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、ユーザーはログの要約、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、フロー内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 Node：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：テキストやバイナリデータをLLMに送信し、応答を返すRule SQL関数。
動作の仕組み
FlowデザイナーでMQTTメッセージを受信すると、AIコンプリーション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。
データ処理ノード（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 Node（OpenAI、Anthropic、Gemini）は背後で
ai_completion関数を使い、以下を実行します：- 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、その他パラメータ）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に格納され、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互換性のある任意の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メッセージデータをLLMに送信する方法（入力フィールドの指定、システムプロンプトによるモデルの振る舞い設定、AI生成結果の保存先など）を定義できます。設定後は、これらのノードが背後でai_completion関数を呼び出し、選択したLLMを使ってデータ処理を行います。
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：入力フィールドをタイプまたは選択します。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、その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可能です。
Output Result Alias：LLM出力を格納する変数名です。アクションや後続処理で結果を参照するために使用します。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、エイリアスを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データ処理ノードに接続します。
以下の項目を設定します：
Input：入力フィールドをタイプまたは選択します。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、その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：応答の長さを制御します（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出力を格納する変数名です。アクションや後続処理で結果を参照するために使用します。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、エイリアスを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、その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出力を格納する変数名です。アクションや後続処理で結果を参照するために使用します。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、エイリアスを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ごとのトピックにルーティングします。
詳細情報
LLM搭載のMQTTデータ処理機能の詳細は、ブログ記事をご覧ください：Real-Time AI for IoT: Introducing LLM Integration in EMQX 5.10。