はじめに
本記事は、AWS What's NewをAIで要約・スライド化してCloudflareで公開するシステムの3部作のPart2です。
システム全体の概要は以下のサマリ記事をご覧ください。
Part1ではAWS What's NewをBedrockで要約してSlackに投稿し、ボタンでAgentCoreを呼び出すところまでを解説しました。
このPart2では、AgentCore上のStrands AgentがSlackスレッドと記事情報をもとにMarpスライドを自動生成し、GitHubリポジトリにコミットするまでを解説します。
このPartで扱う範囲
[AgentCore呼び出し] ← Part1より
payload: {articleUrl, channel, thread_ts}
↓
[Strands Agent (AgentCore上 / Claude Haiku 4.5)]
├── [slack_read_thread] → Slackスレッド取得
├── [tavily_crawl / search / extract] → 記事詳細・関連情報の収集
├── [generate_marp_from_thread] → Marpスライド生成
├── [generate_summary_markdown] → 要約Markdown生成
├── [commit_files_to_github] → GitHubコミット
└── [slack] → 完了通知
↓
[GitHubリポジトリ]
├── yyyy/mm/dd/[title]/slide.md
└── yyyy/mm/dd/[title]/summary.md
↓
→ Part3へ続く
構成
使用するサービス・フレームワーク
| サービス/ライブラリ | 役割 |
|---|---|
| Amazon Bedrock AgentCore | Strands Agentのマネージドホスティング環境 |
| Strands Agents (Python) | Agentのオーケストレーションフレームワーク |
| Claude Haiku 4.5 (Amazon Bedrock) | スライド生成に使用するLLM |
| Tavily | AIに特化したWeb検索API（crawl/search/extract） |
| GitHub API (PyGithub) | 生成したMarpスライドのリポジトリへの保存 |
| AWS Systems Manager Parameter Store | Tavily APIキー・GitHubトークンの管理 |
AgentCoreとStrands Agentsについて
Amazon Bedrock AgentCoreは、AIエージェントをサーバーレスで実行・ホスティングできるマネージドランタイムです。BedrockAgentCoreAppに@app.entrypointデコレータを付けた関数をエントリーポイントとして定義するだけで、スケーリングや可用性をAWSに任せることができます。
Strands AgentsはAWSがオープンソースで提供するエージェントフレームワークです。@toolデコレータでPython関数をツールとして定義するシンプルなAPIが特徴で、AgentCoreとの統合がネイティブにサポートされています。
実装
1. システムプロンプト
システムプロンプトはsystem_prompt.md（骨格）とmarp_rules.md（Marpルール）の2ファイルに分けて管理し、起動時に結合して使います。ファイル分割によってMarpのルールを独立してメンテナンスできるようにしています。
with open("system_prompt.md", encoding="utf-8") as f:
_prompt_template = f.read()
with open("marp_rules.md", encoding="utf-8") as f:
_marp_rules = f.read()
SYSTEM_PROMPT = _prompt_template.replace("{MARP_RULES}", _marp_rules)
system_prompt.mdの概要は以下のとおりです。
あなたはAWSの最新情報からMarpスライドを作成するエキスパートです。
以下の手順で作業してください：
1. slack_read_threadでSlackスレッドを取得し、記事の要約や背景情報を把握する
2. tavily_crawlで記事URLの内容を取得する
3. tavily_searchで関連する最近のAWSアップデートを検索する
4. generate_marp_from_threadでMarpスライドを生成する
5. generate_summary_markdownで要約Markdownを生成する
6. commit_files_to_githubでGitHubにコミットする
7. slackで完了通知を送信する
{MARP_RULES}
2. ツール一覧
Agent に渡すツールは、Strands提供のものとカスタム実装の2種類に分かれます。
| ツール | 種別 | 役割 |
|---|---|---|
current_time |
strands_tools | 現在時刻の取得 |
tavily_crawl |
strands_tools | 記事URLのクロールによるコンテンツ取得 |
tavily_search |
strands_tools | 関連情報のWeb検索 |
tavily_extract |
strands_tools | URLからの構造化コンテンツ抽出 |
slack |
strands_tools | Slackメッセージの送受信 |
slack_read_thread |
カスタム | Slackスレッドの取得・整形 |
parse_thread_messages |
カスタム | スレッドメッセージのパース |
generate_marp_from_thread |
カスタム | Marpスライドの生成 |
generate_summary_markdown |
カスタム | 要約Markdownの生成 |
commit_files_to_github |
カスタム | GitHubへのコミット |
Tavilyはtavily_crawl（ページ全文取得）・tavily_search（Web検索）・tavily_extract（構造化抽出）の3種類を用意し、コンテンツの性質に応じてAgentが使い分けます。
3. Slackスレッド取得・解析ツール
Part2のAgentはSlackスレッドを自分で読み込み、そこからタイトル・要約・詳細を取り出します。Part1が投稿したメッセージ構造をPart2が解釈することで、両者がSlackを介して連携しています。
Part1のメッセージ構造
Part1のLambdaはSlackにBlock Kit形式で3件のメッセージを投稿します。
| インデックス | 内容 | Blockタイプ |
|---|---|---|
messages[0] |
タイトル・カテゴリ・公開日・記事URLボタン | header / context / actions |
messages[1] |
要約（*要約:*\n...） |
section |
messages[2] |
詳細（*詳細:*\n...） |
section |
slack_read_threadツール
conversations.replies APIでスレッドのメッセージをJSON形式で取得します。
@tool
def slack_read_thread(channel: str, thread_ts: str) -> str:
"""
Slackスレッドのメッセージを取得
Args:
channel: チャンネルID（例: "C0ACMDRQS59"）
thread_ts: スレッドのタイムスタンプ（例: "1234567890.123456"）
Returns:
JSON形式のメッセージリスト
"""
url = (
f"https://slack.com/api/conversations.replies"
f"?channel={channel}&ts={thread_ts}&limit=10"
)
headers = {
"Authorization": f"Bearer {bootstrap.SLACK_BOT_TOKEN}",
"Content-Type": "application/json",
}
req = urllib.request.Request(url, headers=headers)
with urllib.request.urlopen(req) as response:
result = json.loads(response.read().decode())
if not result.get("ok"):
return json.dumps({"error": result.get("error", "不明なエラー")})
return json.dumps(result.get("messages", []), ensure_ascii=False)
parse_thread_messagesツール
取得したメッセージのBlock Kit構造をパースし、後続ツールが扱いやすいJSONに変換します。
@tool
def parse_thread_messages(messages_json: str) -> str:
"""
Slackスレッドメッセージを解析し、タイトル・要約・詳細を抽出
Returns:
JSON: {title, category, published_date, article_url, summary, detail}
"""
messages = json.loads(messages_json)
main_msg = messages[0]
blocks = main_msg.get("blocks", [])
# Header block → タイトル
title = next(
(b["text"]["text"] for b in blocks if b["type"] == "header"), ""
)
# Context block → "カテゴリ: AI | 公開日: 2024-01-15" をパース
category, published_date = "", ""
for b in blocks:
if b["type"] == "context":
text = b["elements"][0]["text"]
parts = text.split("|")
category = parts[0].replace("カテゴリ:", "").strip()
published_date = parts[1].replace("公開日:", "").strip() if len(parts) >= 2 else ""
break
# Actions block → 記事URLボタン
article_url = ""
for b in blocks:
if b["type"] == "actions":
for el in b.get("elements", []):
if el.get("type") == "button" and el.get("url"):
article_url = el["url"]
break
# messages[1] → 要約、messages[2] → 詳細
def extract_text(msg, prefix):
for b in msg.get("blocks", []):
if b["type"] == "section":
text = b["text"]["text"]
if prefix in text:
return text.split(prefix, 1)[-1].strip()
return ""
summary = extract_text(messages[1], "*要約:*\n")
detail = extract_text(messages[2], "*詳細:*\n")
return json.dumps({
"title": title,
"category": category,
"published_date": published_date,
"article_url": article_url,
"summary": summary,
"detail": detail,
}, ensure_ascii=False)
このツールの戻り値がgenerate_marp_from_threadとgenerate_summary_markdownの入力になります。
4. ファイル名生成
保存先のディレクトリパスとファイル名はgenerate_filenameで一元管理しています。Agentが生成したパスを使わず、bootstrapのメタデータから正規化して生成することで、パスの揺れを防いでいます。
def generate_filename(title: str, published_date: str) -> tuple[str, str, str]:
"""
タイトルと公開日からディレクトリパスとファイル名を生成
Returns:
(ディレクトリパス, スライドファイル名, 要約ファイル名) のタプル
例: ("2026/01/15/Amazon-Bedrock-Claude-45", "slide.md", "summary.md")
"""
try:
date_obj = datetime.strptime(published_date, '%Y-%m-%d')
date_path = date_obj.strftime('%Y/%m/%d')
except ValueError:
date_path = datetime.now().strftime('%Y/%m/%d')
short_title = re.sub(r'[^\w\s-]', '', title)
short_title = re.sub(r'\s+', '-', short_title)
short_title = short_title[:50].strip('-')
dir_path = f"{date_path}/{short_title}"
return (dir_path, "slide.md", "summary.md")
5. スライド生成ツール（ハイブリッドアプローチ）
Marpスライドの内容生成はLLMではなくPythonのキーワード抽出で行っています。LLMはツールの呼び出し順を決めるオーケストレーターとして働き、実際のコンテンツ生成はルールベースの処理に委ねます。これにより出力の安定性と速度を確保しています。
SlideSection
スライドの各セクションはSlideSectionクラスで宣言的に定義します。
class SlideSection:
def __init__(
self,
title: str,
extractor_fn: Callable, # (summary, detail, search_results) -> str
max_length: int = 300,
required: bool = True,
):
...
