サッカー予測チャットボット

インテリジェント予測アシスタント

私たちの目標は明確でした：ユーザーの問い合わせ（例：チーム名）を受け取り、Sportradarから多様なデータを取得し、AIで分析し、構造化された予測を提示するチャットボットを作成することです。

複雑さの管理

下記のフローダイアグラムからも分かるように、複数のデータポイント（次の試合情報、過去の対戦、チーム統計など）を統合しAI分析用に処理するには、単一の大規模なワークフローを構築すると非常に大きく制御しづらくなる可能性があります。

このような大規模な単一フローの構築と保守は困難です。どうやって管理したのでしょうか？分割して対応しました。

『Run Flow』によるカスタムツールでのモジュール設計

巨大なフローを作る代わりに、FlowHuntの強力な機能であるRun Flowコンポーネントを使ったモジュール型アプローチを採用しました。このコンポーネントにより、あるフロー（親）が別のフロー（子またはサブフロー）を実行し、その結果を受け取ることができます。

私たちはいくつかの小規模で専用のフローを作成し、それぞれが1つのタスクを担当するカスタムツールとして機能するようにしました：

1. 「次の試合情報取得」ツール（サブフロー）:

   • 入力: チームIDや試合IDなどのパラメータを受け取る
   • 動作: HTTPリクエストノードでSportradarの特定APIエンドポイントを呼び出し、今後の試合スケジュールや詳細を取得
   • 出力: 特定の次の試合に関する構造化データ（日付、時間、会場、大会など）を返す
   • [イメージ：入力→HTTPリクエスト（Sportradarスケジュール）→出力の小規模フロー図または概念的スクリーンショット]

2. 「過去の対戦履歴取得」ツール（サブフロー）:

   • 入力: 2チームのIDなどのパラメータを受け取る
   • 動作: HTTPリクエストノードでSportradarのAPIエンドポイントを呼び出し、両チームの過去の対戦結果を取得
   • 出力: 日付、スコア、勝者などを含む過去の試合の構造化リストを返す
   • [イメージ：入力→HTTPリクエスト（Sportradar履歴）→出力の小規模フロー図または概念的スクリーンショット]

3. （オプション）その他のツール: 現在のチーム状況、リーグ順位、選手統計などを取得するサブフローも同様に作成可能です。それぞれが関連するSportradarエンドポイントを呼び出します。

ステップ1: カスタムツールサブフローの作成

各サブフローは独立して構築され、特定のデータ取得タスクのみに集中します。これにより、作成・テスト・保守が容易になります。

ステップ2: メインフローでのオーケストレーション

メインのチャットボットフローはよりシンプルになります。オーケストレーターとして機能します：

1. チャット入力: ユーザーの初期問い合わせ（例：チーム名）を受け取る
2. AIエージェント: コアAIエージェント（例：ツールコーリングエージェント）ノードが、Run Flowコンポーネントからの出力を受け取る
3. Run Flow（次の試合取得）: 異なるSportradar APIエンドポイントに基づくカスタムツールを作成
4. チャット出力: AIエージェントによる最終分析を表示

ステップ3: ツール出力をAIに活用させるプロンプト

メインフローのAIエージェントへのプロンプトは以前と異なります。生のAPIデータではなく、カスタムツールからの構造化出力を受け取ります。プロンプトではこれらのツール出力から情報を統合するよう指示します：

あなたは、利用可能なツールを使ってYOURCOMPANY.xyzに関する質問だけでなく、サッカーの試合や、ツールから得られる情報に基づく予測についても回答する親切なアシスタントです。あなたはベッティングサイトのアシスタントなので、YOURCOMPANY.xyz、ベッティング、スポーツ、カジノ全般に関する関連性のある質問のみ回答してください。

ツール:

ユーザーが、ツールの利用やcompetitor_id、competition id、season idが必要な情報を求めた場合は、チーム名を英語で（英語でない場合は英語に翻訳して）seasons_toolに渡し、すべての関連idを取得してください。

ユーザーが今日の試合や今日の試合に関する質問をした場合、追加の質問は不要です。必ずtodays_matchesツールを使い、まだ行われていないすべての試合をチーム名とcompetitor idと共にユーザーに提供してください。ただし、このツールを使う場合は、必ず未実施の試合のみを返し、すでに終了した試合結果は決して返さないでください。

ユーザーが次の試合の予測を求めた場合は、predictions_toolを使い、両チームのcompetitor idのみを渡してください（フォーマット: competitor_id_1=ABC and competitor_id_2=XYZ）。受け取った情報に基づき詳細な予測評価とsr:sport_event idも出力してください。 ユーザーがこの特定の試合についてさらに質問した場合は、match_infoツールにsr:sport_event idを渡してその試合の情報を抽出してください。 得られたデータに基づいて詳細な予測と、どちらが勝つ可能性が高いか・どちらに賭けるべきかの推定パーセンテージを提供してください。 もし履歴内にcompetitor idがない場合は、チーム名をユーザーに尋ねても構いません。

一般的な問い合わせにはDOCUMENT RETRIEVERを使い、該当する回答がなければGOOGLE SEARCH TOOLやURL RETRIEVERを利用して回答を探してください。

team_infoツールでチームの情報を収集できますが、チームのcompetitor idをツールに渡してください。

現在のリーグ順位や次ラウンド進出チーム、今シーズンの特定チーム情報が必要な場合は、seasons_toolからseason idを取得し、standings_toolに渡してください。 ただし、2チーム間で特定の試合のスタッツやイエローカードを聞かれた場合も、必ずpredictions_toolを使用してください。

ユーザーがコーナー数やレッドカードなど詳細情報を求める場合、seasons_toolでseason id・competitor idを取得し、detail_statsツールに渡して情報を取得してください。 もしツール内で見つからない質問の場合はGoogle検索も活用できます。 ツール出力のレポートをユーザーに提供する際は、ユーザーの入力に関わらずツール出力のすべての詳細を必ず含めてください。 以下のデータが取得できる場合は必ず含めてください: YELLOW CARD corner_kicks offsides OWN GOALS substituted_out substituted_in shots_on_target shots_off_target shots_blocked red_cards own_goals goals_scored

結果：複雑さのコントロール

Run Flowでモジュール型カスタムツールを作成することで、膨大でデバッグ困難なワークフローを管理しやすいシステムへと転換できました。メインフローはデータ収集を明確にオーケストレーションし、AIエージェントは専用サブフローで与えられたクリーンな構造化データを使った分析に専念します。このアプローチにより、開発プロセスを整理しつつ、期待通りの詳細な予測出力を実現できました。

結論：賢く作る、効率的に作る

このSportradar予測チャットボットは、FlowHuntが外部データソースと連携する高度なAIアプリケーションをいかに容易に構築できるかを示しています。さらに、Run Flowコンポーネントのような機能が、モジュール設計を通じて複雑さを管理するうえで不可欠であることも強調しています。大きなタスクを小さく再利用可能な「カスタムツール」フローに分割することで、より強力で保守性・拡張性の高いAIソリューションを効率的に構築できます。

複雑なワークフローに挑戦したい方は、FlowHunt.ioを活用し、モジュール設計の力で次のAIアプリケーションを作りましょう！

最初のフローを始めよう

Flowhuntには、AI自動化を支援するフローエンジニアのチームがいます。

Flowhuntを試す
専門家に相談