クラスメソッド 製造ビジネステクノロジー部 髙橋俊一 
 AI SDKで作るチャットボット開発 
 1 

自己紹介
 https://shuntaka.dev/who 髙橋俊⼀ (shuntaka) ● 2016年 ⾦融情報ベンダー⼊社 バックエンド ○ 株価配信Web API開発 ● 2019年 クラスメソッド⼊社 ○ CX/IoT事業部にてIoT案件を複数 ● 2024年 製造ビジネステクノロジー部担当 ○ R&D業務/サーバーサイド/AIチャットボット開発 🔰 最近は⽣成AI/AIDD関連で情報発信をしています！ 2 

前提
 3 ‧AI SDKを使ってチャットボットを構築される⽅向け 🔰 ‧AI SDK v5(最新)前提 ‧サーバサイドの話がメイン 

目次
 4 ‧AI SDKとは ‧AI SDKで作るチャットボット ‧AI SDKを使う上での学び ‧まとめ 

目次
 5 ‧AI SDKとは 👈 ‧AI SDKで作るチャットボット ‧AI SDKを使う上での学び ‧まとめ 

AI SDKとは？ 
 6 メジャー リリース時期 ※1 v1 2023-06-15 v2 2023年後半 ~ 2024年初頭 v3 2024-03-01 v4 2024-11-18 v5 2025-07-31 ‧TypeScript向けAIツールキット ‧Next.jsの開発元のVercelが提供 ‧AIプロダクト構築に必要な機能を揃えたOSS SDK ‧⼤体9ヶ⽉毎にv1→v3 v3→v4 v4→v5と約9ヶ⽉ごと にメジャーが進み、機能とAPI設計が継続的に最適化 MastraやVoltAgentはAI SDKをベースにより簡単に AIエージェント構築可能。 本スライドはAI SDKのみにフォーカスします！ ※ 公開告知を参考としており、Alpha/Beta段階は含みません 

目次
 7 ‧AI SDKとは ‧AI SDKで作るチャットボット 👈 ‧AI SDKを使う上での学び ‧まとめ 

チャットボットサーバーサイドのベースのコード(Hono想定) 
 8 const { messages } = await c.req.json(); const response = createUIMessageStreamResponse({ status: 200, stream: createUIMessageStream({ async execute({ writer }) { const streamResult = streamText({ model: bedrock('us.anthropic.claude-sonnet-4-20250514-v1:0'), messages: convertToModelMessages(messages), system: 'あなたは親切なアシスタントです。ユーザーの質問に日本語で答えてください。', }); writer.merge(streamResult.toUIMessageStream()); } }), }); 

クライアント(FEなど)からメッセージ受取 
 9 const { messages } = await c.req.json(); const response = createUIMessageStreamResponse({ status: 200, stream: createUIMessageStream({ async execute({ writer }) { const streamResult = streamText({ model: bedrock('us.anthropic.claude-sonnet-4-20250514-v1:0'), messages: convertToModelMessages(messages), system: 'あなたは親切なアシスタントです。ユーザーの質問に日本語で答えてください。', }); writer.merge(streamResult.toUIMessageStream()); } }), }); 

const { messages } = await c.req.json(); const response = createUIMessageStreamResponse({ status: 200, stream: createUIMessageStream({ async execute({ writer }) { const streamResult = streamText({ model: bedrock('us.anthropic.claude-sonnet-4-20250514-v1:0'), messages: convertToModelMessages(messages), system: 'あなたは親切なアシスタントです。ユーザーの質問に日本語で答えてください。', }); writer.merge(streamResult.toUIMessageStream()); } }), }); 多段でLLM呼び出しする拡張性を考慮しラップ 
 10 

const { messages } = await c.req.json(); const response = createUIMessageStreamResponse({ status: 200, stream: createUIMessageStream({ async execute({ writer }) { const streamResult = streamText({ model: bedrock('us.anthropic.claude-sonnet-4-20250514-v1:0'), messages: convertToModelMessages(messages), system: 'あなたは親切なアシスタントです。ユーザーの質問に日本語で答えてください。', }); writer.merge(streamResult.toUIMessageStream()); } }), }); HTTPレスポンスストリームへの書き込みインターフェース 
 11 

