「SlackにAIアシスタント入れたら便利そう」「しかもOSSなら無料で動かせるんじゃ...？」

そんな甘い考えで調べ始めた経験、ありませんか？

GitHub 100k+スターのプロジェクトを見つけてしまいました。Peter Steinberger氏（PSPDFKit創業者）が開発したOSS、OpenClaw。

「これは触らないわけにはいかない」

えんじにあだもの。

みつを

OpenClawとは

SlackやDiscordなど複数のメッセージングプラットフォームに対応したAIアシスタントフレームワークです。

名前の変遷

ちなみにこのプロジェクト、名前が何度か変わっています。

Clawdbot - 最初の名前
Moltbot - Anthropicから商標に関する要請があり改名（2026年1月下旬）
OpenClaw - 現在の名前

（Claudeっぽい名前つけたら怒られた、というオチです）

魅力は「Skills」

OpenClawの最大の魅力はSkillsで機能を拡張できること。自分で作ったSkillsという資産を活用できる。これがあるから導入する価値がある。

...という前提で話を進めます。

最初の野望：Local LLMで完全無料運用

「セルフホストできるんだから、Local LLMで完全無料運用だ！」

意気揚々と試行錯誤開始。

使用機材

M3 Pro MacBook Pro（メモリ18GB）

試したモデル

Ollama + Llama 3.2
Qwen 2.5
その他いくつか

結論から言うと

全部ダメでした。

（ここで一番時間を溶かしました。コーヒー何杯淹れたか覚えてない）

Local LLMでハマった2つのポイント

1. 日本語がおかしい

返答の日本語が不自然。業務で使うには厳しいレベル。

「お手伝いすることができますか？何かお手伝いします！」

（日本語として通じるけど、社内で使うのはちょっと...）

2. 遅すぎてタイムアウト

プロンプト	応答時間
「こんにちは」	数十秒
「今日の天気教えて」	タイムアウト
Skill呼び出し	もちろんタイムアウト

M3 Pro 18GBでもメインPCで色々処理走ってたから足りなかったのかも。でも開発マシンって普通そうですよね。

散々待たされた挙げ句タイムアウト。コーヒーを淹れに行って、戻ってきて、飲み終わってもまだ待ってる。Skillsがまともに動かないなら、ただのチャットボット。導入する意味がない。

現実路線：Gemini 3ハイブリッド構成

Local LLMを諦め、クラウドAPIへ切り替え。

なぜGemini 3？

普段はClaude使ってるので、せっかくだからGemini試してみようかなと。

比較ポイント	Gemini 3 Flash	Gemini 3 Pro
コスト	安い	やや高め
ツール呼び出し精度	○	◎
応答速度	◎	○

Flash + Proのハイブリッド構成

単純な質問はFlash、複雑なタスクはProに振り分ける構成に。

読み込み中...

選定理由:

コスト効率: Flashモデルは応答が速く、トークン単価も抑えめ
Skillsが動く: 動く！動くぞ！！
日本語性能: 業務で使うなら自然さは譲れない

導入時につまずいたポイント

実際に運用してみて遭遇した問題をまとめます。

1. allowlist方式は必須

OpenClawはデフォルトで全チャンネルに応答しようとします。これはまずい。

機密チャンネルへの誤応答防止: 経営会議チャンネルでAIが勝手に発言したら...
APIコスト管理: 全チャンネル監視はトークン消費が激しい

allowlist方式で「このチャンネルだけ応答」に制限するのが現実的です。

2. スレッドの挙動が不安定

OpenClawのSlack連携、スレッド周りで挙動が怪しいことがあります。

DMでスレッド化しようとしても無視される（Issue #2411）
連続でメッセージを送ると、返信がスレッドから外れてメインチャンネルに出る（Issue #4424）

「あれ、なんでここに返信来たの？」という現象、Issue見たら同じこと言ってる人がいました。

3. AIの自律性ゆえの不安定さ

OpenClawはAIが自律的に判断するフレームワーク。ほとんどの場合は賢く動いてくれますが、たまに：

プロンプトを誤解釈する
タスク途中で止まる
同じ処理をループする

致命的ではないけど、「AIだな〜」という場面は時々あります。

Skillsの精度がすべて

OpenClawの価値はSkillsで機能を拡張できること。

カレンダー連携
Jira/GitHub Issue作成
ドキュメント検索
定型作業の自動化

これらが「ちゃんと呼び出される」かどうかが生命線。Local LLMでは散々待たされた挙げ句タイムアウトで、Skillsがまともに動かなかった。これが諦めた最大の理由です。

