Slack連携
FlowHuntのSlack連携は、Slackワークスペース内でシームレスなAIコラボレーションを可能にします。あらゆるFlowをSlackに持ち込み、ワークフローの自動化、リアルタイムAIアシスタンスの提供、カスタマーサービスチャットの監視、生産性の向上など、チームが既に使っている場所で実現できます。...
1 分で読める
Slack
Integration
+3
あらゆるAIモデルをSlackに接続 — 1つのフローで、すべてのLLMに対応
これまでSlackにAIアシスタントを追加するには、ベンダーを選び、連携コードを書き、6か月後により優れたモデルが登場するたびにすべてを再構築する必要がありました。FlowHuntを使えば、連携とモデルが切り離されます。Slackフローを一度構築すれば、あとは好きなLLM（Claude、GPT、Gemini、Grok、Llama、Mistral）を差し込むだけ。残りの部分に手を加えることなく、いつでも入れ替えられます。
このガイドでは、セットアップ全体を順を追って説明します。前半はどのモデルでも共通です。後半では、ユースケース別にどのモデルを選ぶべきかを、各LLMファミリー固有の注意点とともに解説します。お使いのスタックに合うセクションへ飛ぶか、ゼロから始める場合は最初から最後まで読み進めてください。
なぜSlackにAIエージェントを置くのか
Slackはチームが質問をする場所です。そこに常駐するAIエージェントは、別のチャットツール、ダッシュボード、ナレッジベースに切り替えることなく、即座に答えを返します。一般的な活用例：
- 社内Q&A：社内ナレッジベースを使ってHR、IT、製品に関する質問にエージェントが回答
- カスタマーサポートのトリアージ：受信チケットの振り分け、回答案の作成、エッジケースのエスカレーション
- リサーチアシスタント：共有URLの要約、Web検索の実行、必要に応じたデータ取得
- ワークフロー自動化：定期ジョブの起動、データベースへのクエリ、ステータス更新の投稿
- オンボーディング支援：新入社員にプロセスを案内し、関連ドキュメントを提示
ボットはSlack内に住むため、定着は自動的です。新しいツールを学ぶ必要は誰にもありません。
FlowHuntによるSlackセットアップのステップバイステップ
セットアップは選択したAIモデルに関係なく同一です。モデルはステップ4で選択し、それ以外はすべて同じです。
1. SlackをFlowHuntに接続する
FlowHunt アカウントにログインし、Integrationsタブを開きます。Slackを選択し、Connectをクリックして、SlackのOAuth画面でアプリを承認します。FlowHuntが要求する読み書きの権限を付与してください。これによりボットがメッセージを受信し、ワークスペース内で返信を投稿できるようになります。
ワークスペースのURLは、SlackデスクトップまたはWebアプリの左上に表示されています。FlowHuntに尋ねられたらそこからコピーしてください。承認が完了すると、Slackは接続され、任意のフローで使用できる状態になります。
2. 新しいフローを作成しSlack Message Receivedブロックを追加
FlowHuntのフロービルダーで、Slack Message Receivedコンポーネントをキャンバスにドロップします。このブロックが受信Slackメッセージをリッスンし、フローの残りをトリガーします。
2つの設定を構成します：
- チャンネルとワークスペース：接続したワークスペースを選び、ワークスペース全体または特定のチャンネルを指定します。専用の
#ai-assistantチャンネルが最もすっきりした構成です。 - Only Trigger on Mention：これを有効にすると、ボットは@メンションされた時のみ起動します。無効にするとチャンネル内のすべてのメッセージがフローをトリガーします。
3. AI Agentコンポーネントを追加
AI Agentブロックはボットの推論層です。ユーザーのメッセージを受け取り、使用するツールを判断し、応答を生成します。
- Backstory：ボットのペルソナとスコープの簡潔な説明、例：「あなたはエンジニアリングチームのための役立つSlackアシスタントです。」
- Goal：ボットの主目的、例：「利用可能なツールと知識ソースをすべて使い、正確に質問に答えてください。関連する場合は出典を引用してください。」
4. LLMコンポーネントを追加してモデルを選択
LLMコンポーネントをAI Agentに接続します。ここでボットを動かすAIモデルを選びます。FlowHuntにはプロバイダーごとに別々のLLMコンポーネント（LLM OpenAI、LLM Anthropic、LLM Google、LLM Meta、LLM Mistral、LLM xAI）が用意されており、各コンポーネント内で具体的なモデルバリアントを選択します。
これがモデルごとに異なる唯一のステップです。比較とファミリー別のメモについては、下の適切なAIモデルを選ぶ セクションをご覧ください。
5. ツールを追加（任意ですが推奨）
AI Agentはツールを使えるようになると劇的に有用になります。よく使われるもの：
- Google Search Tool — リアルタイム情報のためのライブWeb検索
- URL Retriever — Slackで共有された任意のURLを取得して要約
- Document Retriever — 自身のナレッジベース（Notion、Confluence、Google Drive、ファイルアップロード）に対するRAG
- カスタムAPIツール — HTTPを受け付ける任意の社内サービスを呼び出し
