AI Slack Bot

Slackからのメンションに対して、メッセージ内容を分析し、適切な対応を行うAIボットシステムです。

システム概要

このシステムは以下の2つの主要コンポーネントで構成されています：

1. Slack Bot (Go): Slackからのメンションを受け取り、ElasticMQキューに追加
2. AI Agent (Python): ElasticMQからメッセージを取得し、LLMを使用して分析・処理

技術スタック

言語とフレームワーク

• Go: Slack Bot実装 (slack-go/slack ライブラリ使用)
• Python: AI Agent実装
  • FastAPI: APIエンドポイント提供
  • LangChain & LangGraph: LLMオーケストレーション
  • Pydantic: データバリデーション

インフラストラクチャ

• ElasticMQ: 非同期処理用SQS互換メッセージキュー
• Docker: 全コンポーネントのコンテナ化
• MySQL: 永続データ保存
• DynamoDB: 高速データアクセス

外部サービス

• Slack API: メンション受信と応答送信
• Notion API: フォローアップタスク作成
• LLMプロバイダー:
  • Anthropic Claude (主要)
  • OpenAI GPTモデル (二次)

フォルダ構造

ai-slack-bot/
├── ai_agent/               # Python製AIエージェント
│   ├── agents/             # MCPアーキテクチャ実装
│   │   ├── mcp_client.py   # キューメッセージ処理クライアント
│   │   └── mcp_server.py   # LLM処理サーバー
│   ├── services/           # 外部サービス連携
│   │   ├── notion_service.py  # Notion API連携
│   │   ├── queue_service.py   # ElasticMQ連携
│   │   └── slack_service.py   # Slack API連携
│   ├── api.py              # FastAPIエンドポイント
│   ├── config.py           # 設定
│   ├── main.py             # メインエントリーポイント
│   └── models.py           # データモデル
├── slack_bot/              # Go製Slackボット
│   ├── cmd/                # コマンドラインエントリーポイント
│   │   └── main.go         # メインGoアプリケーション
│   └── config/             # 設定
├── docker-compose.yml      # Dockerサービス定義
└── elasticmq.conf          # ElasticMQ設定

アーキテクチャ

flowchart TB
    subgraph "External Services"
        Slack[(Slack API)]
        Notion[(Notion API)]
        OpenAI[(OpenAI API)]
        Anthropic[(Anthropic API)]
    end

    subgraph "AI-Slack-Bot"
        subgraph "Infrastructure"
            SQS[(ElasticMQ)]
            DB[(MySQL)]
            DDB[(DynamoDB)]
        end
        
        subgraph "Go Slack Bot"
            SlackHandler[Socket Mode Handler]
            QueuePublisher[SQS Publisher]
        end
        
        subgraph "Python AI Agent"
            API[FastAPI Service]
            Client[MCP Client]
            Server[MCP Server]
            LGraph[LangGraph Flow]
        end
        
        subgraph "Services"
            SS[Slack Service]
            NS[Notion Service]
            QS[Queue Service]
        end
    end
    
    Slack <--> SlackHandler
    SlackHandler --> QueuePublisher
    QueuePublisher --> SQS
    
    Client <--> SQS
    Client --> Server
    
    Notion <--> NS
    OpenAI <--> Server
    Anthropic <--> Server
    
    API --> Server
    
    Server --> LGraph
    Server <--> SS
    Server <--> NS
    
    SS --> Slack
    NS --> Notion
    QS <--> SQS
    
    DB <-.-> Server
    DDB <-.-> Server

メッセージ処理フロー

sequenceDiagram
    participant User
    participant Slack
    participant GoBot as Go Slack Bot
    participant Queue as ElasticMQ
    participant MCP as Python MCP Client
    participant Server as MCP Server
    participant LLM as LangGraph Flow
    participant NotionAPI as Notion API
    
    User->>Slack: メンション送信
    Slack->>GoBot: リアルタイムイベント
    GoBot->>Queue: タスクをキューに追加
    GoBot-->>Slack: 初期応答（オプション）
    
    loop ポーリング処理
        MCP->>Queue: メッセージを取得
        Queue-->>MCP: タスクデータ
    end
    
    MCP->>Server: タスク処理依頼
    Server->>LLM: 意図分析
    LLM-->>Server: 分析結果
    Server->>LLM: 応答生成
    LLM-->>Server: 応答テキスト
    Server->>LLM: Notion必要性評価
    LLM-->>Server: 評価結果
    
    alt Notionタスクが必要
        Server->>LLM: タスク内容生成
        LLM-->>Server: タスク内容
        Server->>NotionAPI: タスク作成
        NotionAPI-->>Server: 作成結果
    end
    
    Server->>Slack: 応答送信
    Server-->>MCP: 処理結果

LLM処理フロー

AI Agentでのメッセージ処理は、LangGraphで実装された以下のステップで構成されます：

flowchart LR
    Start([開始]) --> AnalyzeIntent[意図分析]
    AnalyzeIntent --> GenerateResponse[応答生成]
    GenerateResponse --> EvaluateNotion{Notionタスク\n必要？}
    
    EvaluateNotion -- Yes --> CreateNotion[Notionタスク作成]
    EvaluateNotion -- No --> SendResponse[Slack応答送信]
    
    CreateNotion --> SendResponse
    SendResponse --> End([終了])

1. 意図分析: メッセージの目的と要求を特定
2. 応答生成: 意図に基づいて適切な返答を作成
3. Notion必要性評価: フォローアップタスクが必要かを判断
4. タスク作成: 必要に応じてNotionにタスクを登録
5. 応答送信: 生成した返答をSlackに送信

コンポーネント詳細

Slack Bot (Go)

• Socket Mode APIによるリアルタイムイベント処理
• メンション検知とElasticMQへのキューイング
• 設定管理（Viperライブラリ使用）

詳細は slack_bot/README.md を参照

AI Agent (Python)

• LangChainとLangGraphを使用したMCPアーキテクチャ
• ElasticMQからのメッセージポーリング
• LLMによるコンテキスト分析と応答生成
• Notion統合によるタスク管理

詳細は ai_agent/README.md を参照

セットアップ方法

必要条件

• Go 1.16+
• Python 3.9+
• Docker と Docker Compose
• 各種APIキー (Slack, Notion, Anthropic/OpenAI)

インストール手順

1. リポジトリをクローン

git clone https://github.com/username/ai-slack-bot.git
cd ai-slack-bot

2. Dockerを使用して環境を構築

docker-compose up -d

3. 各コンポーネントの設定

# Slack Bot
cp slack_bot/config/config.example.yml slack_bot/config/config.yml
# config.ymlを編集

# AI Agent
cp ai_agent/.env.example ai_agent/.env
# .envファイルを編集

実行方法

Taskfileを使用して各コンポーネントを起動できます：

# Slack Botの起動
task slack-bot

# AI Agentの起動
task ai-agent

または、各コンポーネントを個別に起動：

# Slack Bot
cd slack_bot && go run cmd/main.go

# AI Agent
cd ai_agent && python main.py

開発ガイド

各コンポーネントの開発に関する詳細情報は、それぞれのREADMEを参照してください：

• Slack Bot 開発ガイド
• AI Agent 開発ガイド

トラブルシューティング

一般的な問題と解決策：

• Slack連携の問題: Slack App設定を確認（Botトークン権限、Socket Mode設定など）
• ElasticMQ接続エラー: docker-compose logs elasticmq でログを確認
• LLM API Keyのエラー: .env設定を確認
• データベース接続エラー: MySQLまたはDynamoDBの接続設定を確認