OpenClaw + Gemini のセットアップ手順

「実際にどう設定するの？」という方のために、Gemini 3ハイブリッド構成のセットアップ手順をまとめます。

1. OpenClawのインストール

# Docker Composeで起動（プリビルドイメージ使用）
mkdir openclaw-pp && cd openclaw-pp
cp .env.example .env
# .env を編集してAPI キーを設定
docker compose up -d

プリビルドイメージ ghcr.io/openclaw/openclaw を使うため、ローカルでのビルドは不要です。

2. Gemini APIキーの取得と設定

Google AI StudioでAPIキーを発行し、.envに設定します。

# .env
GEMINI_API_KEY=your-api-key-here

デフォルトモデルやフォールバックモデルは .env ではなく config/openclaw.json の agents.defaults.model セクションで設定します（後述）。

3. Slack App の作成と接続

Slack APIで新しいAppを作成
Bot Token Scopes: app_mentions:read, chat:write, channels:history, im:history
Event Subscriptions: app_mention, message.im
Bot User OAuth Token を .env の SLACK_BOT_TOKEN に設定
Signing Secret を SLACK_SIGNING_SECRET に設定

4. allowlist でチャンネルを制限

// config/openclaw.json（主要セクション抜粋）
{
  // auth: プロバイダー認証プロファイル
  auth: {
    profiles: {
      'google:default': { provider: 'google', mode: 'api_key' },
    },
  },
  // agents: モデル設定・フォールバック
  agents: {
    defaults: {
      model: {
        primary: 'google/gemini-3-flash-preview',
        fallbacks: ['google/gemini-3-pro-preview'],
      },
    },
  },
  // channels: Slack接続設定・allowlist
  channels: {
    slack: {
      mode: 'socket',
      groupPolicy: 'allowlist',
      channels: {
        '#ai-assistant': { allow: true },
        '#dev-support': { allow: true },
      },
    },
  },
  // gateway, skills, plugins なども設定可能
}

allowlist方式は必須です。 デフォルト（全チャンネル応答）のまま運用すると、機密チャンネルへの誤応答やAPIコストの暴走リスクがあります。

5. Skills の配置

Docker環境では、Skillsはnamed volumeとしてコンテナ内の /home/node/.openclaw/skills/ に読み取り専用でマウントされます。ホスト側のSkillsディレクトリは .env の SKILLS_PATH で指定します。

# ホスト側のスキルディレクトリ（docker-compose.yml の volumes で参照）
ls /path/to/skills/
# dev-flow/  git-commit/  pr-iterate/  ...

4ツールでスキルを共有する方法を使えば、Claude Code用に作ったスキルをそのままOpenClawでも利用できます。

パフォーマンス比較：Flash vs Pro vs ハイブリッド

実際の業務利用で計測したパフォーマンスデータです。

応答速度

プロンプトの種類	Gemini 3 Flash	Gemini 3 Pro	ハイブリッド
簡単な質問（挨拶・確認）	0.8秒	2.1秒	0.8秒（Flash）
中程度の質問（要約・検索）	1.5秒	3.2秒	1.5秒（Flash）
Skill呼び出し（1ツール）	3.2秒	2.8秒	2.8秒（Pro）
複雑なタスク（複数ツール連携）	8.5秒（精度低下）	5.1秒	5.1秒（Pro）

コスト効率（1日あたり約50メッセージの場合）

構成	月額目安	Skill成功率	総合評価
Flash のみ	~$3	85%	コスト重視ならアリ
Pro のみ	~$15	97%	品質重視だが割高
ハイブリッド	~$7	95%	コスパ最良

ハイブリッド構成では、簡単な質問（全体の約70%）をFlashが処理し、Skill呼び出しや複雑な推論が必要な場合だけProにルーティングします。結果としてProのみの半額以下で、ほぼ同等の品質が得られます。

Local LLM との比較

参考として、Local LLM（Ollama + Llama 3.2、M3 Pro 18GB）の結果も再掲します。

指標	Local LLM	Gemini 3 ハイブリッド
簡単な質問の応答	数十秒	0.8秒
Skill呼び出し	タイムアウト	2.8〜5.1秒
日本語の自然さ	△（不自然）	◎（業務利用可）
月額コスト	0円（電気代のみ）	~$7
可用性	PC起動中のみ	24時間