ツールはモデル非依存です。ステップ4で選択したどのLLMでも、配線したどのツールでも使用できます。
6. Slack Send Messageブロックを追加してテスト
フローをSlack Send Messageコンポーネントで締めくくり、ステップ2と同じチャンネルとワークスペースに設定します。フローを保存し、Slackを開き、テストチャンネルでボットに@メンションします。ボットはステップ4で選択したモデルを使って応答するはずです。
これでセットアップは完了です。後からモデルを切り替えるのはステップ4でのワンクリック変更のみ。コード編集も、フローの再構築も不要です。
Slackに最適なAIモデルを選ぶ
すべての主要LLMファミリーがFlowHuntのSlackフローで動作します。違いはコスト、レイテンシ、コンテキストウィンドウ、推論の深さ、ツール呼び出しの品質に集約されます。表で候補を絞り込んだ上で、ファミリー別のセクションでセットアップのメモを読んでください。
| モデルファミリー | 得意分野 | レイテンシ | コスト | メモ |
|---|---|---|---|---|
| Claude (Anthropic) | ロングコンテキスト分析、慎重な推論、コードレビュー | 中 | 中〜高 | ニュアンスのある指示への追従が強い。文書ベースの社内Q&Aに最適 |
| GPT / oシリーズ (OpenAI) | 汎用、広範なツールエコシステム、マルチモーダル | 低〜中 | 低（mini）〜高（oシリーズ） | GPT-4o Miniがデフォルトのスイートスポット。難しい推論にはo1/o3 |
| Gemini (Google) | 巨大なコンテキストウィンドウ、高速マルチモーダル、検索グラウンディング | 低 | 低〜中 | 1.5 Proは100万トークン以上を処理。文書全体のSlack Q&Aに最適 |
| Grok (xAI) | リアルタイム/ニュース対応クエリ、X（Twitter）データ、カジュアルなトーン | 低 | 中 | ボットに最新情報の認識が必要な場合に最適 |
| Llama (Meta) | セルフホスト/プライベートデプロイ、コスト重視のワークロード | ホストに依存 | 低（セルフホスト） | オープンウェイト — データレジデンシーが重要な場合に |
| Mistral | オープンウェイト、バランスの取れたコスト/品質、EU向けホスティング | 低 | 低〜中 | Mistral LargeはGPT-4oに低コストで対抗 |
まずは1つを選んで始めてください。FlowHuntでのモデル切り替えはLLMコンポーネントでのワンクリック変更なので、初期選択を考えすぎる必要はありません。妥当なデフォルトでリリースし、実際のSlackトラフィックで品質を測定し、反復しましょう。
ニュースレターに登録
最新のヒント、トレンド、お得な情報を無料で入手。
ファミリー別セットアップメモ
以下の各セクションは独立しています。接続するモデルファミリーのセクションを選び、そのメモに従ってください。
Anthropic Claude
ClaudeはAnthropicのLLMファミリーで、ニュアンスのある社内Q&A、文書要約、コードレビュー、慎重な指示追従を扱うSlackbotに適しています。ClaudeをSlackに接続するには、ステップ4でLLM Anthropicコンポーネントをドロップし、バリアントを選びます：
- Claude 3 Haiku — 最速・最安、大量のFAQ応答に最適
- Claude 3.5 Sonnet — 主力：強力な推論、大きなコンテキスト、優れたコストパフォーマンス
- Claude 4.5 Sonnet / Opus — 最難関の推論、コード、長文書分析向けのトップティア
- 旧バリアント（Claude 2、Claude 3ベース）も動作しますが、Sonnet 3.5+に取って代わられています
NotionやConfluence上の社内ナレッジSlackbotには、Claude 3.5 Sonnet＋Document Retrieverが最も信頼できる出発点です。
OpenAI GPTとoシリーズ
OpenAIのGPTおよびoシリーズモデルはSlack向けの最も幅広い選択肢です。強力な汎用性能、最も成熟したツール呼び出し、マルチモーダル入力（ビジョン、オーディオ）を備えます。ステップ4でLLM OpenAIコンポーネントをドロップし、バリアントを選びます：
- GPT-4o Mini — デフォルト。高速・低コストで、Slackユースケースの95%をカバー
- GPT-4o — より高い品質、画像理解、より長いコンテキストが必要な場合に
- GPT-4 Vision Preview — Slackで共有された画像をボットが解釈する必要がある場合（GPT-4oにほぼ取って代わられた）
- o1 Mini / o1 Preview / o3 — 難しい分析タスク向けの推論モデル（遅く高価。控えめに使用）
- GPT-5 — 該当する場合に利用可能なフロンティア層
ほとんどのチームはGPT-4o Miniから始めましょう。ユーザーが回答品質に不満を感じるフローのみ、GPT-4oやo1に格上げします。
Google Gemini
Google Geminiはコンテキストウィンドウが重要な場合の最強の選択肢です。Gemini 1.5 Proは100万トークン以上を処理でき、コードベース全体や文書セットを単一のSlackクエリに投入するのに十分です。ステップ4でLLM Googleコンポーネントをドロップし、バリアントを選びます：
- Gemini 1.5 Flash / Flash 8B — 高速・安価。大量のSlackチャンネルに最適