const { messages } = await c.req.json(); const response = createUIMessageStreamResponse({ status: 200, stream: createUIMessageStream({ async execute({ writer }) { const streamResult = streamText({ model: bedrock('us.anthropic.claude-sonnet-4-20250514-v1:0'), messages: convertToModelMessages(messages), system: 'あなたは親切なアシスタントです。ユーザーの質問に日本語で答えてください。', }); writer.merge(streamResult.toUIMessageStream()); } }), }); streamメッセージをストリームに書き込み、返却 
 12 

const { messages } = await c.req.json(); const response = createUIMessageStreamResponse({ status: 200, stream: createUIMessageStream({ async execute({ writer }) { const streamResult = streamText({ model: bedrock('us.anthropic.claude-sonnet-4-20250514-v1:0'), messages: convertToModelMessages(messages), system: 'あなたは親切なアシスタントです。ユーザーの質問に日本語で答えてください。', }); writer.merge(streamResult.toUIMessageStream()); } }), }); AIモデル指定 
 13 

v5はuseChatのメッセージ構造から変換が必要 
 14 const { messages } = await c.req.json(); const response = createUIMessageStreamResponse({ status: 200, stream: createUIMessageStream({ async execute({ writer }) { const streamResult = streamText({ model: bedrock('us.anthropic.claude-sonnet-4-20250514-v1:0'), messages: convertToModelMessages(messages), system: 'あなたは親切なアシスタントです。ユーザーの質問に日本語で答えてください。', }); writer.merge(streamResult.toUIMessageStream()); } }), }); 

実行の様子(gif) 
 15 Server-Sent Eventで ストリームで送られて いる 

StreamTextの内容 
 16 data: {"type":"start","messageId":"gc99f"} data: {"type":"start-step"} data: {"type":"text-start","id":"0"} data: {"type":"text-delta","id":"0","delta":"は"} (中略) data: {"type":"text-delta","id":"0","delta":"あります か？"} data: {"type":"text-end","id":"0"} data: {"type":"finish-step"} data: {"type":"finish"} typeを⾒てクライアント側 のuseChatがmessage構造 を作ってくれる 

writer.write 
 17 writer.write({ type: 'start', messageId: messageId, }); writer.write({ type: 'start-step', }); writer.write({ type: 'text-start', id: '0', }); const textChunks = [ 'はじめまして！私は C', 'laude（クロード）です ', ]; for (const chunk of textChunks) { writer.write({ type: 'text-delta', id: '0', delta: chunk, }); await new Promise((resolve) => setTimeout(resolve, 1000)); } writer.write({ type: 'text-end', id: '0', }); writer.write({ type: 'finish-step', }); writer.write({ type: 'finish', }); writer経由でHTTPレスポンス ストリームへの書き込んで、 ⾃前でStreamTextっぽいこと も可能 

ワークフローを組む 
 18 タスクを明確なステップに分解ためにLLMに 複数回問い合わせるケースがある 参考: https://ai-sdk.dev/docs/agents/workflows 「AIエージェント実践⼊⾨」で Plan-and-Execute型エージェントの紹介があ り、実践的で分かりやすい https://www.kspub.co.jp/book/detail/5401408.html ざっくり流れは ①計画⽴案→②サブタスク回答→③最終回答作 成という流れで①-③全てでLLM呼び出しがあ る。②ではツール検索、リフレクションで指定 回ループで回答精度を上げる処理をする。 

カスタムデータのストリーミング 
 19 WorkflowでLLMに複数回問い合わせをすると、 インタラクションがなく体験が悪化 😭 → typeにdata prefixをつけて細かくインタラク ションを返却可能 🤩 参考: https://ai-sdk.dev/docs/ai-sdk-ui/streaming-data writer.write({ type: 'data-notify-plan-started', id: 'plan-start', data: { message: '計画を作成中 ==.', }, transient: true, }); const plan = await planNode({ question, pastMessages, }); writer.write({ type: 'data-notify-subtasks-started', id: 'subtasks-start', data: { totalTasks: plan.subTasks.length, message: '検索中==.', }, transient: true, }); const subTaskResults = await execSubTaskListNode({ plan, question, pastMessages, }); writer.write({ type: 'data-notify-answer-started', id: 'answer-start', data: { message: '最終回答を作成中 ==.', }, transient: true, }); const streamResult = await finalAnswerNode({ subTaskResults, question, pastMessages, }); writer.merge(streamResult.toUIMessageStream()); ※ 通知目的なら会話履歴に含めない設定 が必要！ 

Observability 
 20 AI SDKだけでもツール連携可 能。LangSmithの例を紹介。 https://ai-sdk.dev/providers/observability 使われている例が多いと思わ れるLangfuseでも記法は違え ど同様のことが可能。 

