◉ AIモデル/2026-04-07上級

Rork Max × OpenAI Responses API：ステートフルAIエージェントをモバイルアプリに実装する2026

OpenAI Responses APIを使ってステートフルなAIエージェントをRork Maxアプリに実装する完全ガイド。Web検索・ファイル検索・コードインタプリタなどの組み込みツールをCloudflare Workers経由でモバイルに統合する実践的な設計手法を解説します。

OpenAI⁵ Responses API AIエージェント⁶ Rork Max²³⁰ Cloudflare Workers²⁴ ステートフルモバイルAI³ React Native²⁰⁹

✦ プレミアム記事

取り組みの背景：なぜ今 Responses API なのか

2025年3月、OpenAI は従来の Assistants API を刷新した Responses API を正式リリースしました。これは Chat Completions API のシンプルさと、Assistants API のステートフル性・ツール統合能力を融合させた次世代 API です。

Rork Max でアプリ開発をする個人開発者にとって、この API の登場は大きな転換点です。これまで「AIチャット」「ファイル検索」「Web検索」を個別に実装していた複雑なバックエンドが、単一の API 呼び出しで実現できるようになりました。

ここで扱うのはResponses API を Rork Max アプリに組み込み、ステートフルな AI エージェントを構築する完全な手順を解説します。バックエンドは Cloudflare Workers、フロントエンドは Rork の React Native UIという構成で、実際にリリースできるレベルのアプリを作り上げることを目指します。

Responses API の核心：Chat Completions との違い

Responses API が革新的な理由は、会話スレッドの状態をサーバー側で保持できる点にあります。従来の Chat Completions API では、毎回の API 呼び出しに全会話履歴を送信する必要がありましたが、Responses API では previous_response_id を渡すだけで文脈が継続します。

主要な違いを整理します：

ステートフル管理: response.id を保存し、次回呼び出し時に previous_response_id として渡すだけで会話が継続する
組み込みツール: web_search_preview（Web検索）、file_search（ベクトルストア検索）、code_interpreter（コード実行）がネイティブに利用可能
ストリーミング: Server-Sent Events によるリアルタイムストリーミングに対応
マルチモーダル入力: テキスト・画像・音声の複合入力をサポート

個人開発者にとって最も嬉しい変更は、Assistants API の複雑なスレッド管理・Run管理が不要になったことです。シンプルなコードで高度な AI 機能が実現できます。

✦

ここまでお読みいただきありがとうございます。

この記事の続きを読む

この先には、実装コードやベンチマーク結果など、実務でお役に立てる内容をご用意しています。このサイトは広告を掲載しておらず、サーバーや開発にかかる費用はメンバーの皆様のご支援で成り立っています。もしお役に立てていましたら、ご支援いただけますと大変ありがたいです。

この記事で得られること

✦OpenAI Responses APIの組み込みツール（Web検索・ファイル検索・コードインタプリタ）をRorkアプリで活用する具体的な実装パターンを理解できる

✦Cloudflare WorkersをエッジAIバックエンドとして構築し、ステートフルな会話スレッドをモバイルUI上でスムーズに管理する設計ノウハウを習得できる

✦Stripe連携によるプレミアムAI機能のゲーティング戦略と、個人開発者が月収100万円超を狙えるAI SaaSモデルの設計思想を学べる

Stripe による安全な決済 · いつでもキャンセル可能

✦

この記事を購入する

この先の内容をすべてお読みいただけます。一度のご購入で、いつでも何度でもアクセスできます。このサイトは広告を掲載しておらず、皆さまのご支援がサーバー費用などの運営を支えています。

または

メンバーシップなら全記事が読み放題 →

アーキテクチャ設計：Rork + Cloudflare Workers + OpenAI

全体構成

Rork Max プロジェクトでは、Next.js App Router を使ったフロントエンドと Cloudflare Workers のエッジバックエンドが統合されています。AI エージェントのバックエンドは以下の構成で設計します：

