設定

AI サービス

ObjectOS の AI を設定する場所。製品内 AI ランタイムのプロバイダー設定、オープンな埋め込みとナレッジのパッケージ、そして MCP サーバー。

対応エディション

ObjectOS は、オープンソースの ObjectStack フレームワークに含まれる AI の基本要素（MCP サーバー、Knowledge Protocol とそのアダプター、埋め込み）の上に、製品内 AI ランタイムを追加します。データに問い合わせる ask アシスタント、作成を支援する build アシスタント、そして /api/v1/ai/* のチャットエンドポイントです。

セルフマネージドのデプロイメント（ObjectOS Enterprise）では、製品内 AI を有効にするのはライセンスです。ライセンスのない単一組織のデプロイメントは Community の動作（オープンな MCP サーバー、AI は自分で用意）で実行され、ライセンスがあれば、AI Builder と「データに質問する」機能が自社のインフラストラクチャ上で有効になります。Docker → License を参照してください。

何をどこで設定するか

レイヤー設定する場所提供元
チャットのモデルプロバイダーai 設定名前空間：Setup → Configuration → AI & Embedder、または OS_AI_* 環境変数ObjectOS
埋め込み@objectstack/embedder-openai、OpenAI 互換の埋め込みオープンなフレームワーク
ナレッジ / RAG@objectstack/service-knowledge とアダプターのプラグインオープンなフレームワーク
MCP サーバーデフォルトで /api/v1/mcp で有効。OS_MCP_SERVER_ENABLED=false で無効になりますオープンなフレームワーク

チャットのモデルプロバイダー

インストールしたり登録したりする AI パッケージはありません。@objectstack/service-ai は 11.0 でオープンな ObjectStack のディストリビューションから外れました。それが提供する AI ランタイムは、オープンソースのフレームワークではなく ObjectOS とともに提供されます。

プロバイダー、モデル、認証情報は ai 名前空間の設定なので、ほかのすべての設定と同じように解決されます。環境変数は Setup に保存された値より優先され、その値をロックします（System Settings → Resolution order）。

変数設定するもの
OS_AI_PROVIDERプロバイダー。サポートされる値には gateway、openai、anthropic、google、deepseek、dashscope、cloudflare、siliconflow、openrouter が含まれます。
OS_AI_OPENAI_API_KEY · OS_AI_OPENAI_MODEL · OS_AI_OPENAI_BASE_URLOpenAI、または任意の OpenAI 互換 API（Azure、ローカルのゲートウェイ、サードパーティのエンドポイント）。OS_AI_PROVIDER=openai とともに使います。モデルのデフォルトは gpt-4o です。
OS_AI_ANTHROPIC_API_KEY · OS_AI_ANTHROPIC_MODELAnthropic。OS_AI_PROVIDER=anthropic とともに使います。
OS_AI_GOOGLE_API_KEY · OS_AI_GOOGLE_MODELGoogle。OS_AI_PROVIDER=google とともに使います。
OS_AI_GATEWAY_MODEL · OS_AI_GATEWAY_API_KEYVercel AI Gateway。OS_AI_PROVIDER=gateway とともに使います。
OS_AI_DEEPSEEK_API_KEY、OS_AI_DASHSCOPE_API_KEY……プリセットの OpenAI 互換プロバイダーごとに、_API_KEY と _MODEL の変数が 1 つずつあります。たとえば OS_AI_DEEPSEEK_MODEL=deepseek-chat です。

たとえば、Setup を使わずに、デプロイメント全体でサードパーティの OpenAI 互換プロバイダーに固定するには：

OS_AI_PROVIDER=openai
OS_AI_OPENAI_API_KEY=sk-...
OS_AI_OPENAI_MODEL=your-model
OS_AI_OPENAI_BASE_URL=https://your-provider.example.com/v1

OpenAI 互換のベース URL には OS_AI_OPENAI_BASE_URL、または Setup の同じフィールドを使ってください。OPENAI_BASE_URL はプラットフォームレベルの変数ではありません。

プロバイダーが設定されていないとき

ランタイムは起動時に、最初に見つかった上流の認証情報からアダプターを選びます。

  1. AI_GATEWAY_MODEL（と AI_GATEWAY_API_KEY）：Vercel AI Gateway を通じて
  2. OPENAI_API_KEY
  3. ANTHROPIC_API_KEY
  4. GOOGLE_GENERATIVE_AI_API_KEY
  5. どれもない場合：MemoryLLMAdapter。背後に実際のプロバイダーがないエコーモードです。