LangSmith 
 21 +import * as ai from 'ai'; import { convertToModelMessages, - generateObject, type ModelMessage, - streamText, type UIMessage, type UIMessageStreamWriter, } from 'ai'; +import { wrapAISDK } from 'langsmith/experimental/vercel'; +const { streamText, generateObject } = wrapAISDK(ai); import差し替えとAPIキーの環境変数登録でで対応完了 😆 

LangSmith 
 22 この実装だけだとフラット構造に...🥺 

LangSmithの実行のグループ化 
 23 const planNode = async (params: { question: string; pastMessages: ModelMessage[]; }): Promise => { const nodeName = 'PlanNode'; logger.info({ params }, `Start${nodeName}`); try { =/ 処理実行 const result = await generateObject({ =* ==. =/ }); return result.object; } catch (error) { logger.error({ error }, `FailedIn${nodeName}`); throw error; } }; import { traceable } from 'langsmith/traceable'; const planNode = traceable( async (params: { question: string; pastMessages: ModelMessage[]; }): Promise => { const nodeName = 'PlanNode'; logger.info({ params }, `Start${nodeName}`); try { =/ 処理実行（中身は同じ） const result = await generateObject({ =* ==. =/ }); return result.object; } catch (error) { logger.error({ error }, `FailedIn${nodeName}`); throw error; } }, { name: 'Plan Generation', =/ トレース時の表示名 } ); 実装前 実装後 関数をラップする実装が必要 → 公式の実装例を元にAIに書かせれば⽐較 的正確かつ早い https://ai-sdk.dev/providers/observability/langsmith#with-traceable 

LangSmithのグループ化可視化結果 
 24 先ほどのフラット構造より圧倒的に⾒や すい😆 実⾏結果が1つのグループ に集約 ⭐ 

チャットボットのインフラ構成の観点(AWS) 
 25 ‧応答時間の制約  ‧15分あれば⼿堅い  ‧120秒だと厳しそう...(AppRunner 🙅) ‧WebSocketが必要(AppRunner、Lambda 🙅)  ‧AI SDKはSSEだが、UI FW含め総合的に考える必要がある ‧RDBやOpenSearchなどとの接続性 

CloudFrontのオリジンに設定している場合 
 26 CloudFrontのレスポンスタイムアウトはデフォルト30s、120s以上 は上限緩和申請が必要。SSE応答間隔が⻑くなりすぎないように注 意が必要！ 

目次
 27 ‧AI SDKとは ‧AI SDKで作るチャットボット ‧AI SDKを使う上での学び 👈 ‧まとめ 

ストリーミングAPI仕様の共有 
 28 FE/BEでチームが分かれていてAI SDKを利⽤する場合、REST API仕 様ような硬い仕様を作るのは難しい ‧BEを早めに作ってFEに繋げてもらってmessagesの構造を決める ‧今後はそのmessages構造でassertして、意図しないレスポンスに変 わらないように注意する onFinish: ({ messages }) => { logger.info({ messages }, 'EndTestChatResponse'); }, 

モデル毎の違い 
 29 AI SDKで共通化されていると はいえ、モデルごとの差異は ⼤きい。 const result = await generateText({ model: model("us.anthropic.claude-sonnet-4-20250514-v1:0"), stopWhen: [stepCountIs(2)], tools: { searchManual: createSearchManualTool() }, prepareStep: ({ model, stepNumber, messages }) => { if (stepNumber === 1) { return { model, messages, activeTools: [], }; } else { return { model, }; } }, messages, }); console.log(JSON.stringify(result.response.messages, null, 2)); AI SDK Warning: The "toolContent" setting is not supported by this model - Tool calls and results removed from conversation because Bedrock does not support tool content without active tools. Bedrock はアクティブなツールがない場合、ツール関 連の呼び出しと結果を会話から除外される 

目次
 30 ‧AI SDKとは ‧AI SDKで作るチャットボット ‧AI SDKを使う上での学び ‧まとめ 👈 

まとめ
 31 ‧AI SDKだけでも⾊々出来る(workflow, o11yなど)。AI SDKラッパーを使う際に 切り分けで使える場合がありそう ‧インフラ構成は応答時間やストリーミング間隔、他のミドルウェアとの相性 も考慮して設計しよう ‧AI SDKにしか出来ないこと、まだ未対応の機能などトレードオフを考慮してAI エージェントの技術選定が必要 以上、ありがとうございました！