さくらのAI使ってレストランLINE Bot作ってみた

Last updated at 2025-10-23Posted at 2025-09-25

11/5(金)、さくらインターネット亀田さんとハンズオンイベントやります！是非ご参加下さい！

https://linedevelopercommunity.connpass.com/event/372276/

日頃よりお世話になっており、先日さくらインターネットに転職された亀田さんが面白そうなPostをされていました。

本日、さくらインターネットから新しいAIサービスがリリースされました。「さくらのAI Engine」https://t.co/wGXNMAQkt8

サービスがお客様にご提供できるベネフィットやハンズオンシナリオをブログでまとめて同時に公開しました。（明日第二弾シナリオが出ます）… https://t.co/lEH3hz2RNr
— kame (@kameoncloud) September 24, 2025

気になりましたので、架空のレストランの情報を返してくれるLINE Botを作成してみました。めちゃくちゃ簡単に出来ましたので、手順をメモがてら残しておきます！

準備

公式にわかりやすく解説されてますので困ることはないかと思います。

会員登録のうえ、こちらにアクセスします。

お試しなら基盤無償プランでよいかと思います。契約するをクリック

左側のメニューからアカウントトークンをクリックし、適当に名前をつけて作成。作成されたトークンが表示されるのでどこかに控えておいて下さい。

疎通確認

手順も公式が詳しいので簡単に説明します。

ターミナル等を開き、発行されたトークンを以下のコマンドで検証しましょう。トークンは入れ替えて下さい。

curl --location 'https://api.ai.sakura.ad.jp/v1/chat/completions' \
     --header 'Authorization: Bearer <YOUR_TOKEN>' \
     --header 'Content-Type: application/json' \
     --data '{
       "model": "gpt-oss-120b",
       "messages": [
         {
           "role": "system",
           "content": "こんにちは！"
         }
       ],
       "temperature": 0.7,
       "max_tokens": 200,
       "stream": false
     }' | jq

問題なければ以下のような結果が返却されます。疎通確認が出来ました。

LINE Bot編

公式アカウント作成とMessaging APIの有効化

公式ガイド等を参照し公式アカウントを作成、Messaging APIを有効化して下さい。

この後チャネルアクセストークンが必要になりますので、こちらも控えておいて下さい。作成したチャネルのMessaging API設定タブの最下部にあります。

Bot開通まで

Messaging APIが有効化されましたので、バックエンドをMake.comを利用して作っていきます。アカウントをお持ちでない方は作成して下さい。

本記事では試用のため署名の検証をしていませんが、運用の際は必ず署名の検証を行って下さい。
https://developers.line.biz/ja/docs/messaging-api/receiving-messages/#verify-signature

新しいシナリオを作成します。

起点となるモジュールの作成を促されますので、LINEを選択、Watch Eventsを選択して下さい。WebhookとConnectionの設定が必要なので、控えておいたチャネルアクセストークンを利用して設定して下さい。

終わるとこのモジュールにイベントを飛ばすためのURLが表示されますのでコピーして下さい。

LINEの管理画面に戻り、Webhook URLの欄に設定、Webhookの利用を有効にして下さい。

続いて起点モジュールの右側の+をクリックし、LINE > Send a reply messageを選択します。

設定ダイアログが出てくるので、以下の様に設定します。

下部のRun Onceをクリックします。シナリオが応答待機状態になります。

Botに話しかけてみて下さい。ここまで問題なく設定できていれば、設定したテキストが返答されるようになっています。

さくらのAIとの接続

では先程開通を確認したさくらのAIと、このBotをつなげましょう。

モジュールを繋いでいる線を右クリックし、Add ModuleからHTTP > Make a requestを選択します。

モジュールが作成されたら以下の様に設定して下さい。ラベルになっているところはクリックで選択です。また、トークンは入れ替えて下さい。上部の疎通確認した時のコマンドからコピペが楽です。

続いて、終端のモジュールの返答も変更しましょう。

これでイベント受取と返答の間にさくらのAIによる処理が入り、LLMとの対話が出来るようになりました。テストしておいて下さい。

RAG用の架空レストラン情報の作成

今回は架空のレストランの情報を教えてくれるBotを作成するので、そのために必要なPDFを生成AIで作成します。

お好きな方法で良いかと思いますが、私はClaude Desktopで作成し、HTMLをダウンロード、ブラウザで印刷 > PDFとして保存しました。

RAGの組み込み

ではこちらのPDFを利用して、RAGでLLMでは難しい情報の返答を出来るようにしていきましょう。

こちらも公式ガイドが詳しいので簡単に記載します。

ドキュメントをアップロードすると、少額ですが課金が発生します。ご了承の上お進み下さい。

まずはコマンドで画像をアップロードします。

Users/sho.tachibana $ curl --request POST \
     --url 'https://api.ai.sakura.ad.jp/v1/documents/upload/' \
     --header 'Accept: application/json' \
     --header 'Authorization: Bearer <YOUR_TOKEN_HERE>' \
     --header 'Content-Type: multipart/form-data' \
     --form 'file=@/Users/sho.tachibana/Downloads/bistro.pdf'


{"id":"XXXXXXXX-XXXXXXX-XXXXXX-XXXXXX-XXXXX","status":"pending","content":"","name":"bistro.pdf","tags":[],"model":"multilingual-e5-large"}%

終われば管理画面から確認出来るようになっています。高度な検索からテストも出来ます。なお、RAGは別途設定等せずとも、プロジェクトにアップロードした時点で有効になる模様です。

コマンドでも動かしてみます。

Users/sho.tachibana $ curl --request POST \
  --url https://api.ai.sakura.ad.jp/v1/documents/chat/ \
  --header 'Accept: application/json' \
  --header 'Authorization: Bearer <YOUR_TOKEN_HERE>' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "multilingual-e5-large",
    "chat_model": "gpt-oss-120b",
    "query": "ビストロ・ソレイユのオープン記念キャンペーンってある？",
    "top_k": 3,
    "threshold": 0.3
  }'


{"answer":"はい、ビストロ‧ソレイユではグランドオープン記念キャンペーンがあります。　・・・