2023年2月18日 / 最終更新日時 : 2024年4月2日 officeの杜 Google

Google ChatのBotにOpenAIのchatGPTを繋げてみた【GAS】

以前、Google ChatのBotをGoogle Apps Scriptで作成しました。これに対して最近話題のOpenAIのGPT-3で自動応答するボットを作成できないかなと思いたち、色々と情報を収集。OpenAIのGPT-3モデルのAPIを利用して、スラッシュコマンドを使って投げて応答を得るというものを追加で実装してみました。

よって、以下のエントリーを先に閲覧してからこのエントリーを参照していただくと理解がしやすいと思います。サービスアカウントの作成やらBotの作成については今回は省略しています。

Google Apps ScriptでGoogle Chatにメッセージを送る【GAS】

今回利用するスプレッドシート

今回はOpenAIのGPT-3, gpt-3.5-turboに投げる部分のみを追加実装していますので、そこの解説になります。

OpenAIについて

今話題になってる、人工知能chatGPTの作成元。現在誰でも簡単に利用できるAIチャットサービスですが、GoogleやらMicrosoftやらがこの登場によって急にザワザワし始めたかなり凄いという話で盛り上がってるサービスです。

図：こんな感じで応答してくれる

概要とGPT-3について

OpenAIではブラウザ上で使える形ではchatGPTを提供しています。しかし、まだ2023年2月時点では、招待制という形でこちらから使いたいというリクエストを投げて限られた人に対してだけ、chatGPTのAPIを提供するという形式になっているため、普通の人はchatGPTのAPIを利用したアプリケーションは作れません（試しにウェイトリストには登録してみた）。

現在、OpenAIで普通に提供されてるのはGPT-3.5と呼ばれるAPIであり、18ドル分の無償枠がついた有償のREST APIとなっています。つまり、chatGPTではありません。有効期限は登録月から4ヶ月。

APIはNode.jsやPython用にライブラリも用意されていますが、Google Apps Scriptからも普通にHTTPリクエストで利用することが可能です。よって今回作ってるものも、GPT-3.5と呼ばれるモデルになります。

※最新のGPT-4搭載のBingが誕生しています。

※本物のchatGPTのAPIがgpt-3.5-turboとしてリリースされました。

※2023年6月現在、この無償枠は5ドルとなっていて有効期限も3ヶ月と短縮。またこの無償枠は、最初の電話番号認証したものに対して有効なので、メアドに対してではない為、複数アカウントで無償枠を取ることは出来ません。

図：waitlistに登録してみた

chatGPT APIがリリースされた

2023年3月1日、OpenAIからchatGPTで使われているものと同じModelである「gpt-3.5-turbo」がリリースされました。つまり、本物のchatGPTのAPIが使えるようになっています。同時に音声テキスト変換のWhisper APIもリリースされています。

少々GPT-3とはリクエストの内容が異なり、また返ってくる答えの内容も異なりますので、コードも少しだけ変える必要があります。chatGPTを叩くコードは後述に記しておきます。

企業向けの大容量プランも出てきており、Microsoftも出資するなどこの領域が加速してきてます。

chatGPT Plusがリリースされました

2023年2月1日にはアナウンスされて、Bingの新版に搭載されて話題になったchatGPT-4ことchatGPT Plus。3月15日ついに日本でもエントリーが開始されました。ただし、chatGPT Plusは月額20ドルの有償版なので無償では利用ができません。すでにリファレンスにもgpt-4としてModelが登録されています。

特徴として、25000字にも及ぶプロンプト入力に対応しており、有償なのでピーク時でもアクセス応答時間が非常に短いという。また、画像を情報として与えて回答を得るといったことも可能になるようです。また、chatGPTの一番の問題点であった「適当な嘘を平気で回答する」という点にも改良が入ってるようで、少しだけわからないことはわからないと答えるようになったようです（ただし学習データは2021年9月までのデータを利用してる様子）

応答の能力も司法試験下位10%程度の能力だったものが、GPT-4からは上位10%に入るレベルというまことしやかな比較が伝えられています。現在はまだ100件/4時間程度の制限が加えられているようです。