月$7で24時間稼働・Skill確実動作は、Local LLMで費やした週末の価値を考えると十分にペイします。

実験結果まとめ

構成	Skillsが動く	日本語	速度	コスト
Local LLM (M3 Pro)	✗	△	✗	◎
Gemini 3 Flash	○	○	◎	○
Gemini 3 Pro	◎	◎	○	△
Flash + Pro ハイブリッド	◎	◎	○	○

今回の学び

Local LLMの限界: M3 Pro 18GBでは、Skillsを使うAIアシスタントは厳しい
Skillsの重要性: ツールが動かないなら導入する意味がない
ハイブリッド構成: コストと品質のバランスはFlash + Proで取れる
Slack連携の癖: allowlistとスレッド周りは要注意

おわりに

「完全無料でLocal LLMで動かすぞ！」という野望は砕けましたが、現実的な構成に落ち着きました。

Gemini 3のAPI料金は、Local LLMのタイムアウト待ちで失った週末に比べれば安いもの。（あの土日、返して）

SlackにAIアシスタントを導入してみたい方の参考になれば幸いです。

OpenClawとは

SlackやDiscordなど複数のメッセージングプラットフォームに対応したAIアシスタントフレームワークです。

名前の変遷

ちなみにこのプロジェクト、名前が何度か変わっています。

Clawdbot - 最初の名前
Moltbot - Anthropicから商標に関する要請があり改名（2026年1月下旬）
OpenClaw - 現在の名前

（Claudeっぽい名前つけたら怒られた、というオチです）

魅力は「Skills」

OpenClawの最大の魅力はSkillsで機能を拡張できること。自分で作ったSkillsという資産を活用できる。これがあるから導入する価値がある。

...という前提で話を進めます。

最初の野望：Local LLMで完全無料運用

「セルフホストできるんだから、Local LLMで完全無料運用だ！」

意気揚々と試行錯誤開始。

使用機材

M3 Pro MacBook Pro（メモリ18GB）

試したモデル

Ollama + Llama 3.2
Qwen 2.5
その他いくつか

結論から言うと

全部ダメでした。

（ここで一番時間を溶かしました。コーヒー何杯淹れたか覚えてない）

Local LLMでハマった2つのポイント

1. 日本語がおかしい

返答の日本語が不自然。業務で使うには厳しいレベル。

「お手伝いすることができますか？何かお手伝いします！」

（日本語として通じるけど、社内で使うのはちょっと...）

2. 遅すぎてタイムアウト

プロンプト	応答時間
「こんにちは」	数十秒
「今日の天気教えて」	タイムアウト
Skill呼び出し	もちろんタイムアウト

M3 Pro 18GBでもメインPCで色々処理走ってたから足りなかったのかも。でも開発マシンって普通そうですよね。

現実路線：Gemini 3ハイブリッド構成

Local LLMを諦め、クラウドAPIへ切り替え。

なぜGemini 3？

普段はClaude使ってるので、せっかくだからGemini試してみようかなと。

比較ポイント	Gemini 3 Flash	Gemini 3 Pro
コスト	安い	やや高め
ツール呼び出し精度	○	◎
応答速度	◎	○

Flash + Proのハイブリッド構成

単純な質問はFlash、複雑なタスクはProに振り分ける構成に。

読み込み中...

選定理由:

コスト効率: Flashモデルは応答が速く、トークン単価も抑えめ
Skillsが動く: 動く！動くぞ！！
日本語性能: 業務で使うなら自然さは譲れない

導入時につまずいたポイント

実際に運用してみて遭遇した問題をまとめます。

1. allowlist方式は必須

OpenClawはデフォルトで全チャンネルに応答しようとします。これはまずい。

機密チャンネルへの誤応答防止: 経営会議チャンネルでAIが勝手に発言したら...
APIコスト管理: 全チャンネル監視はトークン消費が激しい

allowlist方式で「このチャンネルだけ応答」に制限するのが現実的です。

2. スレッドの挙動が不安定

OpenClawのSlack連携、スレッド周りで挙動が怪しいことがあります。

DMでスレッド化しようとしても無視される（Issue #2411）
連続でメッセージを送ると、返信がスレッドから外れてメインチャンネルに出る（Issue #4424）

