Rork Max の App Intents で Siri とショートカットにアプリの操作を渡す

ショートカットとして自動登録する

インテントを作っただけでは、Siri はフレーズを知りません。AppShortcutsProvider で、呼び出しフレーズと結びつけます。

struct WaterShortcuts: AppShortcutsProvider {
    static var appShortcuts: [AppShortcut] {
        AppShortcut(
            intent: LogWaterIntent(),
            phrases: [
                "\(.applicationName)で水を記録",
                "\(.applicationName)に水を飲んだと伝える"
            ],
            shortTitle: "水を記録",
            systemImageName: "drop.fill"
        )
    }
}

\(.applicationName) は必須です。フレーズには必ずアプリ名のプレースホルダを含める必要があり、これを抜くとビルド時に弾かれます。フレーズは複数登録でき、ユーザーが言いそうな言い回しを2〜3個用意しておくと認識率が上がります。

パラメータ付きインテントで Siri に値を尋ねさせる

「3杯記録」のように数を指定したい場合は、@Parameter を足します。値が渡されなければ、Siri が自動で尋ねてくれます。

struct LogWaterAmountIntent: AppIntent {
    static var title: LocalizedStringResource = "杯数を指定して水を記録"
 
    @Parameter(title: "杯数")
    var glasses: Int
 
    func perform() async throws -> some IntentResult & ProvidesDialog {
        await WaterStore.shared.add(glasses: glasses)
        return .result(dialog: "\(glasses)杯を記録しました。")
    }
}

@Parameter の title が、Siri が値を尋ねるときの文言になります。ここを「杯数」のように具体的にしておくと、「何杯ですか」と自然に聞き返してくれます。曖昧な名前にすると、聞き返しの日本語も曖昧になります。

本番で詰まった点とその対処

実機に出してから気づいた、説明書には書かれていない挙動を、詰まった順に挙げます。

1. ショートカットの登録が即座に反映されないことがあります。AppShortcutsProvider を変更しても、アプリを一度起動し直すまで Siri に伝わらないためです。AppShortcuts.updateAppShortcutParameters() を起動時に呼ぶと反映が早まります。私はここで「フレーズを変えたのに認識されない」と1時間ほど溶かしました。
2. フレーズが他アプリと衝突すると、意図しないアプリが起動します。アプリ名を含めるルールはこの衝突を避けるためでもあり、汎用的すぎる言い回し（「記録して」だけ等）は避けるのが本番での対処です。
3. 破壊的な操作（削除など）は、perform() の前に確認を挟みます。インテント側で requestConfirmation() を呼ぶと、Siri が「本当に削除しますか」と確認してくれます。記録の追加のような可逆な操作は確認なしで素早く、削除のような不可逆な操作は確認ありで、と切り分けます。
4. シミュレータでも基本動作は確認できますが、実際の音声認識の精度や日本語フレーズの揺れは実機でしか分かりません。フレーズ設計の最終確認は実機で行うことを強く推奨します。

数字で言えば、フレーズを2つから3つに増やしただけで、私の手元では音声からの起動成功がはっきり安定しました。言い回しの揺れを吸収できる数を、最初から用意しておくのが結局は近道でした。

どの操作をインテント化するかの判断

すべての操作をインテントにする必要はありません。むしろ、入口を増やしすぎると Siri が候補を絞れず、認識精度がかえって落ちます。私が推奨するのは、「一日に何度も繰り返す」かつ「一手で完結する」操作だけを選ぶことです。水の記録のように頻度が高く可逆な操作は、声の入口を用意する価値が大きい一方、設定変更のように稀で複雑な操作は、画面に残したほうが迷いません。

判断に迷ったときは、その操作を声に出して言ってみて自然かどうかを基準にしています。「水を飲んだ」は自然ですが、「設定の通知のトグルをオンにして」は不自然です。声に乗らない操作は、無理にインテント化しないのが私の運用です。この線引きを最初に決めておくと、インテントの数が適正に収まり、保守の負担も軽くなります。

どこを Rork Max に任せ、どこを手で書くか

私の判断では、インテントの定義とフレーズ設計は手で書きます。フレーズは日本語の言い回しの機微が絡み、生成任せにすると不自然な言葉が混じりやすいからです。一方で、perform() が呼ぶデータ操作の本体や、結果を表示する画面は Rork Max の生成コードをそのまま使えます。操作を関数として綺麗に切り出してあれば、インテントはその薄い包み紙で済みます。

App Intents は派手な機能ではありませんが、毎日繰り返す操作の摩擦を消すという一点で、継続率に効きます。広告収益で言えば AdMob のような直接の柱とは別に、使い続けてもらうための土台を支える機能です。一声で済む心地よさは、一度味わうと戻れません。最初の一つを通しておく価値は十分にあると感じています。

お読みいただきありがとうございました。