セクションの一覧は以下のとおりです。
SLIDE_SECTIONS = [
SlideSection("概要", lambda s, d, sr: extract_overview(s, d), required=True),
SlideSection("前提・背景", lambda s, d, sr: extract_background(d, sr), required=False),
SlideSection("変更内容・新機能", lambda s, d, sr: extract_changes(s, d), required=True),
SlideSection("効果・メリット", lambda s, d, sr: extract_benefits(s, d), required=False),
SlideSection("ユースケース", lambda s, d, sr: extract_use_cases(d), required=False),
]
各extractor関数はSlackスレッドのsummary・detailテキストとTavily検索結果を受け取り、日本語・英語のキーワードマッチングで関連段落を抽出します。required=Falseのセクションは内容が空の場合スキップされます。
generate_marp_from_threadツール
セクション定義をもとにMarpスライドを組み立てます。
@tool
def generate_marp_from_thread(
thread_info_json: str,
search_results_json: str = "",
max_slides: int = 12,
) -> str:
"""
スレッド情報とTavily検索結果から構造化されたMarpスライドを生成
Args:
thread_info_json: parse_thread_messages()の戻り値
search_results_json: tavily_search()の戻り値（オプション）
max_slides: 最大スライド数
"""
thread_info = json.loads(thread_info_json)
title = thread_info.get("title", "")
published_date = thread_info.get("published_date", "")
article_url = thread_info.get("article_url", "")
summary = thread_info.get("summary", "")
detail = thread_info.get("detail", "")
# commit_files_to_github が参照するメタデータをここでセット
bootstrap._generated_marp_metadata.update({
"title": title,
"published_date": published_date,
"article_url": article_url,
})
search_results = json.loads(search_results_json) if search_results_json else []
slides = ["---", "marp: true", "theme: default", "paginate: true", "---", ""]
# タイトルスライド
slides += [f"# {title}", "", published_date, "", "---", ""]
# 各セクション
for section in SLIDE_SECTIONS:
content = section.extractor_fn(summary, detail, search_results)
if not content and not section.required:
continue
slides += [f"## {section.title}", "", content[:section.max_length], "", "---", ""]
# まとめ + 参考URL
slides += ["## まとめ", "", f"- {title} について紹介しました", "", "---", ""]
slides += ["## 参考URL", "", f"- [元記事]({article_url})", ""]
return "\n".join(slides)
generate_summary_markdownツール
summary.mdはsummary・detailテキストをそのまま構造化するシンプルなMarkdown生成です。
@tool
def generate_summary_markdown(thread_info_json: str) -> str:
"""スレッド情報から要約mdファイルを生成"""
thread_info = json.loads(thread_info_json)
title = thread_info.get("title", "")
...
# generate_marp_from_thread が先に呼ばれていなければここでもメタデータをセット
bootstrap._generated_marp_metadata.update({
"title": title,
"published_date": published_date,
"article_url": article_url,
})
...