Rork Max App (React Native / Expo)
    │
    ▼
Cloudflare Workers (Edge Backend)
    │  ├── /api/agent/chat   ← メイン会話エンドポイント
    │  ├── /api/agent/files  ← ファイルアップロード
    │  └── /api/agent/history ← 会話履歴取得
    │
    ▼
OpenAI Responses API
    │  ├── web_search_preview ← Web検索
    │  ├── file_search        ← ベクトルストア検索
    │  └── code_interpreter   ← コード実行
    │
    ▼
Cloudflare KV (スレッドID・ユーザーセッション管理)

KV スキーマ設計

会話スレッドの管理には Cloudflare KV を活用します。

// スレッドIDの保存キー形式
// key: thread:{userId}:{agentType}
// value: { responseId: string, createdAt: number, messageCount: number }
 
interface ThreadState {
  responseId: string;        // 最新の response_id
  createdAt: number;         // Unix timestamp
  messageCount: number;      // 累計メッセージ数（コスト管理用）
  agentType: 'general' | 'search' | 'analyst';
}

Step 1：Cloudflare Workers エンドポイントの実装

パッケージのインストール

# Rork プロジェクトのルートで実行
npm install openai zod

メイン会話エンドポイント

// src/app/api/agent/chat/route.ts
 
import OpenAI from 'openai';
import { getCloudflareContext } from '@opennextjs/cloudflare';
 
interface ChatRequest {
  message: string;
  agentType?: 'general' | 'search' | 'analyst';
  resetThread?: boolean;
}
 
export async function POST(request: Request) {
  const { env } = await getCloudflareContext();
  const openai = new OpenAI({ apiKey: env.OPENAI_API_KEY });
 
  // 認証チェック（Stripe Premium ユーザーのみ）
  const authHeader = request.headers.get('Authorization');
  if (!authHeader || !await verifyPremiumToken(authHeader, env)) {
    return Response.json({ error: 'Premium membership required' }, { status: 403 });
  }
 
  const userId = await getUserIdFromToken(authHeader);
  const body: ChatRequest = await request.json();
 
  // KV からスレッド状態を取得
  const threadKey = `thread:${userId}:${body.agentType || 'general'}`;
  const threadStateStr = await env.KV.get(threadKey);
  const threadState: ThreadState | null = threadStateStr
    ? JSON.parse(threadStateStr)
    : null;
 
  // スレッドリセット処理
  const previousResponseId = body.resetThread ? undefined : threadState?.responseId;
 
  // エージェントタイプ別のシステムプロンプト
  const systemPrompt = getSystemPrompt(body.agentType || 'general');
 
  // ツール設定（agentTypeに応じて変更）
  const tools = getToolsForAgent(body.agentType || 'general');
 
  try {
    // Responses API 呼び出し（ストリーミング）
    const stream = await openai.responses.stream({
      model: 'gpt-4o',
      input: body.message,
      previous_response_id: previousResponseId,
      instructions: systemPrompt,
      tools: tools,
      stream: true,
    });
 
    // ストリーミングレスポンスの処理
    const encoder = new TextEncoder();
    const readable = new ReadableStream({
      async start(controller) {
        let finalResponseId: string | undefined;
        let fullText = '';
 
        for await (const event of stream) {
          if (event.type === 'response.output_text.delta') {
            // テキストチャンクをSSEで送信
            const chunk = `data: ${JSON.stringify({
              type: 'text_delta',
              delta: event.delta,
            })}\n\n`;
            controller.enqueue(encoder.encode(chunk));
            fullText += event.delta;
          }
 
          if (event.type === 'response.done') {
            finalResponseId = event.response.id;
 
            // ツール使用情報を送信
            const toolUses = event.response.output
              .filter(item => item.type === 'tool_use')
              .map(item => ({ type: item.type, name: (item as any).name }));
 
            if (toolUses.length > 0) {
              const toolChunk = `data: ${JSON.stringify({
                type: 'tool_uses',
                tools: toolUses,
              })}\n\n`;
              controller.enqueue(encoder.encode(toolChunk));
            }
 
