LLMベースのMQTTデータ処理
EMQX 5.10.0以降、FlowデザイナーはOpenAI GPT、Anthropic Claude、Google Geminiなどの大規模言語モデル（LLM）との統合をサポートしています。この機能により、ログの要約、センサーデータの分類、MQTTメッセージの拡充、リアルタイムインサイトの生成など、自然言語プロンプトを用いたインテリジェントなメッセージフローを構築できます。
機能概要
FlowデザイナーのLLMベース処理ノードは、外部のLLM APIに接続してメッセージ内容を処理するAI搭載コンポーネントです。これらのノードを使うことで、MQTTデータをgpt-4oやclaude-3-sonnetなどのモデルに送信し、応答を受け取り、フローの下流に渡すことが可能です。
注意
LLMの呼び出しとデータ処理には時間がかかります。モデルの応答速度によっては数秒から10秒以上かかる場合があります。そのため、LLM処理ノードは高いメッセージスループット（TPS）が求められるシナリオには適していません。
主要な概念
- LLMプロバイダー：AIサービス（OpenAI、Anthropic、Gemini）の名前付き設定。
- Completion Profile：LLMモデルパラメータ（モデルID、システムプロンプト、トークン制限など）の再利用可能なバンドル。
- AI Completionノード：入力をLLMに送信し、その結果をユーザー定義のエイリアスとして保存するフローコンポーネント。
ai_completion：テキスト／バイナリデータをLLMに送信し応答を返すRule SQL関数。
動作概要
FlowデザイナーでMQTTメッセージを受信すると、AI Completionノードは内部的に組み込みのSQL関数ai_completion/2,3を呼び出して設定されたLLMにデータを送信します。
メッセージはMessagesノード（例：トピックのサブスクライブ）を通じてフローに入ります。
Data Processingノード（任意）で
device_id、payload、timestampなどのフィールドを抽出または変換できます。AI Completionノード（OpenAI、Anthropic、Gemini）は
ai_completion関数を利用して以下を行います：- 選択されたCompletion Profile（プロバイダー情報、モデル名、システムメッセージなど）を参照。
- 選択した入力（例：
payload）をLLMに送信。 - LLM APIからの応答（例：要約や分類結果）を受信。
応答はOutput Result Aliasに保存され、以下のような下流ノードで利用可能になります：
- Republish（別トピックへのパブリッシュ）
- Database（PostgreSQL、MongoDBなどへの結果挿入）
- Bridge（リモートブローカーやクラウドサービスへの転送）
対応LLMプロバイダー
EMQX 5.10.0は以下のプロバイダーをサポートしています：
- OpenAI：GPT-4.1、o4-miniなど
- Anthropic：claude-3-5-haiku、claude-3-7-sonnet、claude-sonnet-4など
- Gemini：gemini-2.0-flash、gemini-2.5-flash、gemini-2.5-proなど
互換性について
公式にリストされたプロバイダーに加え、EMQXはOpenAIプラットフォームとAPI互換のある任意のLLMサービスもサポートしています。
LLMベース処理ノードの設定
FlowデザイナーでLLMを使用するには、OpenAIまたはAnthropicのいずれかの専用処理ノードを設定する必要があります。各ノードでは、MQTTメッセージデータのLLMへの送信方法、使用する入力フィールド、システムプロンプトによるモデルの動作指定、AI生成結果の保存先を定義できます。設定後、これらのノードは背後でai_completion関数をシームレスに呼び出し、選択したLLMでデータを処理します。
OpenAIノードの設定
OpenAIノードを使用するには：
ProcessingパネルからOpenAIノードをドラッグします。
ソースまたは前処理ノードに接続します。
以下の項目を設定します：
Input：ソースフィールドを入力または選択します。選択肢は
event、id、clientid、username、payloadなどです。System Message：AIモデルに期待される出力を生成させるためのプロンプトメッセージを入力します。例：「入力JSONデータの数値キーの値を合計し、結果のみを出力してください」。
