シェア:
){kind=small}
Atique is a computer graduate and proficient Python developer with a passion for exploring new technologies. With a strong background in programming and system engineering, he holds over 10 years of experience in automation, testing, and integration. His interests span single-board computers, software-defined radios, and continuous experimentation with generative AI tools.
ChatGPT WhatsAppインテグレーション 5つの簡単ステップ (ハウツーガイド)
所要時間：1 分
この記事の更新者 ベンジャミン・アロノフ2025年7月
WhatsAppは、友人や家族、企業とのチャットなど、多くの人が時間を過ごす場所です。 ChatGPTは会話体験を構築する最も簡単な方法の一つです； WhatsAppだけでなく、Facebook Messengerだけでなく、Facebookメッセンジャーでも。
このチュートリアルでは、誰かがWhatsAppにメッセージを送ると、PythonバックエンドがそれをChatGPTに転送し、応答を取得し、返信として送り返す方法を紹介します。
これは、基本的なアシスタントを作ったり、会話のアイデアを試したり、これらのAPIがどのように組み合わされるかを見たりするのに便利な方法です。また、ボーナスとして、OpenAIの画像生成API（DALL-E）を使って画像を送信するように拡張する方法も紹介します。
WhatsAppチャットボットが完成し、サンドボックス番号を使って会話できるようになります。
このチュートリアルでは、ChatGPTとWhatsAppを統合するための前提条件を説明します：
Vonage API アカウント
To complete this tutorial, you will need a Vonage API account. If you don’t have one already, you can sign up today and start building with free credit. Once you have an account, you can find your API Key and API Secret at the top of the Vonage API Dashboard.
にサインインします。 Vonage開発者ダッシュボード.次に メッセージサンドボックス.
QRコードをスキャンしてWhatsAppを起動し、入力済みのメッセージを送信。メッセージを送信すると、電話番号が許可リストに追加されます。
次に、サンドボックスがFlaskアプリに接続するためのWebhookを設定する必要がある。これにはngrokを使う。コマンドライン・ターミナルを開いて実行する：
ngrok http 3000これでngrokのURLは以下のようになる：
Forwarding https://ed95-77-137-44-66.ngrok-free.app
-> http://localhost:3000これでウェブフックを更新できる：
インバウンド向け：
https://YOUR_NGROK_URL/inboundステータスのために
https://YOUR_NGROK_URL/status
より詳しいヘルプは ngrokを使ったテスト.
Configuring webhook URLs for inbound messages and status updates in the WhatsApp sandbox.
ファイル .envファイルのヘルプが必要ですか？私たちの Python環境変数入門ガイドを参照してください。
WhatsAppメッセージの送受信が可能なサンドボックスが完成したら、ロジックを処理するFlaskアプリを作成します：
mkdir whatsapp-chatgpt-bot
cd whatsapp-chatgpt-botパッケージと環境を安全に管理するために仮想環境を作成する。以下のターミナルコマンドはすべて仮想環境内から実行する。
python3 -m venv venv
source venv/bin/activateFlaskのコアファイルを作成します：
touch main.py config.py .env requirements.txtプロジェクトの依存関係をインストールします：
pip install flask requests openai python-dotenvそして要件ファイルに保存する：
pip freeze > requirements.txtVonageと OpenAIの認証情報を .env ファイルに追加します：
VONAGE_API_KEY=your_api_key
VONAGE_API_SECRET=your_secret
OPENAI_API_KEY=your_openai_key
>> を参照してください。 Python 環境変数入門ビデオを参照してください。
そうすれば、環境変数を安全に config.pyファイルに安全に読み込むことができる。さらに、Vonage API Key と Secret を連結してエンコードし、Vonage API で認証できるようにします。
from dotenv import load_dotenv
import os
import base64
load_dotenv()
VONAGE_API_KEY = os.getenv("VONAGE_API_KEY")
VONAGE_API_SECRET = os.getenv("VONAGE_API_SECRET")
VONAGE_SANDBOX_NUMBER = 14157386102
credentials = f"{VONAGE_API_KEY}:{VONAGE_API_SECRET}"
encoded_credentials = base64.b64encode(credentials.encode('utf-8')).decode('utf-8')
VONAGE_AUTH_HEADER = f"Basic {encoded_credentials}"
VONAGE_URL = "https://messages-sandbox.nexmo.com/v1/messages"
OPENAI_API_KEY = os.getenv("OPENAI_API_KEY")最後に main.pyファイルに、Flaskサーバーを作成しましょう。このサーバーには2つのエンドポイントがあります、 /inboundと /statusの2つのエンドポイントがあり、これらは先にサンドボックスで設定したものに対応している！Vonageアプリケーションで何かが起こるたびに、Flaskサーバーに転送され、ここのロジックがトリガーされます。
import os
