🔄

Dify×Airtable動的連携：リアルタイムタスク管理AIの作り方

に公開
plugin
automation
Airtable
realtime
Dify
tech

Dify×Airtable動的連携：リアルタイムタスク管理AIの作り方

前回のCSV→RAGボット記事では静的なCSVデータを使いましたが、日々タスクが新規作成されたり、更新されたりする中、毎回csvデータをインプットして〜としなければならないシステムは、正直現場で使い物になりません。
そんな課題を解決すべく、今回はAirtableプラグインでリアルタイムにタスクデータを取得するAIボットを作ります。

完成イメージ


▲ Airtableの最新データを自動取得してタスク状況を回答

前回との違い

項目 前回（CSV） 今回（Airtable Plugin）
データ更新 手動でCSV再アップロード 自動でリアルタイム取得
データソース 静的ファイル Airtable API
運用コスト 毎回データ更新作業が必要 メンテナンスフリー
精度 古いデータの可能性 常に最新

必要なもの

Step 1: Airtableベース準備

すでにZenn上に、Airtbleでのタスク作成ガイドを投稿しておりますので、そちらをご確認ください。

  • Airtableでタスク管理を作成する方法(参考記事)

Step 2: AirtableのAPI設定


▲ Airtable → Account → Developer hub → Personal access tokens

  1. Personal Access Token作成
    • Airtableにログイン
    • Account → Developer hub
    • 「Create token」でトークン生成
    • スコープ：data.records:read

      ▲ personal access tokenを取得するための設定


▲ personal access tokenを取得
※注意 : Personal access tokenは1回しか発行されないので、安全なところにメモしておきましょう。(忘れると再発行)

  1. Base IDとTable ID取得
    AirtableのURLにBaseIDとTableIDが記載されています。
    • ベースのURL: https://airtable.com/appXXXXXXXX/tblYYYYYYYY
    • appXXXXXXXX = Base ID
    • tblYYYYYYYY = Table ID

Step 3: DifyでAirtableプラグイン追加


▲ Dify → ツール → プラグイン → Airtableプラグイン検索・インストール

AirtableプラグインをDifyマーケットプレイスからインストール。

認証設定


▲ プラグイン設定で認証情報を入力

  • API Token: Step 2で作成したPersonal Access Token
  • Base ID: Step 2で取得したBase ID

Step 4: ワークフロー作成

ワークフローは、前回作成した　前回記事で作成したDifyの基本チャットボットを使用します。

4-1: Airtableプラグインノード追加

設定項目：

  • 操作: AIRTABLE_ALL
  • Base ID: appXXXXXXXX（Step 2で取得）
  • Table ID: tblYYYYYYYY（Step 2で取得）
  • Filter: 必要に応じてフィルター設定 (日付などで)
  • Max Records: 100（取得する最大レコード数）

4-2: コードブロック追加

AIRTABLE_ALLから取得された構造化データ(JSON)は、text,files,jsonの3階層になっていて、LLMにデータを渡すには不適切なため、コードブロック(JavaScript)を書いてデータを整形します。


function main({arg1}) { //AIRTABLE_ALLからtextを引数で受け取る
    return {
        result: arg1
    }
}


▲ 実際の画面

4-3: LLMノード設定

プロンプト：
以前作成したプロンプトのコンテキストを、コードブロックから出力されるresultに変更するだけでよいです。参考 : 前回記事で作成したDifyの基本チャットボット

Step 5: テスト実行

テスト質問：

  • 「まだ終わってない小林さんが持ってるタスクは？」

しっかりとデータが取れていることが確認できました。
それでは、今回のポイントである、データを書き換えても動的に変更も取得できているかを確認します。


▲ Airtable記事作成以外のタスクをDoneにしました。

もう一度チャットbotに同じ質問をしてみます。

  • 「まだ終わってない小林さんが持ってるタスクは？」

データが書き変わっても、その更新を反映して答えてくれるようになりました！

Step 6: チャットボット化


▲ ワークフローをチャットボットとして公開

Step 7: 動作確認

テストシナリオ

  1. 担当者別タスク確認
    ユーザー: 横関さんのタスクは？
AI: **横関さんのタスク**
• 商談準備（未着手・低優先度・7/30締切）
  2. ステータス別検索
    ユーザー: 進行中のタスクを教えて
AI: **進行中のタスク**
• Airtable記事作成（小林・高優先度・7/13締切）


▲ しっかり動いていることを確認

Airtableから動的にデータを取得して回答してくれるAIチャットbotを構築できました。

まとめ

今回作成したもの

✅ Airtableから動的にデータ取得するAIボット
✅ リアルタイムでタスク状況を回答
✅ メンテナンスフリーの自動化システム

前回（CSV）からの進化

  • 静的 → 動的：常に最新データ
  • 手動更新 → 自動連携：運用コスト削減
  • ファイル管理 → API連携：スケーラブル

応用可能な領域

  • 顧客管理（CRM）
  • 在庫管理
  • プロジェクト管理
  • イベント管理
  • 売上データ分析

Dify×Airtableの組み合わせで、ノーコードでリアルタイムAIシステムが実現できました。

静的データから動的データへの進化により、実用性が大幅に向上し、実際のビジネス現場で活用できるレベルのツールになります。

Discussion