            // 完了イベント送信
            const doneChunk = `data: ${JSON.stringify({
              type: 'done',
              responseId: finalResponseId,
            })}\n\n`;
            controller.enqueue(encoder.encode(doneChunk));
          }
        }
 
        // KV にスレッド状態を保存（TTL: 7日間）
        if (finalResponseId) {
          const newState: ThreadState = {
            responseId: finalResponseId,
            createdAt: threadState?.createdAt || Date.now(),
            messageCount: (threadState?.messageCount || 0) + 1,
            agentType: body.agentType || 'general',
          };
          await env.KV.put(threadKey, JSON.stringify(newState), {
            expirationTtl: 60 * 60 * 24 * 7, // 7日
          });
        }
 
        controller.close();
      },
    });
 
    return new Response(readable, {
      headers: {
        'Content-Type': 'text/event-stream',
        'Cache-Control': 'no-cache',
        'Connection': 'keep-alive',
      },
    });
  } catch (error) {
    console.error('OpenAI Responses API error:', error);
    return Response.json({ error: 'AI service error' }, { status: 500 });
  }
}
 
// エージェントタイプ別のツール設定
function getToolsForAgent(agentType: string) {
  const baseTools = [];
 
  if (agentType === 'search' || agentType === 'general') {
    baseTools.push({ type: 'web_search_preview' });
  }
 
  if (agentType === 'analyst') {
    baseTools.push(
      { type: 'code_interpreter', container: { type: 'auto' } }
    );
  }
 
  return baseTools;
}
 
// エージェントタイプ別のシステムプロンプト
function getSystemPrompt(agentType: string): string {
  const prompts = {
    general: `あなたはRork Labのプレミアムアシスタントです。
ユーザーのアプリ開発に関する質問に、具体的かつ実践的なアドバイスを提供してください。
必要に応じてコード例を含め、Rorkの特性（React Native / Expo / Cloudflare Workers）を考慮した回答を心がけてください。`,
 
    search: `あなたは最新情報に強いリサーチアシスタントです。
Web検索ツールを活用して、ユーザーの質問に最新かつ正確な情報を提供してください。
情報源のURLを明示し、情報の鮮度も伝えてください。`,
 
    analyst: `あなたはデータ分析の専門家です。
コードインタプリタを使って、ユーザーが提供するデータを分析し、
チャートや統計情報を生成して洞察を提供してください。`,
  };
 
  return prompts[agentType as keyof typeof prompts] || prompts.general;
}

Step 2：Rork フロントエンドの実装

カスタムフック：useAgentChat

// hooks/useAgentChat.ts
import { useState, useCallback, useRef } from 'react';
 
interface Message {
  id: string;
  role: 'user' | 'assistant';
  content: string;
  toolUses?: { type: string; name: string }[];
  timestamp: Date;
}
 
interface UseAgentChatOptions {
  agentType?: 'general' | 'search' | 'analyst';
  onError?: (error: Error) => void;
}
 
export function useAgentChat({ agentType = 'general', onError }: UseAgentChatOptions = {}) {
  const [messages, setMessages] = useState<Message[]>([]);
  const [isStreaming, setIsStreaming] = useState(false);
  const [currentStreamText, setCurrentStreamText] = useState('');
  const abortControllerRef = useRef<AbortController | null>(null);
 
  const sendMessage = useCallback(async (content: string) => {
    if (isStreaming) return;
 