7. GitHubコミットツール
commit_files_to_githubはStrands Agentのツールとして定義し、slide.mdとsummary.mdを1回のコミットで保存します。
@tool
def commit_files_to_github(files_json: str, commit_message: str) -> str:
"""
複数ファイルをGitHubにコミット
Args:
files_json: JSON形式のファイルリスト
[{"path": "2026/02/05/Amazon-Bedrock-Claude-45/slide.md", "content": "..."},
{"path": "2026/02/05/Amazon-Bedrock-Claude-45/summary.md", "content": "..."}]
※ パスはyyyy/mm/dd/[タイトル]/形式のディレクトリ配下に保存
※ ファイル名は固定（slide.md, summary.md）
commit_message: コミットメッセージ
Returns:
成功メッセージまたはエラーメッセージ
"""
try:
# 同一実行内での二重コミットを防止
if bootstrap._commit_once_guard:
return "スキップ: 既にコミット済み（同一実行）"
files = json.loads(files_json)
if not files:
return "エラー: コミットするファイルがありません"
# 保存先パスはエージェントの入力ではなくbootstrapのメタデータから生成
title = bootstrap._generated_marp_metadata.get("title", "タイトル不明")
published_date = bootstrap._generated_marp_metadata.get(
"published_date", datetime.now().strftime("%Y-%m-%d")
)
dir_path, slide_filename, summary_filename = generate_filename(title, published_date)
slide_path = f"{dir_path}/{slide_filename}"
summary_path = f"{dir_path}/{summary_filename}"
# エージェントが渡したパスのファイル名でスライド/要約を判別
slide_content, summary_content = "", ""
for file_info in files:
content = file_info.get("content", "")
if not content:
continue
path = (file_info.get("path") or "").lower()
if "summary.md" in path and not summary_content:
summary_content = content
elif "slide.md" in path and not slide_content:
slide_content = content
if not slide_content or not summary_content:
return "エラー: スライドまたは要約の内容が不足しています"
repo = bootstrap.github_client.get_repo(bootstrap.GITHUB_REPO)
commit_results = []
def upsert(path: str, content: str):
"""ファイルが存在すれば更新、なければ作成"""
try:
try:
existing = repo.get_contents(path)
repo.update_file(path, commit_message, content, existing.sha)
commit_results.append(f"更新: {path}")
except Exception:
repo.create_file(path, commit_message, content)
commit_results.append(f"作成: {path}")
except Exception as e:
commit_results.append(f"エラー: {path} - {str(e)}")
upsert(slide_path, slide_content)
upsert(summary_path, summary_content)
bootstrap._commit_once_guard = True
return "\n".join(commit_results)
except Exception as e:
return f"GitHubコミットエラー: {str(e)}"
設計上のポイント
保存パスをbootstrapメタデータから生成する理由
Agentが生成するパスは表記ゆれや日付ミスが発生しやすいため、実際の保存先はbootstrap._generated_marp_metadata（Part1から渡されたタイトルと公開日）をもとにgenerate_filenameで正規化して生成します。Agentが渡したfiles_jsonのパスはスライドか要約かの判別にのみ使います。
_commit_once_guardによる二重コミット防止
Strands AgentはReActループの中でツールを複数回呼び出すことがあります。コミット操作は冪等ではないため、_commit_once_guardフラグで同一実行内での2回目以降の呼び出しをスキップします。
upsertパターン
再実行時や開発中の動作確認でも安全に使えるよう、update_file（既存ファイルの更新）を先に試み、失敗した場合はcreate_file（新規作成）にフォールバックするupsertパターンを採用しています。
8. Agentの初期化とエントリーポイント
AgentCoreへのデプロイはBedrockAgentCoreAppを使います。@app.entrypointデコレータを付けた非同期関数がリクエストの受け口になります。
from bedrock_agentcore.runtime import BedrockAgentCoreApp
from strands import Agent
