OpenAI (ChatGPT models) で WeCom（社内アプリ）の AI ボットを作る

LangBot で OpenAI (ChatGPT models) を使った WeCom（社内アプリ）の AI ボットを動かす手順：モデル設定、ボットの認証情報、ネットワーク、テスト、トラブルシューティング。

このレシピでは OpenAI (ChatGPT models) のモデルを WeCom（社内アプリ）のボットにつなぎます。LangBot が WeCom（社内アプリ）のメッセージを受け取り、パイプラインで処理して返信するので、プラットフォーム連携のコードは不要です。

LangBot の内蔵エージェントで OpenAI の GPT モデルを使います。ナレッジベース、MCP ツール、Skills、コードサンドボックスも追加できます。

必要なもの

稼働中の LangBot：LangBot Cloud（サーバー不要）、または Docker や uvx langbot によるセルフホスト。
LangBot から呼び出せる OpenAI (ChatGPT models) のアカウントまたはサーバー。
WeCom の自社開発アプリ：企業 ID、アプリの Secret、連絡先同期 Secret、コールバック用の Token と EncodingAESKey。

WeCom はコールバック URL にメッセージを送るため、LangBot には公開ドメインと HTTPS が必要です（リバースプロキシと SSL を参照）。LangBot Cloud にはすぐ使える公開 URL があります。

OpenAI のコンソールで API キーを作成します。
LangBot の モデル で LLM モデルを追加し、プロバイダーに OpenAI、リクエスト URL に https://api.openai.com/v1 を指定して、API キーとモデル ID を入力します。
モデルが関数呼び出しに対応していれば ツール使用 を有効にします。MCP ツール、Skills、サンドボックスに必要です。
モデル ID は OpenAI のモデル一覧にある現行のものを使います。OpenAI 互換のエンドポイントも同じ手順で、それぞれのリクエスト URL を指定します。

LangBot WebUI の パイプライン でパイプラインを作成（または既定のものを編集）し、AI を次のように設定します。

項目	設定値
ランナー	Local Agent（内蔵エージェント）
モデル	追加したモデル。予備モデルも指定できます。
プロンプト	ボットの役割、口調、してはいけないこと。
ナレッジベース	任意。ナレッジベースを付けると資料に基づいて回答します。

WeCom アダプターでボットを作成し、企業 ID、アプリ Secret、連絡先同期 Secret を入力して有効化し、Webhook コールバック URL をコピーします。
WeCom 管理画面の メッセージ受信 → API 受信の設定 に URL を貼り、Token と EncodingAESKey を生成して、先に LangBot、次に WeCom で保存します。LangBot の送信元 IP を 企業の信頼 IP に追加します。

ボットを開いて作成したパイプラインを選び、保存してボットが有効になっていることを確認します。

WeCom クライアントでアプリを開き、メッセージを送ります。

ネットワークや地域のエラーは、LangBot からリクエスト URL に到達できないことが原因です。制限のある環境では到達可能な互換ゲートウェイを使います。
コールバック保存時に request URL failed となる場合は、URL が公開 HTTPS で到達できないか、LangBot の Token/EncodingAESKey が一致していません。
返信が送れない場合は、LangBot の送信元 IP を企業の信頼 IP に追加します。
WebUI の モニタリング に、すべてのメッセージ、パイプラインの実行、エラーが記録されます。