    // ユーザーメッセージを追加
    const userMessage: Message = {
      id: `user-${Date.now()}`,
      role: 'user',
      content,
      timestamp: new Date(),
    };
    setMessages(prev => [...prev, userMessage]);
    setIsStreaming(true);
    setCurrentStreamText('');
 
    const controller = new AbortController();
    abortControllerRef.current = controller;
 
    try {
      const response = await fetch('/api/agent/chat', {
        method: 'POST',
        headers: {
          'Content-Type': 'application/json',
          'Authorization': `Bearer ${await getAuthToken()}`,
        },
        body: JSON.stringify({ message: content, agentType }),
        signal: controller.signal,
      });
 
      if (!response.ok) throw new Error('API request failed');
 
      const reader = response.body!.getReader();
      const decoder = new TextDecoder();
      let accumulatedText = '';
      let toolUses: { type: string; name: string }[] = [];
 
      while (true) {
        const { done, value } = await reader.read();
        if (done) break;
 
        const chunk = decoder.decode(value, { stream: true });
        const lines = chunk.split('\n');
 
        for (const line of lines) {
          if (!line.startsWith('data: ')) continue;
          const data = JSON.parse(line.slice(6));
 
          if (data.type === 'text_delta') {
            accumulatedText += data.delta;
            setCurrentStreamText(accumulatedText);
          } else if (data.type === 'tool_uses') {
            toolUses = data.tools;
          } else if (data.type === 'done') {
            // 完了 — アシスタントメッセージを確定
            const assistantMessage: Message = {
              id: `assistant-${Date.now()}`,
              role: 'assistant',
              content: accumulatedText,
              toolUses: toolUses.length > 0 ? toolUses : undefined,
              timestamp: new Date(),
            };
            setMessages(prev => [...prev, assistantMessage]);
            setCurrentStreamText('');
          }
        }
      }
    } catch (error) {
      if (error instanceof Error && error.name !== 'AbortError') {
        onError?.(error);
      }
    } finally {
      setIsStreaming(false);
      abortControllerRef.current = null;
    }
  }, [isStreaming, agentType, onError]);
 
  const stopStreaming = useCallback(() => {
    abortControllerRef.current?.abort();
    setIsStreaming(false);
    setCurrentStreamText('');
  }, []);
 
  const resetThread = useCallback(async () => {
    setMessages([]);
    // バックエンドのスレッドもリセット
    await fetch('/api/agent/chat', {
      method: 'POST',
      headers: {
        'Content-Type': 'application/json',
        'Authorization': `Bearer ${await getAuthToken()}`,
      },
      body: JSON.stringify({ message: '---reset---', agentType, resetThread: true }),
    });
  }, [agentType]);
 
  return {
    messages,
    isStreaming,
    currentStreamText,
    sendMessage,
    stopStreaming,
    resetThread,
  };
}

チャット UI コンポーネント

// components/AgentChatScreen.tsx
import React, { useState, useRef, useEffect } from 'react';
import {
  View,
  ScrollView,
  TextInput,
  TouchableOpacity,
  Text,
  StyleSheet,
  ActivityIndicator,
  Animated,
} from 'react-native';
import { useAgentChat } from '../hooks/useAgentChat';
 
interface AgentChatScreenProps {
  agentType?: 'general' | 'search' | 'analyst';
  title?: string;
}
 
export function AgentChatScreen({ agentType = 'general', title = 'AI アシスタント' }: AgentChatScreenProps) {
  const [inputText, setInputText] = useState('');
  const scrollViewRef = useRef<ScrollView>(null);
  const cursorOpacity = useRef(new Animated.Value(1)).current;
 
  const { messages, isStreaming, currentStreamText, sendMessage, stopStreaming } = useAgentChat({
    agentType,
    onError: (err) => console.error('Chat error:', err),
  });
 
  // カーソルアニメーション
  useEffect(() => {
    if (isStreaming) {
      Animated.loop(
        Animated.sequence([
          Animated.timing(cursorOpacity, { toValue: 0, duration: 500, useNativeDriver: true }),
          Animated.timing(cursorOpacity, { toValue: 1, duration: 500, useNativeDriver: true }),
        ])
      ).start();
    } else {
      cursorOpacity.setValue(1);
    }
  }, [isStreaming]);
 