from strands.models import BedrockModel
import bootstrap # 副作用のあるimport（Slack環境変数設定など）
app = BedrockAgentCoreApp()
bedrock_model = BedrockModel(
model_id=bootstrap.MODEL_ID, # 環境変数で設定（Claude Haiku 4.5）
region_name="us-east-1"
)
strands_agent = Agent(
model=bedrock_model,
tools=[
current_time,
tavily_crawl, tavily_search, tavily_extract,
slack,
slack_read_thread, parse_thread_messages,
generate_marp_from_thread, generate_summary_markdown,
commit_files_to_github,
],
system_prompt=SYSTEM_PROMPT,
)
エントリーポイントでは、受け取ったペイロードからパラメータを取り出してAgentを呼び出します。Agentはシステムプロンプトに従って各ステップのエラーハンドリングを自律的に行うため、ここではAgent起動自体の失敗とタイムアウトのみをハンドリングしています。
@app.entrypoint
async def invoke(payload: dict) -> dict:
article_url = payload.get('articleUrl', '')
channel = payload.get('channel', '')
thread_ts = payload.get('thread_ts', '')
if not article_url or not channel:
return {"error": "必須パラメータが不足しています（articleUrl, channel）"}
await process_agent_async(payload)
return {
"status": "completed",
"channel": channel,
"thread_ts": thread_ts,
}
process_agent_asyncではAgentをストリーミング実行し、タイムアウト時のみSlackにエラー通知します。
async def process_agent_async(payload: dict):
agent_prompt = (
f"slackのスレッドの情報を元にMarp形式のスライドを作成してください。\n"
f"記事URL: {payload['articleUrl']}\n"
f"チャンネル {payload['channel']} のスレッド {payload.get('thread_ts', '')} に返信してください。"
)
stream = strands_agent.stream_async(agent_prompt)
async def consume():
async for event in stream:
if event.get("reasoning"):
continue
if "current_tool_use" in event:
print(f"[Stream] Tool: {event['current_tool_use'].get('name')}")
try:
await asyncio.wait_for(consume(), timeout=bootstrap.STREAM_TIMEOUT_SECONDS)
except asyncio.TimeoutError:
_send_error_to_slack(
payload['channel'],
payload.get('thread_ts', ''),
f"❌ タイムアウト（{bootstrap.STREAM_TIMEOUT_SECONDS}秒）"
)
9. bootstrapモジュール
bootstrap.pyはモジュールロード時に副作用として実行される初期化処理をまとめたモジュールです。GitHub ClientやSlack環境変数はここでセットアップし、ツール関数からモジュール変数として参照します。
# bootstrap.py
import boto3
from github import Github
ssm = boto3.client("ssm")
def _get_param(name: str) -> str:
return ssm.get_parameter(Name=name, WithDecryption=True)["Parameter"]["Value"]
# モデルID（環境変数で設定）
MODEL_ID = os.environ["MODEL_ID"] # 例: us.anthropic.claude-haiku-4-5-20251001
# GitHub Client（起動時に一度だけ初期化）
GITHUB_REPO = "your-org/whatsnew-slides"
github_client = Github(_get_param("/whatsnew/github_token"))
# タイムアウト設定
STREAM_TIMEOUT_SECONDS = 300
# コミット済みフラグ（リクエストごとにリセット）
_commit_once_guard: bool = False
# エージェント実行時にセットされるメタデータ（リクエストごとにリセット）
_generated_marp_metadata: dict = {}
# Slack環境変数のセットアップ
def setup_slack_environment():
...
setup_slack_environment()
エントリーポイントでは、リクエストごとにコミットガードとメタデータをリセットします。
@app.entrypoint
async def invoke(payload: dict) -> dict:
# リクエストごとに状態をリセット
bootstrap._commit_once_guard = False
bootstrap._generated_marp_metadata = {
"title": payload.get("title", ""),
"published_date": payload.get("published_date", ""),
}
...
