メインコンテンツへスキップ
見出し画像

【第2形態】ChatGPTに「昨日のキクラゲどう?」と聞ける世界が来た。

    みなさんいかがお過ごしでしょうか?
    システムエンジニアの ジュンです。
    周りからは びん と呼ばれてます。

    AIよ、キクラゲの気持ちを教えてくれ

    突然ですが、ちょっと聞いてください。

    会社の一室にビニールハウスを作り、キクラゲを栽培し始めたのが数ヶ月前。
    Grafanaでデータを眺めながらいつも思っていました。

    「で、このデータ、誰かに解釈してほしいな」

    温度、湿度、CO2、照度。
    グラフがあるのはわかる。
    でも「じゃあ明日の運用どうする?」という問いには、グラフは答えてくれない。
    ここで人間の脳みそが必要になるわけだが、なんせ本業がある。毎日じっくり眺める時間はない。

    そこで思った。ChatGPTにやらせよう、と。
    だってハウス内の写真を解析して色々教えてくれたんだもの。

    結論:全部つながった。ChatGPTがキクラゲハウスのデータを読んでくれる

    先に結論を言っておきます。

    今回の取り組みで達成したのは、ChatGPTからIoT監視システム(Grafana)に接続し、キクラゲハウスのリアルタイムデータを分析・サマリーしてもらえる環境の構築だ。

    ChatGPTに聞くと、こんな感じで返ってくるようになった。

    「直近24時間を見ると、湿度が一時的に基準を下回っている時間帯があります。CO2は換気後に改善が見られますが、夜間の上昇傾向があります。温度の日内変動は想定範囲内ですが…(以下続く)」

    これよ。これがほしかったやつ。

    単なるグラフ閲覧じゃなく、「今日のキクラゲハウス、どうでした?」に言葉で答えてくれる。
    もはやAIがキクラゲ担当になりつつある。

    なぜ今このタイミングか──開発ツールを乗り換えました

    ここで重要な背景を話しておきます。

    これまでこのIoTキクラゲプロジェクト、**AWS製のAIコーディングツール「kiro」**を使って開発を進めていた。
    仕様駆動でコードを書いてくれる、なかなか革命的なツールだと思う。

    ところがちょっと前に、会社がChatGPTのビジネスプランを契約してくれた。
    これによって、AIコーディング環境をCodex CLIに乗り換えました。
    理由はシンプルで、ビジネスプランを使えるなら、同じChatGPTエコシステムに統一したほうが何かと便利だから。

    どうやってつないだのか──3つの構成要素

    「ChatGPTがキクラゲのデータを読む」というのは、SF感があるが、仕組みはシンプル。

    ① Grafanaで可視化している

    キクラゲハウスには複数のセンサーが設置されており、温度・湿度・CO2・照度のデータをリアルタイムで取得しています。
    そのデータはInfluxDB(時系列データベース)に蓄積され、Grafanaのダッシュボードで視覚化しています。

    ここまではすでに動いていた話。

    ② MCPサーバーを立てた

    ここがキモ。

    MCPとは「Model Context Protocol」のことで、ざっくり言うとChatGPTに外部ツールを使わせるための規格。
    このMCPサーバーを自前で構築し、GrafanaのAPIと橋渡しさせることで、ChatGPTがGrafanaのデータを参照できるようになる。

    今回のMCPサーバーには、以下のようなツールを実装した。

    • ダッシュボード一覧取得 : Grafanaのダッシュボード構成を確認

    • データソース一覧取得 : どのDBに繋がっているか確認

    • データクエリ実行 : InfluxDBに問い合わせ、実際の時系列データを取得

    • ダッシュボード詳細取得 : パネル構成やクエリ内容を確認

    ポイントは、最初は「ダッシュボードが見える」「データソースが見える」止まりだった。
    実際のIoTデータ(温度や湿度の数値)を取得するツールが足りなかったのだ。

    ここが一番詰まったポイント。
    Codex CLIに「こういうツールが必要だ」と伝え、実装してもらった。

    ③ ngrokでHTTPS公開し、ChatGPTのコネクターに登録

    ChatGPTはローカルホストには直接アクセスできない。
    なのでngrok(ローカルを外部公開するトンネリングツール)でMCPサーバーをHTTPS公開し、ChatGPT側のカスタムコネクターに登録した。

    これでChatGPTが「Grafana MCPを使っていいですか?」と聞いてくれるようになる。

    詰まったポイント3選

    正直、すんなりとはいかなかった。

    詰まり①:ChatGPTから「使えるツール」が足りなかった

    MCPサーバーを立ち上げてChatGPTに接続できても、最初ChatGPTに見えていたのはダッシュボードの構成情報だけだった。

    つまり「どんなパネルがある」「どのDBに繋がっている」まではわかるが、実際の数値が取れないという状態。

    例えて言うなら、冷蔵庫の外見は見えているのに、中身が見えない感じ。
    ドアを開けるツールが足りていなかった。

    Codex CLIと格闘しながら、実データを取得できるツールをMCPサーバーに追加実装した。
    これが一番のヤマ場だった。

    詰まり②:Grafanaの権限まわり

    GrafanaにはService Account(サービスアカウント)という仕組みがあり、APIアクセスにはトークンが必要だ。
    そしてそのトークンに**「データソースへのクエリ実行権限」**が付与されていないと、データが取れない。

    これが最初設定できていなかった。
    「なんかエラー出る→権限が足りない→設定しなおし」のループを数回やった。

    詰まり③:レスポンスが大きすぎる問題(想定)

    これは実際には今回問題にならなかったが、想定はしていた。
    IoTデータは時系列なので、取得範囲が広いと返ってくるデータ量がエグい。

    今回はChatGPT側で「直近24時間、5分ごとの平均値」という形で集計した上で取得するよう設計した。
    このおかげで、ChatGPTが処理できる量に収まっている。

    ChatGPTはキクラゲに何と言ったか

    全部つながった状態で、こんな問いをChatGPTに投げてみた。

    「キクラゲハウスの直近24時間のデータを取得して、温度・湿度・CO2・照度のサマリーを出してください。そして、明日の運用で変えるべきことを教えてください」

    返ってきた回答は、思っていた以上に具体的だった。

    温度の変動がある時間帯、湿度が一時的に落ちたタイミング、CO2の上昇と換気の関係性…ちゃんと文脈を読んで考えてくれている。

    キクラゲ目線の分析をAIがやってくれる時代が来た。

    ちょっと感動した。正直に言う。感動した。

    「なんでこんな方向に来てしまったんだ、自分」とは思いつつも、確実に楽しい。
    もう、キクラゲ栽培なのかシステム運用なのか分からない。

    今後の方針:ChatGPTは「分析担当」に限定する

    一点、重要なことを書いておきます。

    今のところ、ChatGPTにキクラゲハウスの制御はさせない。
    加湿器を動かす、換気ファンを回すといった操作は、まだ人間がやる。

    理由は単純で、制御系はミスが怖いからだ。
    AIが「湿度が低い、加湿器ONにします」と判断ミスしたら…ビニールハウスがプールになる。
    (実際、以前に灌水システムが暴走して会社が水浸し寸前になったことがある。あれはトラウマだ。)

    なので今は:

    • ChatGPT:データ分析、異常確認、改善案の提案

    • 人間(自分):実際の運用判断と制御

    このすみ分けで進める。

    将来的には自動制御も考えるが、まずは「AIが日次レポートを作ってくれる」だけで十分すごい。

     
     
    時計メーカーの営業職からシステムエンジニアにキャリアチェンジ。現在は、子供の遊びに本気で付き合う、大人げない父親です。

    あなたへのおすすめ