  // 新メッセージ時にスクロール
  useEffect(() => {
    setTimeout(() => {
      scrollViewRef.current?.scrollToEnd({ animated: true });
    }, 100);
  }, [messages, currentStreamText]);
 
  const handleSend = async () => {
    if (!inputText.trim() || isStreaming) return;
    const text = inputText;
    setInputText('');
    await sendMessage(text);
  };
 
  return (
    <View style={styles.container}>
      <ScrollView ref={scrollViewRef} style={styles.messageList} contentContainerStyle={styles.messageListContent}>
        {messages.map((msg) => (
          <View key={msg.id} style={[styles.messageBubble, msg.role === 'user' ? styles.userBubble : styles.assistantBubble]}>
            {msg.toolUses && msg.toolUses.length > 0 && (
              <View style={styles.toolBadgeContainer}>
                {msg.toolUses.map((tool, i) => (
                  <View key={i} style={styles.toolBadge}>
                    <Text style={styles.toolBadgeText}>
                      {tool.name === 'web_search_preview' ? '🔍 Web検索' :
                       tool.name === 'code_interpreter' ? '💻 コード実行' : tool.name}
                    </Text>
                  </View>
                ))}
              </View>
            )}
            <Text style={[styles.messageText, msg.role === 'user' ? styles.userText : styles.assistantText]}>
              {msg.content}
            </Text>
          </View>
        ))}
 
        {/* ストリーミング中のメッセージ */}
        {isStreaming && currentStreamText ? (
          <View style={[styles.messageBubble, styles.assistantBubble]}>
            <Text style={[styles.messageText, styles.assistantText]}>
              {currentStreamText}
              <Animated.Text style={{ opacity: cursorOpacity }}>▌</Animated.Text>
            </Text>
          </View>
        ) : null}
 
        {/* 読み込み中インジケーター */}
        {isStreaming && !currentStreamText ? (
          <View style={[styles.messageBubble, styles.assistantBubble, styles.loadingBubble]}>
            <ActivityIndicator size="small" color="#666" />
          </View>
        ) : null}
      </ScrollView>
 
      <View style={styles.inputContainer}>
        <TextInput
          style={styles.textInput}
          value={inputText}
          onChangeText={setInputText}
          placeholder="メッセージを入力..."
          multiline
          maxLength={2000}
          editable={!isStreaming}
        />
        <TouchableOpacity
          style={[styles.sendButton, isStreaming && styles.stopButton]}
          onPress={isStreaming ? stopStreaming : handleSend}
        >
          <Text style={styles.sendButtonText}>
            {isStreaming ? '⏹ 停止' : '送信'}
          </Text>
        </TouchableOpacity>
      </View>
    </View>
  );
}
 
const styles = StyleSheet.create({
  container: { flex: 1, backgroundColor: '#f8f9fa' },
  messageList: { flex: 1 },
  messageListContent: { padding: 16, gap: 12 },
  messageBubble: {
    maxWidth: '85%',
    borderRadius: 16,
    padding: 12,
  },
  userBubble: {
    alignSelf: 'flex-end',
    backgroundColor: '#007AFF',
  },
  assistantBubble: {
    alignSelf: 'flex-start',
    backgroundColor: '#ffffff',
    shadowColor: '#000',
    shadowOffset: { width: 0, height: 1 },
    shadowOpacity: 0.1,
    shadowRadius: 4,
    elevation: 2,
  },
  loadingBubble: { padding: 16 },
  messageText: { fontSize: 15, lineHeight: 22 },
  userText: { color: '#ffffff' },
  assistantText: { color: '#1a1a1a' },
  toolBadgeContainer: { flexDirection: 'row', flexWrap: 'wrap', gap: 4, marginBottom: 8 },
  toolBadge: {
    backgroundColor: '#e8f4f8',
    borderRadius: 8,
    paddingHorizontal: 8,
    paddingVertical: 3,
  },
  toolBadgeText: { fontSize: 11, color: '#0066cc', fontWeight: '600' },
  inputContainer: {
    flexDirection: 'row',
    padding: 12,
    backgroundColor: '#ffffff',
    borderTopWidth: 1,
    borderTopColor: '#e0e0e0',
    gap: 8,
    alignItems: 'flex-end',
  },
  textInput: {
    flex: 1,
    borderWidth: 1,
    borderColor: '#e0e0e0',
    borderRadius: 20,
    paddingHorizontal: 16,
    paddingVertical: 10,
    maxHeight: 120,
    fontSize: 15,
    backgroundColor: '#f8f9fa',
  },
  sendButton: {
    backgroundColor: '#007AFF',
    borderRadius: 20,
    paddingHorizontal: 16,
    paddingVertical: 10,
    justifyContent: 'center',
  },
  stopButton: { backgroundColor: '#FF3B30' },
  sendButtonText: { color: '#ffffff', fontWeight: '600', fontSize: 15 },
});