Agentの動作フロー
Strands Agentは渡された入力をもとに、ReActパターンで以下のようにツールを呼び出しながらスライドを生成します。
-
Slackスレッド取得:
slack_read_threadでPart1が投稿した要約・背景情報を取得 -
記事コンテンツ取得:
tavily_crawlで記事URLの全文を取得 -
関連情報収集:
tavily_search/tavily_extractで関連するAWSアップデートを補完 -
スライド生成:
generate_marp_from_threadでMarp形式のMarkdownを生成 -
要約生成:
generate_summary_markdownで要約Markdownを生成 -
GitHubコミット:
commit_files_to_githubでyyyy/mm/dd/[title]/配下にコミット -
Slack通知:
slackでスレッドに完了通知を送信
ポイントと注意点
モデルにClaude Haiku 4.5を選んだ理由
モデルIDは環境変数MODEL_IDで管理しており、今回はClaude Haiku 4.5（us.anthropic.claude-haiku-4-5-20251001）を使用しています。Haiku 4.5はレスポンスが速くコストが低い一方、Markdown生成や指示追従性も十分高いため、定常的に大量実行するこのユースケースに適しています。環境変数で切り替え可能にしておくことで、必要に応じてSonnetなど上位モデルへの変更も容易です。
スライド生成をルールベースにした理由
generate_marp_from_threadのコンテンツ生成はLLMではなくキーワードマッチングで実装しています。LLMに全文生成を任せると出力フォーマットが安定せず、Marpの記法を守らないケースが発生しやすいためです。LLMはツールの呼び出し順を決めるオーケストレーター役に徹し、コンテンツ生成は決定的なPython処理で行うことで、品質と速度を両立しています。
bootstrap._generated_marp_metadataの設定タイミング
commit_files_to_githubが参照するbootstrap._generated_marp_metadataは、generate_marp_from_threadまたはgenerate_summary_markdownの中でセットされます。AgentがSlackスレッドのパースで得たタイトルと公開日をメタデータとして持ち回す仕組みです。どちらのツールが先に呼ばれても対応できるよう、両方でupdate()しています。
@toolデコレータとdocstringの重要性
Strands Agentsでは、docstringがそのままLLMへのツール説明として使われます。commit_files_to_githubのfiles_jsonのような複雑な入力フォーマットは、docstringにJSONの例を直接記載することでAgentの誤用を防げます。
bootstrapの副作用importの順序
import bootstrapはSlack環境変数の設定など副作用を持つimportです。strands_toolsのslackがSlack環境変数を参照するため、bootstrapを先にimportする必要があります。コメントで# FIRST/# SECONDと明示することでこの依存関係を読み手に伝えています。
ストリーミング実行とタイムアウト
stream_asyncでストリーミング実行することで、長時間の処理中もAgentCoreとの接続を維持できます。asyncio.wait_forでタイムアウトを設けており、上限を超えた場合はSlackにエラー通知します。エラーハンドリングの多くはシステムプロンプトでAgentに委譲しているため、ここではタイムアウトとAgent起動失敗のみをハンドリングしています。
おわりに
Part2ではStrands AgentsとAgentCoreを組み合わせて、情報収集からスライド生成・GitHubコミットまでを1つのAgentで完結させました。このパートで特に重要だった設計判断を整理します。
@toolデコレータでツール定義を最小化
Strands Agentsのツール定義はdocstringがそのままLLMへの説明になります。関数さえ書けばツールになる設計のおかげで、Tavily・GitHub・Slackの連携がボイラープレートなしに実装できました。複雑な入力フォーマットはdocstringにJSONサンプルを添えることでAgentの誤用を防げます。
Claude Haiku 4.5をAgentのモデルに選んだ理由
このシステムでは毎日大量のWhat's New記事を処理します。LLMはコンテンツ生成ではなくツールの呼び出し順を決めるオーケストレーターとして使うため、速度とコストが最優先です。Claude Haiku 4.5は指示追従性が高くレスポンスが速いため、このユースケースに適しています。モデルIDは環境変数MODEL_IDで管理しており、必要に応じてSonnetなど上位モデルへの切り替えも容易です。
スライド生成をルールベースにした理由
generate_marp_from_threadのコンテンツ生成はLLMではなくキーワードマッチングで実装しています。LLMに全文生成を任せると出力フォーマットが安定せず、Marpの記法を守らないケースが発生しやすいためです。LLMはオーケストレーターに徹し、コンテンツ生成は決定的なPython処理で行うことで品質と速度を両立しています。
Tavilyを3ツールに分ける意義
crawl（ページ全文）・search（一般検索）・extract（特定URL構造化）を別ツールとして持たせることで、コンテンツの性質に応じた情報収集をAgentが自律的に選択できます。1つの汎用ツールにまとめると判断ロジックをAgentに委ねすぎてしまい、ツール呼び出しの精度が下がります。
_commit_once_guardでAgentの二重コミットを防ぐ
Strands AgentはReActループの中でツールを複数回呼び出すことがあります。コミット操作は冪等ではないため、_commit_once_guardフラグで同一実行内での2回目以降のcommit_files_to_github呼び出しをスキップします。upsertパターンと組み合わせることで、再実行時も安全に動作します。
slide.md + summary.md の2ファイル構成
スライド本体と検索用サマリを分離して保存しています。Part3のメタデータ生成スクリプトがsummary.mdの最初の段落を読み取り、KVの検索インデックスとして活用します。
次のPart3では、GitHubリポジトリにコミットされたMarpスライドをCloudflare Workers経由で公開する部分を解説します。
サイトの方にもアクセスいただいて、気になるポイントがあればコメントいただけると嬉しいです！