Model：LLMプロバイダーを選択します。例：
gpt-4o、gpt-3.5-turbo。API Key：OpenAIのAPIキーを入力します。
Base URL：任意のカスタムエンドポイントを入力します。空欄の場合はOpenAIのデフォルトエンドポイントを使用します。
TIP
このフィールドにプロバイダーのAPIベースURLとAPIキーを入力することで、OpenAI互換の他サービスに接続できます。
Output Result Alias：LLM出力を保持する変数名です。アクションや後続処理で結果を参照する際に使用します。例：
summary。TIP
エイリアスに英数字とアンダースコア以外の文字が含まれる場合、数字で始まる場合、またはSQLキーワードの場合は、ダブルクォーテーションで囲んでください。
保存をクリックして設定を適用します。
Anthropicノードの設定
Anthropicノードを使用するには：
ProcessingパネルからAnthropicノードをドラッグします。
メッセージ入力またはData Processingノードに接続します。
以下の項目を設定します：
Input：ソースフィールドを入力または選択します。選択肢は
event、id、clientid、username、payloadなどです。System Message：AIモデルに期待される出力を生成させるためのプロンプトメッセージを入力します。例：「入力JSONデータの数値キーの値を合計し、結果のみを出力してください」。
Model：LLMプロバイダーを選択します。例：
claude-3-sonnet-20240620。Max Tokens：応答の最大トークン数を制御します（デフォルト：
100）。Anthropic Version：Anthropicのバージョンを選択します（デフォルト：
2023-06-01）。API Key：AnthropicのAPIキーを入力します。
Base URL：任意のカスタムエンドポイントを入力します。空欄の場合はAnthropicのデフォルトエンドポイントを使用します。
Output Result Alias：LLM出力を保持する変数名です。アクションや後続処理で結果を参照する際に使用します。例：
summary。TIP
エイリアスに英数字とアンダースコア以外の文字が含まれる場合、数字で始まる場合、またはSQLキーワードの場合は、ダブルクォーテーションで囲んでください。
保存をクリックして設定を適用します。
Geminiノードの設定
Geminiノードを使用するには：
ProcessingパネルからGeminiノードをドラッグします。
ソースまたは前処理ノードに接続します。
以下の項目を設定します：
Input：ソースフィールドを入力または選択します。選択肢は
event、id、clientid、username、payloadなどです。System Message：AIモデルに期待される出力を生成させるためのプロンプトメッセージを入力します。例：「入力JSONデータの数値キーの値を合計し、結果のみを出力してください」。
Model：LLMプロバイダーを選択します。例：
gemini-2.0-flash、gemini-2.5-pro。API Key：GeminiのAPIキーを入力します。
Base URL：任意のカスタムエンドポイントを入力します。空欄の場合はGeminiのデフォルトエンドポイントを使用します。
Output Result Alias：LLM出力を保持する変数名です。アクションや後続処理で結果を参照する際に使用します。例：
summary。TIP
エイリアスに英数字とアンダースコア以外の文字が含まれる場合、数字で始まる場合、またはSQLキーワードの場合は、ダブルクォーテーションで囲んでください。
保存をクリックして設定を適用します。
クイックスタート
以下の2つの例では、EMQXでLLMベース処理ノードを使ったフローの迅速な構築とテスト方法を示しています：
- OpenAIノードを使ったフロー作成：GPTモデルを使ってMQTTメッセージを要約または変換します。
- Anthropicノードを使ったフロー作成：Claudeモデルを使ってMQTTメッセージ内の数値を処理します。
- Geminiノードを使ったフロー作成：Geminiモデルを使ってMQTTメッセージ内のプロンプトに基づくコンテキスト応答を生成し、MQTTクライアントIDを用いてクライアント別トピックにルーティングします。
さらに詳しく
LLM対応のMQTTデータ処理機能については、ブログ記事をご覧ください：Real-Time AI for IoT: Introducing LLM Integration in EMQX 5.10。