検索の追加もしていません。

Chat Debug でエクスポートしたログでも、stream: true のときは usage.completion_tokens がある一方、Response の Assistant 本文が空でした。出力パネル（Trace）では delta.reasoning のあと delta.content で「3,776メートル」が届いているのに、チャットに載らない例も確認しています。

4.3. モデル別のストリーム構造と原因

つまり、さくらのAI Engineが応答していないのではなく、VS Code 側がストリーミング応答を表示用テキストに組み立てられていないのが原因です。プレイグラウンドのレスポンスタブで3モデルの実際のストリームを確認したところ、次のパターンが確認できました。

Kimi-K2.6 と gpt-oss-120b はいずれも reasoning モデルで、フィールド名は異なるものの（reasoning と reasoning_content）、どちらも標準の OpenAI Chat Completions ストリーミング仕様に存在しないフィールドを先に送出します。VS Code 側がこれらを処理できないことが表示失敗の原因と判断できます。

さくらのAI Engine のプレイグラウンド（secure.sakura.ad.jp/ai/playground/）で stream: true のまま同じ質問を送ると、正常に応答が返ってくることも確認しています。API 自体は stream: true に対応しており、問題が VS Code 側の処理にあることを裏付けています。

4.4. streaming: true 時のその他のエラー

状況によっては、次のような表示になることもありました。

今回のケースでは Rate limit exceeded は、連続実行を疑うべきです。同じ API キーで streaming: false にすると応答できたため、まず streaming を確認するのが切り分けしやすかったです。

4.5. デバッグ方法

画面のエラーだけでは判断しづらいため、次の方法を用途に応じて使い分けました。

スクショを取り直すときは、Developer: Reload Window のあと New Chat で1本ずつ試すと、CHAT DEBUG の木が混ざりにくくなります。Agent 利用時は Show Agent Debug Logs も併用してください。

詳細は Troubleshoot AI in Visual Studio Code、Debug chat interactions を参照してください。

この点は、2026年6月2日時点の筆者の検証結果です。今後 VS Code 側やさくらのAI Engine 側の仕様が更新される可能性もあるため、動作しない場合はまず streaming から試すのがよいと思います。

なお、さくらのAI Engineには、ZedやOpenCodeでの利用例も公開されています。VS Code以外のツールを試したい場合は、次の資料も参考になります。

• Zed – Rust製次世代エディタでさくらのAI Engineを試す 〜さくらのAI Engineを使いこなす：主要クライアント実践ガイド(2)〜 | さくらのナレッジ
• OpenCode – ターミナルで動くClaude Code代替のOSS 〜さくらのAI Engineを使いこなす：主要クライアント実践ガイド(4)〜 | さくらのナレッジ

5. まとめ

2026年5月以降、さくらのAI EngineはOpenAI互換およびAnthropic互換のAPIを利用できるようになり、VS Code でも chatLanguageModels.json から preview/Kimi-K2.6 を試せます。

設定の骨格はシンプルですが、streaming: false の明示が実用上いちばん重要でした。原因を調べたところ、Kimi-K2.6 や gpt-oss-120b などの reasoning モデルは、標準の OpenAI Chat Completions ストリーミング仕様に存在しない delta.reasoning / delta.reasoning_content フィールドを先に送出しており、VS Code がこれを処理できないことが表示失敗の原因でした。streaming: false にすると VS Code はレスポンス全体を受け取ってから表示するため、この問題を回避できます。

表示がおかしいときは、Chat Debug と GitHub Copilot Chat のログで「API は成功しているか、VS Code に届いているか」を切り分けてみてください。