コード体系もchatGPT 3.5 Turboと殆ど同じようなので、Modelの指定以外に変更はなさそうです。お試しはウェブはこちらから。

GPT4、知らないことを知らないと言えるえらい子になってた
(前まではバチクソ嘘ついてきた pic.twitter.com/JBVkd8NlWH

— 刈宮宥 (@Callimiya) March 15, 2023

APIキーを取得する

18ドル分の枠内を超えた場合にはクレジットカードを登録して有償で利用することになりますが、プログラムで利用するためにはAPIキーを取得する必要があります。以下の手順でAPIキーを手に入れましょう。

こちらのページにアクセスしてGET STARTEDをクリック
アカウント作成画面になるので、今回は自身のGoogleアカウントでログインする
名前の入力などが出るのでそのまま進める。
電話番号入力欄が出るので自身の携帯電話番号を入れると、SMSで二段階認証のコードが飛んでくる
2段階認証を終えたら、アカウント作成完了
overviewのページに辿り着くので右上の自身のアイコンをクリックする
View API Keysをクリックする
create new secret keyをクリックするとAPI Keyが生成されるのでコピーしておく。このキーは第三者と共有したり漏れたりしないように注意が必要です。

図：API Keyが手に入った

利用可能なモデル

現在、このAPIで利用可能なエンジンは4種類。今回のコードはこの中のGPT-3と呼ばれるtext-davinci-003というものを利用します。

text-davinci-003：今回利用する最も高性能なGPT-3モデルのAPI
text-curie-001：翻訳や要約などに向いてる高速なAPI
text-babbage-001：高速だけれど簡単な分類などに向いてるAPI
text-ada-001：一番最速で動くけれど性能は一番低い。

利用コスト

利用コストですが、試しに1日目に5回リクエスト、2日目に2回リクエストで使ってみました。ちょっとした質問とそこそこの回答を得ている状態ですが、以下のスクショのような感じで、1日目が0.02ドル、2日目が0.01ドルと18ドルの枠とは言えなかなかテストとしては利用ができそうです。

GPT-3のtext-davinciの場合は、1000トークン（1000語返す）毎に$0.02掛かります。概ね5問程度で1000トークンと仮定した場合、1ユーザが1日5問の問い合わせをしたとして、22営業日であるならば$0.44。ユーザ数が100人であるならば月間$44掛かる感じ。年間であるならば$528($1=135円ならば71,280円が年間コスト）。

トレーニングのコストというものもあるので単純計算できませんが、10万円程度を見た場合安いと考えるか？高いと考えるか？今後の進化の仕方次第で変わって来そうです。

※トークンはリクエストとレスポンスの合計でカウントされるみたいよ。

※この1トークンは、「あひる」で1ワード = 1トークンとなるようです。

※chatGPT APIの場合は1000トークン当たり$0.002なのでGPT-3よりも1/10のコストで現在利用可能です。音声テキストAPIであるWhisper APIのほうは、1分当たり$0.006という設定になっています。

図：結構使えると思います。

Chat APIにスラッシュコマンドを追加

GCP側のChat APIに対してスラッシュコマンドの受付を追加します。

GCP側プロジェクトを開く
サイドバーからAPIとサービス→有効なAPIとサービスを開く
Google Chat APIをクリック
構成タブを開く
スラッシュコマンドの項目で、新しいスラッシュコマンドを追加をクリック
今回はIDを2とし、コマンドを/gpt3として追加しました。このIDはソースコードのonMessageの中で判定に使います。

注意点として、onMessageはシンプルトリガーでありユーザの承認が不要で使える特殊な関数なのですが、Google Apps Scriptとは異なりタイムアウトが30秒までとなっているため、chatGPTからのレスポンスが30秒を超えてしまうと、タイムアウトでエラーとなってしまいます。

図：スラッシュコマンドを追加しておく

GPT-3を使ったケース

ソースコード

OpenAIにリクエストを投げるコード

リクエストと言っても特殊な部分はpayloadの部分だけ。ほかは一般的なRest APIと変わりません。リクエストのエンドポイントURLは「https://api.openai.com/v1/completions」で、APIキーはスクリプトプロパティのopenaikeyに格納していあります。

payloadの中でmodelではtext-davinci-003を指定、max_tokensが最大値2048ですがこれが返ってくる答えの文字数上限。temperatureは最大値2で返ってくる言葉のランダム性を指定します。分類などの場合は0で指定すると良い。他にもtop_pやecho, stop, presence_penalty, frequency_penaltyなどのパラメータなどもあるようです。