import json
import logging
from flask import Flask, request, Response
from config import *
app = Flask(__name__)
logging.basicConfig(format="%(message)s", level=logging.INFO)
@app.route('/status', methods=['POST'])
def message_status():
data = request.get_json()
logging.info(f"Status webhook received: {json.dumps(data)}")
return Response(status=204)
@app.route('/inbound', methods=['POST'])
def inbound_message():
data = request.get_json()
logging.info(f"Inbound message: {json.dumps(data)}")
return Response(status=200)
if __name__ == "__main__":
port = int(os.environ.get("PORT", 3000))
app.run(host="0.0.0.0", port=port)サンドボックスがメッセージを受信し、Flask アプリに転送していることをテストできます。ngrok とは別のタブで、Flask サーバーを実行します：
chmod 666 main.py
export FLASK_ENV=development
export FLASK_APP=main.py
python3 main.py -p 3000
そして、サーバーにログされたメッセージが表示されるはずだ！
VonageからのWhatsApp受信メッセージを解析し、ユーザーとメッセージ内容を特定し、WhatsAppでレスポンスを送信するロジックを作成しましょう。
まず、すべてのロジックを保存する新しいファイルを作成しましょう：
touch chatbot_utils.py内部 chatbot_utils.pyを追加する：
import os
import json
import requests
from config import *
from openai import OpenAI
# OpenAI setup using SDK v1.x
client = OpenAI(api_key=OPENAI_API_KEY)
def send_whatsapp_text(to, text):
payload = {
"from": VONAGE_SANDBOX_NUMBER,
"to": to,
"channel": "whatsapp",
"message_type": "text",
"text": text
}
_post_to_vonage(payload)
def _post_to_vonage(payload):
headers = {
"Content-Type": "application/json",
"Accept": "application/json",
"Authorization": VONAGE_AUTH_HEADER
}
response = requests.post(VONAGE_URL, headers=headers, data=json.dumps(payload))
response.raise_for_status()
そして main.pyファイルを更新して新しい関数をインポートする：
from chatbot_utils import *そして /inboundエンドポイントを更新して main.pyのエンドポイントを更新して、送信者を取得し、send_whatsapp_text関数を使うようにします：
@app.route('/inbound', methods=['POST'])
def inbound_message():
data = request.get_json()
logging.info(f"Incoming message:\n{json.dumps(data, indent=2)}")
try:
sender = data['from']
text = data.get('text', '').strip()
if not text:
logging.warning("No text in incoming message. Skipping.")
return Response(status=204)
response_text = f"I've received your question! You asked: \n \n {text}"
send_whatsapp_text(sender, response_text)
except Exception as e:
logging.error(f"Error processing inbound message: {e}", exc_info=True)
return Response("Error", status=500)
return Response(status=200)これでFlaskサーバーを再起動し、新しいコードをテストすることができます！あなたの質問が繰り返されるはずです。
A WhatsApp chat showing the Vonage Sandbox confirming receipt of a user's question about the meaning of life.
最後のステップは OpenAI API を呼び出し、ユーザーのメッセージを渡し、WhatsApp.Inside へのレスポンスを処理することです。 chatbot_utils.pyの中に以下の関数を追加します：
def generate_chatgpt_reply(prompt):
response = client.chat.completions.create(
model="gpt-4o",
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": prompt}
]
)
return response.choices[0].message.content.strip()を更新することで使用できるようになりました。 /inboundエンドポイントを更新することで使用できるようになります：
@app.route('/inbound', methods=['POST'])
def inbound_message():
data = request.get_json()
logging.info(f"Incoming message:\n{json.dumps(data, indent=2)}")
try:
sender = data['from']
text = data.get('text', '').strip()
if not text:
logging.warning("No text in incoming message. Skipping.")
