Difyのチャットフローを利用して、LLMが生成した内容をGoogle Apps Script（GAS）経由でGoogleスプレッドシートへ保存する方法を解説します。

1. まず、Dify側の準備

Difyで「チャットフロー」を作成します。

続いて、LLMノードを追加します。
ユーザーからの入力を適当に加工してもらうことにします。

AIモデルにGeminiを使っている場合、SYSTEMではなくUSERにプロンプトを入力しないとエラーになることがあります。
ただ、この辺りの仕組みは正直よくわかっていません…

LLMノードをさらに追加します。
先ほどの出力結果をJSON形式に変換します。

2. ここでいったん、GAS側の準備

スプレッドシート側で、データを受け取るためのGASを作成します。

function doPost(e){
  try{
    const jsonData = JSON.parse(e.postData.contents);
    const sheet = SpreadsheetApp.getActiveSpreadsheet().getSheetByName('シート1');
    const currentDate = new Date();

    const data = {
      timestamp: currentDate,
      title: jsonData.title || ''
    };

    sheet.appendRow([data.timestamp, data.title]);
  
    return ContentService.createTextOutput(JSON.stringify({status: 'success'}))
      .setMimeType(ContentService.MimeType.JSON);

  } catch(error){
    return ContentService.createTextOutput(JSON.stringify({status: 'error', message: error.toString()}))
      .setMimeType(ContentService.MimeType.JSON);
  }
}

このコードでは、以下の処理を行っています。

受信したPOSTデータをJSONとして解析
タイムスタンプとJSON内の title を取得
指定したシートの末尾に行を追加
処理結果をJSONで返却

コードの記述後、「ウェブアプリ」 としてデプロイします。
Difyからアクセスできるよう、アクセス権限は 「全員」 に設定します。

3. Difyに戻って、設定の続き

Difyのフローに戻り、「HTTPリクエスト」ノードを追加します。

メソッド: POST
URL: 先ほど公開したGASのウェブアプリURL
ボディ: JSONを選択し、LLMノードで生成された変数を割り当てます


これで、LLMの出力結果をGASへ送信できるようになります。

4. 実行結果の判定

GASからのレスポンスを受け取り、成否を判定するために「IF/ELSE」ノードを追加します。

受信したJSONに success という文字列が含まれているかどうかにより、成功・失敗を判定します。

成功・失敗それぞれの分岐に「回答」ノードを接続し、各LLMノードで出力したテキストを返すようにしておきます。

これで完成。全体像はこちら。

5. 動作確認

適当なテキストを入力して実行してみると、

LLMが生成したタイトルが、スプレッドシートに自動で入力されることが確認できました。

まとめ

この仕組みを応用することで、対話内容から必要な項目を抽出して保存したり、アップロードされた画像の分析結果を保存するなど、チャットやファイルをデータベース化するという処理ができそうです。