//openaiのGTP-3に投げてレスポンスを得る
function requestGPT3(text) {
  //API Keyを取得する
  let prop = PropertiesService.getScriptProperties();
  let apikey = prop.getProperty("openaikey");

  //GPT-3のエンドポイントURL
  let url = "https://api.openai.com/v1/completions";

  //リクエストヘッダ
  let header = {
    "Authorization":"Bearer "+ apikey,
    "Content-type": "application/json",
  }

  //リクエストボディを作成
  let payload = {
    "model": "text-davinci-003",  //利用するモデル
    "max_tokens" : 2048,  //最大値は2048まで
    "temperature" : 1.0,  //最大値は2.0
    "prompt": text  //投げつける質問文
  }

  //リクエストオプション
  let options = {
    "muteHttpExceptions" : true,
    "headers": header, 
    "method": "POST",
    "payload": JSON.stringify(payload)
  }

  //Open AIにリクエスト実行
  const res = UrlFetchApp.fetch(url, options);

  //レスポンスデータを取り出す
  let result = JSON.parse(res.getContentText());

  //改行コードをリプレース
  let response = String(result.choices[0].text).replace("\n\n","");
  
  //OpenAIのAPIレスポンスを戻り値で返却
  return response;
}

//openaiのGTP-3に投げてレスポンスを得る

function requestGPT3(text) {

//API Keyを取得する

let prop = PropertiesService.getScriptProperties();

let apikey = prop.getProperty("openaikey");

//GPT-3のエンドポイントURL

let url = "https://api.openai.com/v1/completions";

//リクエストヘッダ

let header = {

"Authorization":"Bearer "+ apikey,

"Content-type": "application/json",

}

//リクエストボディを作成

let payload = {

"model": "text-davinci-003", //利用するモデル

"max_tokens" : 2048, //最大値は2048まで

"temperature" : 1.0, //最大値は2.0

"prompt": text //投げつける質問文

}

//リクエストオプション

let options = {

"muteHttpExceptions" : true,

"headers": header,

"method": "POST",

"payload": JSON.stringify(payload)

}

//Open AIにリクエスト実行

const res = UrlFetchApp.fetch(url, options);

//レスポンスデータを取り出す

let result = JSON.parse(res.getContentText());

//改行コードをリプレース

let response = String(result.choices[0].text).replace("\n\n","");

//OpenAIのAPIレスポンスを戻り値で返却

return response;

}

スラッシュコマンドを受け付けるコード

今回はIDが2として/gpt3というスラッシュコマンドを実装しています。よってこれが飛んできたら、上記のGPT-3のリクエストを投げる関数に渡す処理を追加しています。

//メンションで送られたら自動応答する
function onMessage(event) {
  var name = "";

  if (event.message.slashCommand) {
    let slashman = event.message;
    switch (slashman.slashCommand.commandId) {
      case 1:  // オウム返しコマンド
        //引数を取得する
        let member = slashman.argumentText;
        member = member.replace(" ","");

        return { "text":member };
      case 2:   //GPT3に投稿して返すコマンド
        //投稿テキストを取得
        let gpttext = slashman.argumentText;

        //OpenAPIのGPT3に投げる
        let response = requestGPT3(gpttext);

        //結果を返す
        return { "text":response };
    }
  }


  if (event.space.type == "DM") {
    name = "You";
  } else {
    name = event.user.displayName;
  }
  var message = name + " said \"" + event.message.text + "\"";

  return { "text": message };
}

//メンションで送られたら自動応答する

function onMessage(event) {

var name = "";

if (event.message.slashCommand) {

let slashman = event.message;

switch (slashman.slashCommand.commandId) {

case 1: // オウム返しコマンド

//引数を取得する

let member = slashman.argumentText;

member = member.replace(" ","");

return { "text":member };

case 2: //GPT3に投稿して返すコマンド

//投稿テキストを取得

let gpttext = slashman.argumentText;

//OpenAPIのGPT3に投げる

let response = requestGPT3(gpttext);

//結果を返す

return { "text":response };

}

if (event.space.type == "DM") {

name = "You";

} else {

name = event.user.displayName;

}

var message = name + " said \"" + event.message.text + "\"";

return { "text": message };

}

実行結果

Google Chatで使った場合

実際に、Google Chatのスペースに作成したBotを追加して、スラッシュコマンドにて問い合わせをしてみました。以下のようなコマンド付きでチャット欄に入れてEnterを実行します。