Step 3：エージェントタイプ別の活用戦略

1. 検索エージェント（search）：最新情報を必要とするユースケース

Web検索ツールを組み込んだ検索エージェントは、以下のようなアプリに最適です：

最新ニュース収集アプリ: 特定トピックの最新情報を AI が要約して提供
価格比較アプリ: ECサイトの価格情報をリアルタイムで比較・分析
競合調査ツール: App Store のレビューや競合アプリ情報を自動収集

実装例（検索エージェントのプロンプト調整）：

// 特定ドメインに限定した検索エージェント
const restrictedSearchPrompt = `
あなたはApp Store最適化（ASO）の専門アシスタントです。
Web検索を使って以下の情報のみを調査してください：
1. App Storeのカテゴリランキング変動
2. 競合アプリの最新レビュートレンド
3. ASO関連の最新ベストプラクティス
 
個人情報や機密情報の収集は行わないでください。
`;

2. 分析エージェント（analyst）：データ分析ユースケース

コードインタプリタを活用した分析エージェントは、以下のシナリオで威力を発揮します：

収益分析ダッシュボード: AdMob / Stripe の収益データを CSV でアップロードし、AI が自動分析・グラフ生成
ユーザー行動分析: Firebase Analytics のエクスポートデータを自然言語で質問・分析
A/B テスト結果評価: 統計的有意性の計算を AI が自動実行

// ファイルアップロード + 分析エージェントの連携
const analyzeRevenue = async (csvData: string) => {
  // まずファイルをアップロード
  const uploadResponse = await fetch('/api/agent/files', {
    method: 'POST',
    headers: {
      'Content-Type': 'application/json',
      'Authorization': `Bearer ${authToken}`,
    },
    body: JSON.stringify({ content: csvData, filename: 'revenue.csv' }),
  });
  const { fileId } = await uploadResponse.json();
 
  // ファイルIDを含めてメッセージ送信
  await sendMessage(
    `アップロードしたCSV（fileId: ${fileId}）の収益データを分析してください。
    月次トレンド、上位収益源、異常値を特定し、改善提案を含めてください。`
  );
};

Step 4：コスト管理とレート制限

トークン消費量のモニタリング

Responses API はトークン単位での課金です。モバイルアプリで商用運用する場合、コスト管理は不可欠です。

// src/app/api/agent/usage/route.ts
export async function GET(request: Request) {
  const { env } = await getCloudflareContext();
  const userId = await getUserIdFromToken(request.headers.get('Authorization')!);
 
  // 当月の使用量をKVから取得
  const month = new Date().toISOString().slice(0, 7); // "2026-04"
  const usageKey = `usage:${userId}:${month}`;
  const usageStr = await env.KV.get(usageKey);
  const usage = usageStr ? JSON.parse(usageStr) : { inputTokens: 0, outputTokens: 0, requests: 0 };
 