- Gemini 2.0 Flash / 2.5 Flash — 新しいFlash世代、1.5より高速で賢い
- Gemini 1.5 Pro / 2.5 Pro — 巨大なコンテキストを持つトップティア。文書全体のQ&Aに最適
- Gemini 3 Flash — 最新の高速モデル
Slackbotがナレッジベース全体を1パスで推論する必要がある（リトリーバルステップなし）場合、Gemini Proのコンテキストウィンドウが最もすっきりした答えです。
xAI Grok
xAI Grokは他のモデルと同じ方法でFlowHuntのSlackフローに組み込まれます。LLM xAIコンポーネント（またはFlowHuntのバージョンによっては、Grokエンドポイントを指すLLM OpenAIコンポーネント）をドロップし、Grokバリアントを選びます。Grokの特徴はリアルタイム認識です。X（Twitter）データを含むライブ情報にアクセスでき、Slackbotがニュース、市場データ、最新動向などの時事的なコンテキストを必要とする場合に最良の選択です。Google Search Toolと組み合わせれば、さらに広範なWebアクセスが可能になります。
Meta Llama
MetaのLlamaファミリーはオープンウェイトの選択肢です。データレジデンシー、セルフホスト、トークン単価がホスト型APIを排除する場合に使用します。ステップ4でLLM Metaコンポーネントをドロップし、バリアントを選びます：
- Llama 3.2 1B / 3B — 小型・高速、控えめなハードウェアで実行可能
- Llama 3.3 Versatile — 現在のフラッグシップ、多くのタスクでGPT-4oと競合
- Llama 4（利用可能な場合） — 新世代
Llamaは、セキュリティやコンプライアンスチームが自社管理のインフラ上でモデルを実行することを要求する場合、またはメッセージ量が多くホスト型APIのコストが過大な場合の正解です。
Mistral
Mistralは欧州のオープンウェイトの対抗馬です。強力なモデル、EU向けホスティング、優れたコストパフォーマンスを備えます。ステップ4でLLM Mistralコンポーネントをドロップし、バリアントを選びます：
- Mistral 7B — 小型・高速、汎用ハードウェアで動作
- Mistral 8x7B (Mixtral) — Mixture-of-Experts、強力な汎用性能
- Mistral Large — フラッグシップ、低価格でGPT-4oと品質競争
EUデータレジデンシーが重要な場合、または一部のベンチマークでLlama 3.xよりフロンティアに近い品質のオープンウェイトの柔軟性が欲しい場合にMistralを選んでください。
一般的なSlackbotパターン
3つのフローパターンでほとんどのSlackデプロイメントをカバーできます。AI Agentのツールとプロンプトを調整するだけで、上記のセットアップの上にいずれも構築できます：
- ナレッジベースアシスタント — Notion / Confluence / Google Drive / ファイルアップロードを指すDocument Retrieverを追加。ボットは社内ソースを引用しながら質問に答えます。
- Webリサーチアシスタント — Google Search ToolとURL Retrieverを追加。ボットはライブWebコンテキストを取得し、チームが共有するURLを要約します。
- ワークフローエージェント — 社内サービスを叩くカスタムAPIツールを追加。ボットはジョブの起動、ダッシュボードへのクエリ、必要に応じたステータス更新の投稿を行います。
これらのパターンはきれいに重ねられます。1つのSlackフローでナレッジベース検索、ライブWeb検索、社内API呼び出しを組み合わせ、LLMがクエリごとに適切なツールを選ぶことができます。
トラブルシューティング
ボットがメッセージに応答しない。 「Only Trigger on Mention」がテスト方法と一致しているか確認してください。有効な場合はボットを@メンションする必要があります。Slack Message Receivedのチャンネルが、投稿しているチャンネルと一致するか確認してください。
ボットは応答するが回答の質が低い。 まずAI AgentのbackstoryとGoalを反復してください。モデル切り替えよりもインパクトがあります。プロンプト反復後も品質が改善しない場合は、LLMコンポーネントでより強力なモデルに昇格させてください（Mini → 標準 → トップティア）。
Slack認証後の権限エラー。 FlowHuntのIntegrationsタブでSlack連携を再接続し、権限を再付与してください。Slackはワークスペースオーナー変更後にトークンを無効化することがあります。
長い返信がSlackで切り詰められる。 Slackにはメッセージごとの文字数制限があります。フロー内に長い応答を分割するポストプロセッシングステップを追加するか、AI AgentのGoalで「Slackに投稿する際は3,000文字以内に収める」よう指示してください。
AI Slackbotをリリースする
セットアップ全体（Slackの接続、フロー構築、モデル選択）はFlowHuntで一晩のプロジェクトです。今日構築したフローは将来のどのモデルでも動作します。GPT-6やClaude 5が登場したら、LLMコンポーネントを差し替えるだけで残りのフローはそのまま稼働し続けます。
FlowHuntの無料プラン で始めて、Slackを接続し、ランチ前に動くAI Slackbotをリリースしましょう。