/gpt3 富士山は爆発しますか？

1	/gpt3 富士山は爆発しますか？

上記の関数で受け取ってリクエストを投げて返ってきた内容がBotから返ってきました。GPT-3と言えどかなりいい加減な回答をすることも多く、まだまだ進化の過程とはいえ、これまでのようなチャットボットと違って、非常に人間的でただ単純に問い合わせに対して実直に答えてるだけではなく、その問い合わせに関連する内容までつけて返してくれるので、下手をすると人間よりもマシなケースもあります（１聞かれて１答えてるような人は、置き換えられちゃいますよ）

chatGPTのAPIがリリースされたら楽しみですね。今の所、特定の質問でテストしてみてますが、GPT-3のAPIとchatGPTでの回答は殆ど同じ。間違ってる部分も同じなので、十分な結果は得られてると言えます。

※もちろんスマフォ版のGoogle Chatアプリでも利用が可能です。社内用チャットボットに使えるかもしれませんね。

図：ただ回答が正しいとは限らない

図：もちろんスマフォのChatアプリでも使える

ユーザ定義関数として使った場合

実は上記のソースコードの「requestGPT3関数」は、そのままGoogle Spreadsheet上でのユーザ定義関数としても利用可能です。セルに関数名と引数に文字列を入れて上げれば、GPT3のAPIにアクセスして答えを返してくれます。

ユーザ定義関数としてだけ使う場合ならば、サービスアカウントであったりGCP連携等は必要無いので、一番最初にテストするケースとしては有用です。ただし、関数の場合スプレッドシートを開く度に実行されてしまうのと、関数の数だけリクエストが飛んでいってしまうので、使うシーンは限られると思います。

※ただし、関数として利用する場合タイムアウトが30秒程度なので、OpenAIからの応答が遅いとエラーになる事がある。GASの場合は最大6分までなのでまずエラーが起きることはないといった違いがあります。

Google Apps Scriptでユーザ定義関数を作る【GAS】

図：手軽にテストするならこのパターン

onMessageのタイムアウトを回避する

onMessageでスラッシュコマンドを受けて、chatGPTのレスポンスを同じ場所に返すように作られている今回のコードですが、onMessageがシンプルトリガーな為にタイムアウトは30秒が上限となっています。そのため、それ以上にレスポンスが遅れている場合には、タイムアウトエラーとなってしまうため、これを回避する必要があります。

//webhookurl
var webhookman = "ここにGoogle ChatのWebhook URLを入れる";

//onMessageで返さないケース
function onMessage(event){
  if (event.message.slashCommand) {
    let slashman = event.message;
    switch (slashman.slashCommand.commandId) {
      case 2:   //GPT3に投稿して返すコマンド
        //投稿テキストを取得
        let gpttext = slashman.argumentText;

        //OpenAPIのGPT3に投げるジョブを登録する
        setjobqueue(gpttext)

        //結果を返す
        return { "text": "考え中・・・" };
    }
  }
}

//ジョブを登録して実行させる
function setjobqueue(message) {
  //5秒後に発火して実行させるようにする
  var prop = PropertiesService.getScriptProperties();
  var job = prop.setProperty("job",message);

  //トリガーを設置する
  var trigger =ScriptApp.newTrigger('requestGPT_hook')
    .timeBased()
    .after(5000)
    .create();
  
  //新しいトリガーIDを取得する
  var temptriggerid = trigger.getUniqueId();
  
  //トリガーIDを格納する
  prop.setProperty("trigger", temptriggerid);
  return;
}

//トリガーを削除する
function deleteTrigger(triggerId) {
  var allTriggers = ScriptApp.getProjectTriggers();
  for(var i=0; i < allTriggers.length; i++) {
    if (allTriggers[i].getUniqueId() == triggerId) {
      ScriptApp.deleteTrigger(allTriggers[i]);
      break;
    }
  }
}

//webhookに投げ返す版
//openaiのchatGPT APIを叩く
function requestGPT_hook(){
  //API Keyを取得する
  let prop = PropertiesService.getScriptProperties();
  let apikey = prop.getProperty("openaikey");
  let triggerid = prop.getProperty("trigger");

  //トリガーを削除する
  deleteTrigger(triggerid);