return Response(status=204)
# Generate reply using ChatGPT
reply = generate_chatgpt_reply(text)
logging.info(f"ChatGPT reply: {reply}")
# Send response via WhatsApp
send_whatsapp_text(sender, reply)
except Exception as e:
logging.error(f"Error processing inbound message: {e}", exc_info=True)
return Response("Error", status=500)
return Response(status=200)
これでFlaskサーバーを（再）起動できます：
chmod 666 main.py
export FLASK_ENV=development
export FLASK_APP=main.py
python3 main.py -p 3000WhatsAppサンドボックスの電話番号に質問を送信してください。ChatGPTから返信が届きます！
WhatsApp chatbot responds to a user question with a detailed explanation generated by ChatGPT.
すごい！OpenAIのGPT-4oモデルを使って、LLMによるテキスト生成が追加されましたね。しかし、OpenAIのDALL-Eモデルを使ってAI画像を生成して送信することもできます。ユーザが"IMAGE：「DALL-Eを呼び出して画像を生成し、キャプションを付けてWhatsAppでユーザーに送り返すことができます。
あなたの chatbot_utils.py ファイルに以下の2つの関数を追加する、 send_whatsapp_imageと generate_image_from_prompt:
def send_whatsapp_image(to, image_url, caption="Image"):
payload = {
"from": VONAGE_SANDBOX_NUMBER,
"to": to,
"channel": "whatsapp",
"message_type": "image",
"image": {
"url": image_url,
"caption": caption
}
}
_post_to_vonage(payload)
def generate_image_from_prompt(prompt):
response = client.images.generate(
model="dall-e-3",
prompt=prompt,
size="1024x1024",
n=1
)
return response.data[0].urlそして最後に、ユーザーが画像リクエストを送信したのか、それとも通常の質問を送信したのかを判別するために /inboundエンドポイントを更新する必要があります：
@app.route('/inbound', methods=['POST'])
def inbound_message():
data = request.get_json()
logging.info(f"Incoming message:\n{json.dumps(data, indent=2)}")
try:
sender = data['from']
text = data.get('text', '').strip()
if not text:
logging.warning("No text in incoming message. Skipping.")
return Response(status=204)
if text.upper().startswith("IMAGE:"):
prompt = text[6:].strip()
logging.info(f"Image prompt: {prompt}")
image_url = generate_image_from_prompt(prompt)
send_whatsapp_image(sender, image_url, caption=prompt)
else:
reply = generate_chatgpt_reply(text)
logging.info(f"ChatGPT reply: {reply}")
send_whatsapp_text(sender, reply)
except Exception as e:
logging.error(f"Error processing inbound message: {e}", exc_info=True)
return Response("Error", status=500)
return Response(status=200)もう一度サーバーを起動し、AI画像を生成してみてください！
A DALL·E-generated image sent in response to the prompt 'What is the meaning of life?' via Vonage WhatsApp Sandbox
よくやったChatGPTに接続して自然なテキストで返信し、DALL-Eを使って画像まで生成するWhatsAppチャットボットの構築に成功したことは、素晴らしいことです！これは、LLMで実験するための素晴らしい出発点でした。
ここから、カスタムシステムプロンプトを追加したり、トレーニングのためにユーザー入力を記録したり、より構造化されたコマンドを処理したり、人間のエージェントにメッセージをルーティングすることもできます。OpenAIとVonageのMessages APIを組み合わせることで、多くの可能性が広がります。
また、Sandbox から完全な Vonage アプリケーションに移行したくなるでしょう。直接 API 呼び出しを Vonage Python SDK に置き換えて、エラー処理と保守性を向上させます。これにより、Vonageからの純粋なWebhookであることを確認するための検証を簡単に追加できるようになり、潜在的なセキュリティの脆弱性を防ぐことができます。
あなたが何かクールなものを作ったら、私たちはそれについて聞きたいと思っています！私たちと一緒に Vonage Developer SlackまたはX (旧 Twitter).
シェア:
Atique is a computer graduate and proficient Python developer with a passion for exploring new technologies. With a strong background in programming and system engineering, he holds over 10 years of experience in automation, testing, and integration. His interests span single-board computers, software-defined radios, and continuous experimentation with generative AI tools.