👾
【脱法AIエージェント】社内規制をかいくぐってカスタムGPTを使いこなす

2025/07/07に公開
この記事を読んだらできること
!「カスタムGPTを汎用AIエージェントのように使えるようになる」
はじめまして、ふっきーです。

突然ですが、みなさんは仕事で自由にLLMサービスを使えますか？

 背景自分が勤める会社では、コンプライアンスやリスクばかり考えていて、LLM系サービスを自由に使えません。
気軽に使えるのはCopilotぐらいで、他のサービスは暗黒大陸かっていうぐらい手続きが多く、規制もきついので、実質使えないという状況です。
ChatGPTの有償版は社内情報入力可能で、手続きから比較的早く利用可能になる(それでも1か月弱待つ)ので、社内で自分がメインで使っているサービスになります。
とはいえ、チャットぐらいしかできることがなく、エージェント的なサービス使いたいなぁと思っていたところ、ふと思いついたアイデアが思いのほかうまくいったので、共有します。

 カスタムGPTをAIエージェント化させる方法カスタムGPTには、Actionという形でRestAPIを呼び出させる機能があります。
本来の使い方なら、公開されているWebAPIを登録して、動的に天気を取得したりなんなりするところかと思います。
そうではなく、localtunnelを使って、Flaskで作ったローカルAPIサーバーをMyGPT使わせるというのが、今回のアイデアです。
上記の方法により、自前でFunctionCallingを定義できる汎用AIエージェント化させることができました。

 まずはリバースプロキシの設定当たり前ですがローカルで立てたAPIサーバーのエンドポイントhttp：//localhost:5000は、MyGPTからは見えないので、リバースプロキシを使って見えるようにしないといけないです。
今回は、無料で使い勝手の良かったlocaltunnnelを使ってみました。
こんな感じのコマンドで設定可能です。

npx localtunnel --port 5000 --subdomain 任意のドメイン
subdomainは好きなドメイン指定可能ですが、早い者勝ちです。
詳しくはこちらのわかりやすい記事を参照してください

https://www.geeklibrary.jp/counter-attack/localtunnel/

 ローカルAPIサーバーの準備Flaskを使ってローカルAPIサーバーを立てます。
外部から呼び出し可能になっているため、必ず認証設定をしておいてください

自分はAPIキーの設定をしています。
import base64
from flask import request, abort

API_KEY = "任意のAPIキー"

def check_basic_api_key():
    auth_header = request.headers.get("Authorization")
    print(auth_header)
    if not auth_header or not auth_header.startswith('Basic '):
        print("Empty auth header")
        abort(401)
    
    api_key = auth_header.split(' ')[1]
    if api_key != API_KEY:
        print(f"Wrong API Key {api_key}")
        abort(401)

次にAPI側の実装です。

試しに、UNIX系コマンドを実行するAPIを作って、ポートを指定して起動します。

指定するポートは、localtunnelで指定したものと一致させてください。
from flask import Flask, request, jsonify, Response
import subprocess, shlex, os, platform

from auth.ap_key_auth import check_basic_api_key

app = Flask(__name__)
app.before_request(check_basic_api_key)  # APIキーによる認証

@app.route("/run", methods=["POST"])
def run_command():
    data = request.get_json(force=True)
    cmd_str = data.get("command")
    if not cmd_str:
        return jsonify(error="command is required"), 400

    try:
        result = subprocess.check_output(
            cmd_str,
            stderr=subprocess.STDOUT,
            timeout=10,
            text=True,
            shell=True
        )
        return jsonify(output=result, returncode=0)
    except FileNotFoundError as e:
        return jsonify(error=f"File not found: {e.filename}"), 400
    except subprocess.CalledProcessError as e:
        return jsonify(error="Command failed", output=e.output,
                       returncode=e.returncode), 400
    except subprocess.TimeoutExpired:
        return jsonify(error="Command timed out"), 408


if __name__ == "__main__":
    app.run(port=5000, debug=False)

 カスタムGPTのActionに登録するAPI呼び出しのためにスキームを登録しないといけないです。

上記のソースコードとスキームのサンプルをLLMに入力させれば、作ったAPIのスキームをいい感じに作ってくれます。
先ほど作成したAPIのスキーム
openapi: 3.1.0
info:
  title: Local Utilities API
  version: "1.0.0"
  description: |
    ローカルファイル操作およびコマンド実行を提供する API。
    - `/run`: 任意のUNIX系コマンドをローカル実行し結果を返す
  license:
    name: MIT
servers:
  - url:  https://任意のドメイン.loca.lt
    description: ローカル開発サーバ

tags:
  - name: command
    description: ターミナルコマンド実行エンドポイント

paths:
  /run:
    post:
      tags: [command]
      summary: ターミナルコマンドを実行
      operationId: runCommand
      requestBody:
        required: true
        content:
          application/json:
            schema:
              $ref: "#/components/schemas/RunRequest"
            examples:
              lsExample:
                summary: ディレクトリ一覧（Unix系）
                value:
                  command: ls -l
              dirExample:
                summary: ディレクトリ一覧（Windows）
                value:
                  command: dir
      responses:
        "200":
          description: コマンド実行成功
          content:
            application/json:
              schema:
                $ref: "#/components/schemas/RunSuccess"
        "400":
          description: リクエスト不正またはコマンド失敗
          content:
            application/json:
              schema:
                $ref: "#/components/schemas/RunError"
        "408":
          description: コマンドタイムアウト
          content:
            application/json:
              schema:
                $ref: "#/components/schemas/RunTimeout"

components:
  schemas:
    RunRequest:
      type: object
      required: [command]
      properties:
        command:
          type: string
          description: 実行したいターミナルコマンド
      example:
        command: echo hello

    RunSuccess:
      type: object
      properties:
        output:
          type: string
          description: 標準出力＋標準エラー出力（結合済み）
        returncode:
          type: integer
          format: int32
          description: プロセスの終了コード（0で成功）
      required: [output, returncode]

    RunError:
      type: object
      properties:
        error:
          type: string
          description: エラーメッセージ
        output:
          type: string
          description: コマンド実行時に得られた出力（あれば）
        returncode:
          type: integer
          format: int32
          description: プロセスの終了コード（0 以外）
      required: [error, returncode]

    RunTimeout:
      type: object
      properties:
        error:
          type: string
          description: タイムアウト時のメッセージ
      required: [error]
!カスタムGPT設定の認証情報の設定も忘れないようにしてください

 動作確認一応テストしてみましょう

適当に作ったローカルフォルダ内のファイル一覧を取得してみます。
いい感じですね

コマンド実行ができれば、ファイルの読み書き、gitの操作などさまざまなことが可能になります。
あとは、プロジェクトの内容や、やりたいことに沿って新しいAPIを用意したり、システムプロンプトを調整したりするだけです。

 まとめ上記の設定により、カスタムGPTを汎用AIエージェントのように扱うことができます。

自分は複数のポートを開けて、メールの確認、TODOタスクの追加/更新、作業の記録など、管理作業系を全て1つのカスタムGPTに任せることにしました。
メールの確認してもらって、やることあればTODOに追加　→ TODO実行に必要な情報をWeb検索し、記録しておく みたいなフローが勝手に流れます。
もし同じ境遇の方がいたら試してみてください。
!社内でAIエージェントを使うという苦肉の策で、使い勝手がいいわけではありません。
背景

カスタムGPTをAIエージェント化させる方法

まずはリバースプロキシの設定

ローカルAPIサーバーの準備

カスタムGPTのActionに登録する

動作確認

まとめ

Discussion