  //質問文を取り出す
  let text = prop.getProperty("job");
  prop.setProperty("job",0);

  //chatGPTのエンドポイントURL
  var url = "https://api.openai.com/v1/chat/completions";

  //リクエストヘッダ
  let header = {
    "Authorization":"Bearer "+ apikey,
    "Content-type": "application/json",
  }

  //リクエストボディを作成
  let payload = {
    "model": "gpt-3.5-turbo",
    "max_tokens" : 2048,  //最大値は2048まで
    "temperature" : 1.0,  //最大値は2.0
    "messages": [{"role": "user", "content": text}]
  }

  //リクエストオプション
  let options = {
    "muteHttpExceptions" : true,
    "headers": header, 
    "method": "POST",
    "payload": JSON.stringify(payload)
  }

  //Open AIにリクエスト実行
  const res = UrlFetchApp.fetch(url, options);

  //レスポンスデータを取り出す
  let result = JSON.parse(res.getContentText());

  //改行コードをリプレース
  let response = result.choices[0].message.content;
  console.log(response)
  
  //OpenAIのAPIレスポンスをWebhookで返す
  pushWebhook(response);
  return;
}

//Webhookに対してメッセージを送り込む
function pushWebhook(chatman) {
  //メッセージを作成
  let message = {
    'text' : chatman
  };

  //送信オプション
  let options = {
    'payload' : JSON.stringify(message),
    'method': 'post',
    'contentType' : 'application/json'
  };

  //POSTにて送信する
  let response = UrlFetchApp.fetch(webhookman,options);
}

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

//webhookurl

var webhookman = "ここにGoogle ChatのWebhook URLを入れる";

//onMessageで返さないケース

function onMessage(event){

if (event.message.slashCommand) {

let slashman = event.message;

switch (slashman.slashCommand.commandId) {

case 2: //GPT3に投稿して返すコマンド

//投稿テキストを取得

let gpttext = slashman.argumentText;

//OpenAPIのGPT3に投げるジョブを登録する

setjobqueue(gpttext)

//結果を返す

return { "text": "考え中・・・" };

}

//ジョブを登録して実行させる

function setjobqueue(message) {

//5秒後に発火して実行させるようにする

var prop = PropertiesService.getScriptProperties();

var job = prop.setProperty("job",message);

//トリガーを設置する

var trigger =ScriptApp.newTrigger('requestGPT_hook')

.timeBased()

.after(5000)

.create();

//新しいトリガーIDを取得する

var temptriggerid = trigger.getUniqueId();

//トリガーIDを格納する

prop.setProperty("trigger", temptriggerid);

return;

}

//トリガーを削除する

function deleteTrigger(triggerId) {

var allTriggers = ScriptApp.getProjectTriggers();

for(var i=0; i < allTriggers.length; i++) {

if (allTriggers[i].getUniqueId() == triggerId) {

ScriptApp.deleteTrigger(allTriggers[i]);

break;

}

//webhookに投げ返す版

//openaiのchatGPT APIを叩く

function requestGPT_hook(){

//API Keyを取得する

let prop = PropertiesService.getScriptProperties();

let apikey = prop.getProperty("openaikey");

let triggerid = prop.getProperty("trigger");

//トリガーを削除する

deleteTrigger(triggerid);

//質問文を取り出す

let text = prop.getProperty("job");

prop.setProperty("job",0);

//chatGPTのエンドポイントURL

var url = "https://api.openai.com/v1/chat/completions";

//リクエストヘッダ

let header = {

"Authorization":"Bearer "+ apikey,

"Content-type": "application/json",

}

//リクエストボディを作成

let payload = {

"model": "gpt-3.5-turbo",

"max_tokens" : 2048, //最大値は2048まで

"temperature" : 1.0, //最大値は2.0

"messages": [{"role": "user", "content": text}]

}

//リクエストオプション

let options = {

"muteHttpExceptions" : true,

"headers": header,

"method": "POST",

"payload": JSON.stringify(payload)

}

//Open AIにリクエスト実行

const res = UrlFetchApp.fetch(url, options);

//レスポンスデータを取り出す

let result = JSON.parse(res.getContentText());

//改行コードをリプレース

let response = result.choices[0].message.content;

console.log(response)

//OpenAIのAPIレスポンスをWebhookで返す

pushWebhook(response);

return;

