OpenAI (ChatGPT models) で WeCom カスタマーサービスの AI ボットを作る

LangBot で OpenAI (ChatGPT models) を使った WeCom カスタマーサービスの 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 カスタマーサービスのボットにつなぎます。LangBot が WeCom カスタマーサービス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。
API を有効にした WeCom カスタマーサービス（WeChat Kefu）：企業 ID、Secret、コールバック用 Token と EncodingAESKey。

カスタマーサービスはコールバック URL にイベントを送るため、LangBot には公開 HTTPS アドレスが必要です。LangBot Cloud には用意されています。

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 カスタマーサービスの 開発者設定 で Token と EncodingAESKey を生成し、企業 ID とともに WeCom カスタマーサービス アダプターのボットに入力します。
ボットを有効化して Webhook コールバック URL を管理画面に貼り、Secret を入力してボットを再起動します。ユーザーが会話を始めるためのリンクや QR コードを発行します。

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。

WeChat でカスタマーサービスのリンクを開くか QR コードを読み取り、メッセージを送ります。