これらは上流の名前のままで、OS_* に改名されてはいません。OS_AI_MODEL は、OpenAI、Anthropic、Google を直接検出する場合のモデル ID を上書きします。起動後、ランタイムは ai 設定名前空間を読み取り、プロバイダーが環境変数または Setup に保存された値から来ている場合はアダプターを差し替えます。

呼び出す

製品内 AI は /api/v1/ai/* で提供されます。チャット（JSON またはストリーミング）、補完、環境が提供するモデル、会話です。@objectstack/client SDK は、その ai 名前空間を通じてこれにアクセスします：ai.chat、ai.chatStream、ai.complete、ai.models、ai.conversations。宣言的な AI（エージェント、スキル、ツール）については エージェントを参照してください。

埋め込み

@objectstack/embedder-openai は、OpenAI の POST /v1/embeddings の形を話す任意のエンドポイントで動作します。OpenAI、Azure OpenAI、DashScope、Zhipu BigModel、SiliconFlow、Doubao、MiniMax、Ollama、または独自のゲートウェイです。プリセットは既知のプロバイダーのベース URL を埋め、baseUrl はそれ以外の任意のエンドポイントを指します。

import { createOpenAIEmbedder } from '@objectstack/embedder-openai';

const embedder = createOpenAIEmbedder({
  preset: 'dashscope',
  apiKey: process.env.DASHSCOPE_API_KEY!,
  model: 'text-embedding-v3',
});

apiKey は必須です。パッケージの README に、各プロバイダーのベース URL と代表的なモデルが記載されています。

オープンなフレームワークには、まだ埋め込みを使うナレッジアダプターはありません。@objectstack/knowledge-memory と @objectstack/knowledge-ragflow は埋め込みのオプションを取りません。

ナレッジ / RAG

ナレッジサービスはナレッジのソースを宣言し、返ってくるものを権限でフィルターします。検索そのものはアダプターのプラグインが行います。

アダプターバックエンド向いている用途
@objectstack/knowledge-memoryプロセス内開発環境とテスト。永続化がないので本番向けではありません
@objectstack/knowledge-ragflowRAGFlowチャンク分割、埋め込み、ハイブリッド検索、リランキングを RAGFlow が行います

オープンなフレームワークでの組み込み方：

import { KnowledgeServicePlugin } from '@objectstack/service-knowledge';
import { KnowledgeRagflowPlugin } from '@objectstack/knowledge-ragflow';

kernel.use(new KnowledgeServicePlugin({
  sources: [{
    id: 'product_docs',
    label: 'Product documentation',
    adapter: 'ragflow',
    source: { kind: 'http', urls: ['https://docs.example.com/sitemap.xml'] },
    adapterConfig: { datasetId: 'rgf_doc_dataset_id' }, // RAGFlow dataset to bind
  }],
}));
kernel.use(new KnowledgeRagflowPlugin({
  endpoint: process.env.RAGFLOW_ENDPOINT!, // e.g. http://localhost:9380
  apiKey: process.env.RAGFLOW_API_KEY!,
}));

RAGFlow アダプターはデータセットを作成しません。RAGFlow の UI で一度作成し、そこでチャンク分割の方法、埋め込みモデル、リランクのポリシーを選びます。

ソースのレコードを持つすべてのヒットは、呼び出し元の権限に照らして再チェックされます。素の ObjectQL クエリをゲートするのと同じ行レベルセキュリティです。検索を search_knowledge ツールとして製品内のチャットに公開するのは、ObjectOS ランタイムの一部です。

MCP：Model Context Protocol

すべての ObjectOS デプロイメントは、すでに /api/v1/mcp で Model Context Protocol を提供しています。デフォルトで有効で、インストールするプラグインはありません。stdio で提供することもできます。クライアントの接続、stdio への切り替え、エージェントが得るツールについては AI ツールを接続する（MCP）で扱っています。

オープンなフレームワークで MCP サーバーのプラグインを明示的に登録するには：

import { MCPServerPlugin } from '@objectstack/mcp';

kernel.use(new MCPServerPlugin({
  transport: 'stdio', // or 'http'
  autoStart: true,
}));

ツールはオプションごとにオプトインするものではありません。プラグインは起動時に、AI ツールのレジストリ、メタデータサービス、データエンジンを橋渡しします。すべての呼び出しは、呼び出したユーザーの権限のもとで実行されます。

次に進む

ストレージ

ObjectOS がファイルを置く場所。ローカルディスク、S3、R2、MinIO、Spaces。

AI ツールを接続する（MCP）

Claude Code、Claude Desktop、または任意の MCP クライアントを ObjectOS アプリに向け、エージェントにあなたの権限モデルのもとでデータを扱わせます。