}

//Webhookに対してメッセージを送り込む

function pushWebhook(chatman) {

//メッセージを作成

let message = {

'text' : chatman

};

//送信オプション

let options = {

'payload' : JSON.stringify(message),

'method': 'post',

'contentType' : 'application/json'

};

//POSTにて送信する

let response = UrlFetchApp.fetch(webhookman,options);

}

この場合、onMessageでは質問文をプロパティに保存して、関数実行のトリガー設置だけで完了させる
トリガーは5秒後にrequestGPT_hookを実行するようにセットする
予め、Google Chatの対象のルームのWebhookを取得しておく
requestGPT_hookは発火時に1.で格納しておいた質問文を取得後、プロパティを空にしてトリガーを削除してから、chatGPTに質問文を投げる
レスポンスデータが返って来たら、pushWebhookにて2.で取得しておいたWebhook宛に質問文を返すようにする
複数名で利用する場合には、プロパティの値がバッティングすると思うので、そこはユーザプロパティを使う等のジョブキュー処理をより適切に構築する必要があります（例えばjobが0だったら質問を受け付ける。まだ0じゃない場合は、拒否して「ちょっと待て」と返して終わらせる等）

onMessageの30秒の制限を回避しつつ、GASの6分の制限を超えなければこれで複雑な質問文を投げたものを受け付けることが可能です。

図：タイムアウトしちゃった事例

図：Webhookで投げ返すのがポイント

図：無事に複雑な指示の答えが返ってきた

chatGPTを使ったケース

chatGPTことgpt-3.5-turboのリファレンスはこちらにあります。リクエストエンドポイントが異なる点と返り値が異なる点以外は、パラメータの指定も殆ど同じなので、GPT-3用コードを少し改造するだけで問題なく動作します。

ソースコード

//openaiのchatGPT APIを叩く
function requestGPT3(text){
  //API Keyを取得する
  let prop = PropertiesService.getScriptProperties();
  let apikey = prop.getProperty("openaikey");

  //chatGPTのエンドポイントURL
  var url = "https://api.openai.com/v1/chat/completions";

  //リクエストヘッダ
  let header = {
    "Authorization":"Bearer "+ apikey,
    "Content-type": "application/json",
  }

  //リクエストボディを作成
  let payload = {
    "model": "gpt-3.5-turbo",
    "max_tokens" : 2048,  //最大値は2048まで
    "temperature" : 1.0,  //最大値は2.0
    "messages": [{"role": "user", "content": text}]
  }

  //リクエストオプション
  let options = {
    "muteHttpExceptions" : true,
    "headers": header, 
    "method": "POST",
    "payload": JSON.stringify(payload)
  }

  //Open AIにリクエスト実行
  const res = UrlFetchApp.fetch(url, options);

  //レスポンスデータを取り出す
  let result = JSON.parse(res.getContentText());

  //改行コードをリプレース
  let response = result.choices[0].message.content;
  
  //OpenAIのAPIレスポンスを戻り値で返却
  return response;
}

//openaiのchatGPT APIを叩く

function requestGPT3(text){

//API Keyを取得する

let prop = PropertiesService.getScriptProperties();

let apikey = prop.getProperty("openaikey");

//chatGPTのエンドポイントURL

var url = "https://api.openai.com/v1/chat/completions";

//リクエストヘッダ

let header = {

"Authorization":"Bearer "+ apikey,

"Content-type": "application/json",

}

//リクエストボディを作成

let payload = {

"model": "gpt-3.5-turbo",

"max_tokens" : 2048, //最大値は2048まで

"temperature" : 1.0, //最大値は2.0

"messages": [{"role": "user", "content": text}]

}

//リクエストオプション

let options = {

"muteHttpExceptions" : true,

"headers": header,

"method": "POST",

"payload": JSON.stringify(payload)

}

//Open AIにリクエスト実行

const res = UrlFetchApp.fetch(url, options);

//レスポンスデータを取り出す

let result = JSON.parse(res.getContentText());

//改行コードをリプレース

let response = result.choices[0].message.content;

//OpenAIのAPIレスポンスを戻り値で返却

return response;