「あれ、なんでここに返信来たの？」という現象、Issue見たら同じこと言ってる人がいました。

3. AIの自律性ゆえの不安定さ

OpenClawはAIが自律的に判断するフレームワーク。ほとんどの場合は賢く動いてくれますが、たまに：

プロンプトを誤解釈する
タスク途中で止まる
同じ処理をループする

致命的ではないけど、「AIだな〜」という場面は時々あります。

Skillsの精度がすべて

OpenClawの価値はSkillsで機能を拡張できること。

カレンダー連携
Jira/GitHub Issue作成
ドキュメント検索
定型作業の自動化

OpenClaw + Gemini のセットアップ手順

「実際にどう設定するの？」という方のために、Gemini 3ハイブリッド構成のセットアップ手順をまとめます。

1. OpenClawのインストール

# Docker Composeで起動（プリビルドイメージ使用）
mkdir openclaw-pp && cd openclaw-pp
cp .env.example .env
# .env を編集してAPI キーを設定
docker compose up -d

プリビルドイメージ ghcr.io/openclaw/openclaw を使うため、ローカルでのビルドは不要です。

2. Gemini APIキーの取得と設定

Google AI StudioでAPIキーを発行し、.envに設定します。

# .env
GEMINI_API_KEY=your-api-key-here

デフォルトモデルやフォールバックモデルは .env ではなく config/openclaw.json の agents.defaults.model セクションで設定します（後述）。

3. Slack App の作成と接続

Slack APIで新しいAppを作成
Bot Token Scopes: app_mentions:read, chat:write, channels:history, im:history
Event Subscriptions: app_mention, message.im
Bot User OAuth Token を .env の SLACK_BOT_TOKEN に設定
Signing Secret を SLACK_SIGNING_SECRET に設定

4. allowlist でチャンネルを制限

// config/openclaw.json（主要セクション抜粋）
{
  // auth: プロバイダー認証プロファイル
  auth: {
    profiles: {
      'google:default': { provider: 'google', mode: 'api_key' },
    },
  },
  // agents: モデル設定・フォールバック
  agents: {
    defaults: {
      model: {
        primary: 'google/gemini-3-flash-preview',
        fallbacks: ['google/gemini-3-pro-preview'],
      },
    },
  },
  // channels: Slack接続設定・allowlist
  channels: {
    slack: {
      mode: 'socket',
      groupPolicy: 'allowlist',
      channels: {
        '#ai-assistant': { allow: true },
        '#dev-support': { allow: true },
      },
    },
  },
  // gateway, skills, plugins なども設定可能
}

allowlist方式は必須です。 デフォルト（全チャンネル応答）のまま運用すると、機密チャンネルへの誤応答やAPIコストの暴走リスクがあります。

5. Skills の配置

# ホスト側のスキルディレクトリ（docker-compose.yml の volumes で参照）
ls /path/to/skills/
# dev-flow/  git-commit/  pr-iterate/  ...

4ツールでスキルを共有する方法を使えば、Claude Code用に作ったスキルをそのままOpenClawでも利用できます。

パフォーマンス比較：Flash vs Pro vs ハイブリッド

実際の業務利用で計測したパフォーマンスデータです。

応答速度

プロンプトの種類	Gemini 3 Flash	Gemini 3 Pro	ハイブリッド
簡単な質問（挨拶・確認）	0.8秒	2.1秒	0.8秒（Flash）
中程度の質問（要約・検索）	1.5秒	3.2秒	1.5秒（Flash）
Skill呼び出し（1ツール）	3.2秒	2.8秒	2.8秒（Pro）
複雑なタスク（複数ツール連携）	8.5秒（精度低下）	5.1秒	5.1秒（Pro）

コスト効率（1日あたり約50メッセージの場合）

構成	月額目安	Skill成功率	総合評価
Flash のみ	~$3	85%	コスト重視ならアリ
Pro のみ	~$15	97%	品質重視だが割高
ハイブリッド	~$7	95%	コスパ最良

Local LLM との比較

参考として、Local LLM（Ollama + Llama 3.2、M3 Pro 18GB）の結果も再掲します。

指標	Local LLM	Gemini 3 ハイブリッド
簡単な質問の応答	数十秒	0.8秒
Skill呼び出し	タイムアウト	2.8〜5.1秒
日本語の自然さ	△（不自然）	◎（業務利用可）
月額コスト	0円（電気代のみ）	~$7
可用性	PC起動中のみ	24時間

