はじめに
近年、チャット形式の対話システムは多くの分野で注目を集めています。特に、Pythonを用いてバックグラウンドでChatGPTと連携することで、ユーザーからの入力に自動で応答するシステムを構築することが可能です。
今回の記事では、そんな仕組みを作るための基本的なコード例と、その各部分のポイントを詳しく解説します。
初めての方でも、段階的に理解しながら進められる内容となっています！
アプリケーションの概要とコードの仕組み
このプログラムは、バックグラウンドで動作するウェブサーバを構築し、特定のエンドポイントに対して送信されたテキストをChatGPTに問い合わせ、応答を返す仕組みになっています。主要なポイントは以下の通りです。
ライブラリの読み込みと設定
-
記録機能（Logging）
動作状況やエラーを詳細にログとして残します。
【注意】ログには個人情報や機密情報を含めないよう、必要な情報だけを記録する設定にしましょう！ -
ウェブフレームワーク（Flask）
軽量なウェブアプリの土台を構築し、迅速な開発を可能にします。
【注意】開発環境と本番環境で設定を切り替えるなど、運用上の注意を怠らないようにしましょう！ -
通信許可（CORS）
どのサイトからでもアクセス可能に設定します。
【注意】ワイルドカード「*」で全許可にするのはテスト時のみ推奨。本番環境では、信頼できるオリジンに限定するなど、セキュリティ対策を必ず実施してください！ -
ChatGPT連携
ユーザーが入力したテキストに基づき、対話形式の応答を生成する仕組みを実現します。
!【注意】利用するモデルやAPIの制限、料金体系に留意し、適切なエラーハンドリングを実装することが重要です！また、モデル名が誤っていると、実行時にエラーが発生する可能性があります！ -
環境変数の活用
APIキーなどの重要な情報を、コード内に直接記述せずに安全に管理します。
【注意】環境変数の設定漏れや誤設定がないか、デプロイ前にしっかり確認してください！
実際のコード例（コメント付き）
以下は、コメントを充実させたPythonコードの例です。ファイルを新規作成し、テキストエディタに貼り付けたら、Ctrl+S で保存してください！
# 必要なライブラリのインポート
import logging # ログの記録を行うためのモジュール
from flask import Flask, request, jsonify # Flaskの主要機能（アプリ作成、リクエスト処理、JSON変換）
from flask_cors import CORS # クロスオリジンリソースシェアリング(CORS)の設定に使用
import openai # ChatGPT連携に必要なOpenAIライブラリ
import os # 環境変数の取得に使用
# Flaskアプリケーションのインスタンスを生成
app = Flask(__name__)
# CORS設定：どのオリジンからでもアクセスできるように全許可
CORS(app, resources={r"/*": {"origins": "*"}})
# ログの基本設定：ログレベルや出力フォーマットの設定
logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(levelname)s - %(message)s")
logger = logging.getLogger(__name__)
# ChatGPT APIクライアントの初期化
# 環境変数からAPIキーを安全に読み込む（環境変数 "OPENAI_API_KEY" が設定されている場合はその値を使用）
client = openai.OpenAI(
api_key=os.getenv("OPENAI_API_KEY", "api key") # APIキーが設定されていない場合はデフォルト値を使用
)
# POSTリクエストを受け付けるエンドポイント "/process-text" の定義
@app.route("/process-text", methods=["POST"])
def process_text():
# リクエストからJSONデータを取得
data = request.json
# JSON内の "text" キーから入力テキストを抽出
input_text = data.get("text")
if input_text:
try:
# ChatGPTへ問い合わせを実施
response = client.chat.completions.create(
model="gpt-4o", # 利用するモデルを指定（必要に応じて変更してください）
messages=[{"role": "user", "content": input_text}], # ユーザーの入力テキストをチャット形式で送信
max_tokens=100, # 応答の最大文字数の設定
)
# ChatGPTからの応答メッセージを整形
result = response.choices[0].message.content.strip()
# 応答内容をログに記録
logger.info(f"ChatGPT response: {result}")
# JSON形式で応答を返す
return jsonify({"result": result})
except Exception as e:
# エラー発生時はエラーメッセージをログに記録し、500番エラーとして返す
logger.error(f"Error: {e}", exc_info=True)
return jsonify({"error": str(e)}), 500
else:
# 入力テキストが無い場合は400番エラーとして返す
return jsonify({"error": "No text provided"}), 400
# メイン処理：サーバーを起動し、全てのIPアドレスからのアクセスを許可
if __name__ == "__main__":
app.run(debug=True, host="0.0.0.0", port=5000)注意点と応用例
このコードを利用してアプリケーションを作成する際、いくつかのポイントに注意してください！
-
APIキーの管理
重要な鍵情報はコード内に直接記述せず、環境変数や外部ファイルで管理することで、セキュリティを確保できます！ -
エラーハンドリング
ユーザーからの入力がない場合や、ChatGPTとの通信でエラーが発生した際に、適切なエラーメッセージを返す仕組みが実装されています。ログを活用して、後から問題の原因を追跡できるようにしましょう。 -
バックグラウンドでの連携
この仕組みは、チャットボットや自動応答システム、文章の自動翻訳や要約など、さまざまな応用が可能です。ウェブインターフェースと切り離して、バックグラウンドで動作させることで、ユーザーにシームレスな体験を提供できます！ -
こまめな保存とテスト
コードの編集中は、Ctrl+S でこまめに保存し、動作確認をしながら進めるとトラブルを防止できます！
まとめ
本記事では、PythonとChatGPTを連携させたバックグラウンド処理アプリケーションの作成方法について、コード例を交えながら解説しました。ログの記録、エラーハンドリング、鍵情報の管理など、実践的な技術ポイントを押さえることで、初めての方でも安心して開発に取り組むことができるはずです。
最初は難しく感じるかもしれませんが、続ければ理解できるので安心して進めてください！