}

GPT-3の時に取っておいたAPI Keyでそのまま利用可能です。
応答するスピードが向上してる気がします。
エンドポイントは「https://api.openai.com/v1/chat/completions」に変更されています。
payloadのModelではgpt-3.5-turboを指定します。「gpt-3.5-turbo-0301」というのも指定できるようです。
ユーザのテキストはpromptではなく、messagesで指定し、roleではuser, system, assistantの3種類が指定できるようです。
返り値を取り出すにはresult.choices[0].message.contentで取得できますが、リクエストのmessagesで複数指定も可能になってるのでここは見極めが必要です。
messagesで複数含められるのは、過去の発言を取り込んでの発言を指定出来る点。userがユーザの発言、assistantがAPIが返した答えといった形で、配列に複数の指定が可能。以下がその指定例。

systemロールは、AIに対して設定を命令するもので、「○%の確率で文章に対して○○せよ」といったものがそれに該当します。参考事例はこちらのページがとてもわかり易いです。

"messages": [
　　　　{"role": "user", "content": "美味しい果物の例を上げてください。"},
　　　　{"role": "assistant", "content": "りんご。"},
　　　　{"role": "user", "content": "他の例はありますか？"},
]

"messages": [

　　　　{"role": "user", "content": "美味しい果物の例を上げてください。"},

　　　　{"role": "assistant", "content": "りんご。"},

　　　　{"role": "user", "content": "他の例はありますか？"},

]

Google Chatで上記の過去発言を元に使うような場合、発言のID、過去チャット使うというフラグとスプレッドシートに発言をログ（その際にユーザやアシスタントのフラグも付けておく）を元に、取得して判定させると良いかも。

実行結果

簡単な質問を投げてみた結果

簡単な質問をchatGPTに投げて返ってきた例です。細かくパラメータの指定やroleを指定して調整して返すことが出来るようになっています。リリース仕立てのAPIですが、素直に使えるように作られているため、あまり迷うことなく再構築ができました。

GPT-3でデプロイしていても、GAS上で再デプロイするだけでGCP側もいじらずにGoogle Chatの応答を変更出来るのでGASで構築は相性が良さそうです。

また、「美味しいお蕎麦の作り方について、どう考えますか？」と聞いたら、日本語じゃなく英語で返ってきました・・・・関数でテストしたら、日本語で返ってきました。ちょっとまだ不安定な様子です。

//英語で返ってきた事例
I'm sorry, as an AI language model, I don't have personal opinions. However, I can provide you with the following information about making delicious soba noodles:

1. Start by selecting good quality soba flour and mix it with water in a ratio of 8:2, respectively.
2. Knead the dough for at least 15-20 minutes until it becomes smooth and elastic.
3. Rest the dough for 30 minutes or more.
4. Roll out the dough into a thin sheet and cut into thin straight noodles or other shapes.
5. Boil the noodles in a large pot of water for about 1-2 minutes or until cooked to your liking.
6. Drain the noodles well and rinse in cold water to stop cooking and remove excess starch
7. Serve chilled or hot with dipping sauce and toppings such as scallions, grated daikon, and nori.

Adding some variations such as green tea powder, yam or buckwheat flour, can also enhance the flavor of the soba noodles.

//日本語で返ってきた事例
私はエキスパートではありませんが、お蕎麦をおいしく茹でる方法についての一般的なアドバイスをお伝えできます。

1. 鍋を用意します。大きめの鍋を使用することで、お蕎麦がしっかりと茹で上がります。
2. お湯を沸かします。お湯を沸かすときには、たっぷりのお湯を使用しましょう。お蕎麦の量の3倍のお湯を使用することがお勧めです。
3. お蕎麦を茹でます。お湯が沸騰したら、お蕎麦を鍋に落とします。蕎麦は約3分から4分で茹でるのが一般的ですが、お好みに合わせて時間を調整してください。
4. アクを取ります。茹で上がったお蕎麦にはアクが付着しています。茹で上がった後、すぐに流水で洗うとアクを取ることができます。
5. 冷水につけます。お蕎麦を茹でた後は、すぐに冷水につけます。これにより、お蕎麦がシャキッとして美味しくなります。

これらのステップに従うことで、美味しいお蕎麦を簡単に茹でることができます。

//英語で返ってきた事例

I'm sorry, as an AI language model, I don't have personal opinions. However, I can provide you with the following information about making delicious soba noodles:

1. Start by selecting good quality soba flour and mix it with water in a ratio of 8:2, respectively.

2. Knead the dough for at least 15-20 minutes until it becomes smooth and elastic.

3. Rest the dough for 30 minutes or more.

4. Roll out the dough into a thin sheet and cut into thin straight noodles or other shapes.

5. Boil the noodles in a large pot of water for about 1-2 minutes or until cooked to your liking.

6. Drain the noodles well and rinse in cold water to stop cooking and remove excess starch

7. Serve chilled or hot with dipping sauce and toppings such as scallions, grated daikon, and nori.

Adding some variations such as green tea powder, yam or buckwheat flour, can also enhance the flavor of the soba noodles.