月$7で24時間稼働・Skill確実動作は、Local LLMで費やした週末の価値を考えると十分にペイします。

実験結果まとめ

構成	Skillsが動く	日本語	速度	コスト
Local LLM (M3 Pro)	✗	△	✗	◎
Gemini 3 Flash	○	○	◎	○
Gemini 3 Pro	◎	◎	○	△
Flash + Pro ハイブリッド	◎	◎	○	○

今回の学び

Local LLMの限界: M3 Pro 18GBでは、Skillsを使うAIアシスタントは厳しい
Skillsの重要性: ツールが動かないなら導入する意味がない
ハイブリッド構成: コストと品質のバランスはFlash + Proで取れる
Slack連携の癖: allowlistとスレッド周りは要注意

おわりに

「完全無料でLocal LLMで動かすぞ！」という野望は砕けましたが、現実的な構成に落ち着きました。

Gemini 3のAPI料金は、Local LLMのタイムアウト待ちで失った週末に比べれば安いもの。（あの土日、返して）

SlackにAIアシスタントを導入してみたい方の参考になれば幸いです。

【OpenClaw × Slack】AIアシスタント構築実践 - Local LLMからGeminiハイブリッド構成まで

OpenClawとは

名前の変遷

魅力は「Skills」

最初の野望：Local LLMで完全無料運用

使用機材

試したモデル

結論から言うと

Local LLMでハマった2つのポイント

1. 日本語がおかしい

2. 遅すぎてタイムアウト

現実路線：Gemini 3ハイブリッド構成

なぜGemini 3？

Flash + Proのハイブリッド構成

導入時につまずいたポイント

1. allowlist方式は必須

2. スレッドの挙動が不安定

3. AIの自律性ゆえの不安定さ

Skillsの精度がすべて

OpenClaw + Gemini のセットアップ手順

1. OpenClawのインストール

2. Gemini APIキーの取得と設定

3. Slack App の作成と接続

4. allowlist でチャンネルを制限

5. Skills の配置

パフォーマンス比較：Flash vs Pro vs ハイブリッド

応答速度

コスト効率（1日あたり約50メッセージの場合）

Local LLM との比較

実験結果まとめ

今回の学び

おわりに

あわせて読みたい

この技術が解決した業務課題

【RAG導入事例】社内ナレッジ検索をAIで90%高速化した方法

【取引先 DX要求 対応方法】「DX対応してください」と言われたら — 何から始める？

【CrowdLog 工数集計 自動化】月次作業を90%削減した方法

関連ソリューション

業務自動化ソリューション

関連記事

実験から生まれたソリューション

【OpenClaw × Slack】AIアシスタント構築実践 - Local LLMからGeminiハイブリッド構成まで

OpenClawとは

名前の変遷

魅力は「Skills」

最初の野望：Local LLMで完全無料運用

使用機材

試したモデル

結論から言うと

Local LLMでハマった2つのポイント

1. 日本語がおかしい

2. 遅すぎてタイムアウト

現実路線：Gemini 3ハイブリッド構成

なぜGemini 3？

Flash + Proのハイブリッド構成

導入時につまずいたポイント

1. allowlist方式は必須

2. スレッドの挙動が不安定

3. AIの自律性ゆえの不安定さ

Skillsの精度がすべて

OpenClaw + Gemini のセットアップ手順

1. OpenClawのインストール

2. Gemini APIキーの取得と設定

3. Slack App の作成と接続

4. allowlist でチャンネルを制限

5. Skills の配置

パフォーマンス比較：Flash vs Pro vs ハイブリッド

応答速度

コスト効率（1日あたり約50メッセージの場合）

Local LLM との比較

実験結果まとめ

今回の学び

おわりに

あわせて読みたい

この技術が解決した業務課題

【RAG導入事例】社内ナレッジ検索をAIで90%高速化した方法

【取引先 DX要求 対応方法】「DX対応してください」と言われたら — 何から始める？

【CrowdLog 工数集計 自動化】月次作業を90%削減した方法

関連ソリューション

業務自動化ソリューション

【取引先 DX要求対応方法】「DX対応してください」と言われたら — 何から始める？

【CrowdLog 工数集計自動化】月次作業を90%削減した方法

【取引先 DX要求対応方法】「DX対応してください」と言われたら — 何から始める？

【CrowdLog 工数集計自動化】月次作業を90%削減した方法