  // プランごとの制限チェック（Proは月500リクエスト、Premiumは無制限）
  const plan = await getUserPlan(userId, env);
  const limit = plan === 'premium' ? Infinity : 500;
 
  return Response.json({
    usage,
    limit,
    remaining: Math.max(0, limit - usage.requests),
    plan,
  });
}

レート制限の実装

// ユーザーごとのレート制限（1分あたり10リクエスト）
async function checkRateLimit(userId: string, env: CloudflareEnv): Promise<boolean> {
  const key = `ratelimit:${userId}:${Math.floor(Date.now() / 60000)}`;
  const current = parseInt(await env.KV.get(key) || '0');
 
  if (current >= 10) return false; // 制限超過
 
  await env.KV.put(key, String(current + 1), { expirationTtl: 120 });
  return true;
}

Step 5：Stripe 連携によるプレミアム AI 機能のゲーティング

Responses API の高度なツール（Web検索・コードインタプリタ）は、Stripe のサブスクリプション課金と組み合わせることで、強力な収益化モデルを構築できます。

プランごとのツールアクセス制御

// エージェントタイプをプランで制御
async function getAvailableAgentTypes(userId: string, env: CloudflareEnv): Promise<string[]> {
  const plan = await getUserPlan(userId, env);
 
  switch (plan) {
    case 'premium':
    case 'pro':
      return ['general', 'search', 'analyst']; // 全ツール利用可能
 
    case 'article': // 記事単体購入
      return ['general', 'search']; // Web検索まで利用可能
 
    default: // 無料ユーザー
      return ['general']; // 基本会話のみ
  }
}

収益化モデルの設計

個人開発者が Responses API を軸に月収 100 万円超を目指すための収益構造：

Freeプラン: 基本 AI チャット（general エージェント、月 20 リクエスト）
Pro プラン（¥580/月）: Web 検索対応（search エージェント、月 500 リクエスト）
Premium プラン（¥2,480/永続）: 全機能無制限（analyst エージェント含む）

この構造により、OpenAI API コストを課金収益でカバーしながら、プレミアムユーザーの LTV を最大化できます。

よくあるエラーと対処法

エラー 1：`previous_response_id` が無効になる

原因: Responses API のレスポンス ID は 30 日間しか有効ではありません。また、モデルのバージョン変更でも無効になります。

// 対処：KV 保存時に有効期限チェックを追加
const isValidThread = (state: ThreadState): boolean => {
  const thirtyDaysAgo = Date.now() - 30 * 24 * 60 * 60 * 1000;
  return state.createdAt > thirtyDaysAgo;
};
 
const previousResponseId = threadState && isValidThread(threadState)
  ? threadState.responseId
  : undefined; // 期限切れは新規スレッドとして開始

エラー 2：Web 検索で料金が想定以上に発生する

原因: web_search_preview ツールは呼び出しごとに追加料金が発生します（2026 年現在、約 $0.03/呼び出し）。

// 対処：Web検索の呼び出し回数をKVで追跡
const trackSearchUsage = async (userId: string, env: CloudflareEnv) => {
  const today = new Date().toISOString().slice(0, 10);
  const key = `search_count:${userId}:${today}`;
  const count = parseInt(await env.KV.get(key) || '0');
 
  if (count >= 50) { // 1日50回制限
    throw new Error('Daily search limit reached');
  }
 
  await env.KV.put(key, String(count + 1), { expirationTtl: 86400 });
};

エラー 3：Cloudflare Workers でのストリーミングタイムアウト

原因: Workers のリクエストは最大 30 秒の CPU 時間制限があります。長いストリーミングレスポンスで問題が発生することがあります。

// 対処：チャンクを定期的に flush して接続を維持
// wrangler.toml に以下を追加
// [limits]
// cpu_ms = 30000
//
// さらに、長文生成の場合はmax_output_tokensで制限
const stream = await openai.responses.stream({
  model: 'gpt-4o',
  input: message,
  max_output_tokens: 1500, // Workersのタイムアウト対策
  // ...
});