//日本語で返ってきた事例

私はエキスパートではありませんが、お蕎麦をおいしく茹でる方法についての一般的なアドバイスをお伝えできます。

1. 鍋を用意します。大きめの鍋を使用することで、お蕎麦がしっかりと茹で上がります。

2. お湯を沸かします。お湯を沸かすときには、たっぷりのお湯を使用しましょう。お蕎麦の量の3倍のお湯を使用することがお勧めです。

3. お蕎麦を茹でます。お湯が沸騰したら、お蕎麦を鍋に落とします。蕎麦は約3分から4分で茹でるのが一般的ですが、お好みに合わせて時間を調整してください。

4. アクを取ります。茹で上がったお蕎麦にはアクが付着しています。茹で上がった後、すぐに流水で洗うとアクを取ることができます。

5. 冷水につけます。お蕎麦を茹でた後は、すぐに冷水につけます。これにより、お蕎麦がシャキッとして美味しくなります。

これらのステップに従うことで、美味しいお蕎麦を簡単に茹でることができます。

図：これで正式にchatGPTがアプリで使える

GASのコードを要求してみた

マイナーなWeb会議システムWebexのAPIを使って、Webhookを設置するGoogle Apps Scriptのコードを要求してみた。自分自身の書いたコードは以下のエントリーを参照してください。

Google Apps ScriptでWebex APIを操作する【GAS】

実際に返ってきたコードはなんかちょっと古い。けれど、概ね自分が書いたコードに近い。マイナーな上にGoogle Apps Scriptで書いてる記事は非常に少ないにも関わらず、ここまで書けるのはなかなか凄いのではないかと思う。自分はこのコードを書くまでの下調べでも相当掛かってるのに、割と答えに8割くらい近づけてしまうのは、ちょっとした恐怖ですよ。

//はい、Google Apps ScriptでWebex APIを使用してWebhookを設定するサンプルコードを以下に示します。

//まず、Webhookを設定する前に、Webex for Developersのウェブサイトにログインし、Webex APIにアクセ
//スするためのアクセストークンを取得する必要があります。アクセストークンを取得したら、以下のスクリプトを使用してWebhookを設定できます。

function setWebhook() {
  var accessToken = "YOUR_ACCESS_TOKEN";
  var webhookUrl = "YOUR_WEBHOOK_URL";

  var payload = {
    "name": "webhook_name",
    "resource": "messages",
    "event": "created",
    "targetUrl": webhookUrl,
    "secret": "webhook_secret"
  };

  var options = {
    "method": "post",
    "contentType": "application/json",
    "headers": {
      "Authorization": "Bearer " + accessToken
    },
    "payload": JSON.stringify(payload)
  };

  var response = UrlFetchApp.fetch("https://api.ciscospark.com/v1/webhooks", options);
  Logger.log(response.getContentText());
}

//はい、Google Apps ScriptでWebex APIを使用してWebhookを設定するサンプルコードを以下に示します。

//まず、Webhookを設定する前に、Webex for Developersのウェブサイトにログインし、Webex APIにアクセ

//スするためのアクセストークンを取得する必要があります。アクセストークンを取得したら、以下のスクリプトを使用してWebhookを設定できます。

function setWebhook() {

var accessToken = "YOUR_ACCESS_TOKEN";

var webhookUrl = "YOUR_WEBHOOK_URL";

var payload = {

"name": "webhook_name",

"resource": "messages",

"event": "created",

"targetUrl": webhookUrl,

"secret": "webhook_secret"

};

var options = {

"method": "post",

"contentType": "application/json",

"headers": {

"Authorization": "Bearer " + accessToken

"payload": JSON.stringify(payload)

};

var response = UrlFetchApp.fetch("https://api.ciscospark.com/v1/webhooks", options);

Logger.log(response.getContentText());

}