API 課金ゼロ、Mac 1 台で動く、AI 同士のディベート Bot を作ります。
/debate AI に重要な経営判断を任せていいか と Slack で打つだけで、3 体の AI が議論を始めます。クラウド API を使わないので、何回議論させても追加コストはかかりません。
社内ブレストの種、新企画の壁打ち相手、息抜きのエンタメとして、用途は自由です。
「AI 同士に議論させる」は、ChatGPT や Claude の API を3つ並べれば作れます。ただ、AI 同士の会話は 会話履歴がどんどん蓄積される という性質上、トークン課金との相性が最悪です。1 議論で 200〜500 円かかることもあります。
ローカル LLM を使えば、何ターン回しても電気代だけ。Apple Silicon Mac なら 16GB のメモリがあれば動きます。
社外秘の議題でも安心して投げられるのもメリットです。
Slack のチャンネルで:
/debate リモートワークは生産性を上げるか
と打つと、スレッドの中で 3 体の AI が順番に発言します。
それぞれが違う立場から意見を述べ、3 ターン（計 9 発言）で議論を完結させます。1 議論あたり 3〜5 分。
| 項目 | 必要要件 |
|---|---|
| ハードウェア | Apple Silicon Mac（M1 以降） |
| メモリ | 16GB / 32GB / 64GB（本記事は3パターン対応） |
| OS | macOS 14 以降 |
| Slack | ワークスペースの管理者権限（または App インストール権限） |
| 知識 | ターミナル操作の経験があれば理想、なくても本記事の通りに進めれば動きます |
所要時間: 約 90 分（モデルダウンロード時間を除く）
ランニングコスト: 0 円（電気代を除く）
この記事では「ターミナル」というアプリを使います。Mac に最初から入っている、文字でコマンドを打つ画面のことです。
起動方法: アプリケーション → ユーティリティ → ターミナル.app を開く（または Spotlight で「ターミナル」と検索）。
この記事の使い方: 本文中のグレーの枠の中（例: brew --version のような表記）が、ターミナルに入力するコマンドです。
このようなブロックがコマンドです
操作の基本: コマンドをコピーして、ターミナルに貼り付けて、Enter キーを押します。それだけです。複数行のコマンドでも、まとめてコピー&貼り付けて Enter で実行できます。
Slack チャンネル
├─ @gemma-san ← Gemma（慎重派）
├─ @qwen-san ← Qwen（革新派）
└─ @llama-san ← Llama（中立派）
↑
Python ボット (Slack Bolt + Socket Mode)
↓
Ollama (http://localhost:11434)
↓
Mac 内でモデル稼働
Socket Mode を使うため、外部公開エンドポイント不要で、自分の Mac から直接 Slack に接続できます。
まずシェルの種類を確認します。後で設定ファイルを書き込む先が変わるので、この情報はメモしておいてください。
echo $SHELL
結果が /bin/bash なら bash、/bin/zsh なら zsh です。新しめの Mac ではほぼ zsh のはずです。
続いて、必要なソフトが入っているか確認します。
sw_vers
brew --version
python3 --version
brew --version で「command not found」と出たら、Homebrew をインストールします:
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
Python は 3.9 以上であれば動きますが、3.11 以上を推奨します。
brew install ollama
brew services start ollama
起動確認:
curl http://localhost:11434/api/tags
{"models":[]} と返れば OK です。
メモリサイズによって、選ぶモデルが変わります。該当するパターンの 3 つだけダウンロードしてください。
議論の質が高く、論理的な応答が期待できます。
ollama pull gemma2:9b # 約 5.5GB
ollama pull qwen2.5:7b # 約 4.7GB
ollama pull llama3.1:8b # 約 4.9GB
応答のテンポが良く、メモリへの負担も軽いです。議論の深みは A よりやや劣ります。
ollama pull gemma3:4b # 約 3.3GB
ollama pull qwen2.5:3b # 約 2.0GB
ollama pull phi4-mini # 約 2.5GB
応答は遅めですが、複雑な議論にも対応できます。
ollama pull qwen2.5:14b # 約 9GB
ollama pull gemma2:9b # 約 5.5GB
ollama pull phi4:14b # 約 9GB
それぞれのパターンで合計約 8〜30GB のダウンロードです。回線速度次第で 30〜90 分かかります。
ダウンロードしたモデルが日本語で動くかテストします。自分のパターンに合わせてコマンド内のモデル名を読み替えてください。
ollama run gemma2:9b "こんにちは。日本語で短く自己紹介してください。"
応答を確認したら Ctrl+D で終了。同じく残り 2 つのモデルもテスト。3 つとも日本語で応答すれば Phase 1 完了です。
デフォルトでは使っていないモデルが 5 分でメモリから降りてしまい、次回応答が遅くなります。長時間常駐させるための設定です。
Phase 0 で確認したシェルに合わせて、以下のいずれかを実行してください。
bash の場合:
echo 'export OLLAMA_KEEP_ALIVE=24h' >> ~/.bash_profile
source ~/.bash_profile
zsh の場合:
echo 'export OLLAMA_KEEP_ALIVE=24h' >> ~/.zshrc
source ~/.zshrc
確認:
echo $OLLAMA_KEEP_ALIVE
24h と表示されれば成功です。
各 AI ごとに別の Slack App を作ります。アイコンと名前で個性が出るので、楽しい工程です。
ブラウザで https://api.slack.com/apps を開き、自分のワークスペースにログインします。
gemma-san と入力、Workspace は自分のワークスペースを選択 → Create App{
"display_information": {
"name": "gemma-san",
"description": "AI Debate Bot - 慎重派",
"background_color": "#4A8CB7"
},
"features": {
"bot_user": {
"display_name": "gemma-san",
"always_online": true
},
"slash_commands": [
{
"command": "/debate",
"description": "AI 3体に議論させる",
"usage_hint": "[議題]",
"should_escape": false
}
]
},
"oauth_config": {
"scopes": {
"bot": [
"app_mentions:read",
"channels:history",
"chat:write",
"chat:write.customize",
"commands"
]
}
},
"settings": {
"event_subscriptions": {
"bot_events": [
"app_mention",
"message.channels"
]
},
"interactivity": {
"is_enabled": true
},
"org_deploy_enabled": false,
"socket_mode_enabled": true,
"token_rotation_enabled": false
}
}
gemma-socket と入力、Scope に connections:write を選んで Generatexapp- で始まるトークンをコピー保存（これは一度しか表示されません。テキストエディタなどに必ず貼り付けて保存）xoxb- で始まる Bot Token をコピー保存Your Apps に戻って Create New App → From scratch で qwen-san を作成し、Manifest に以下を貼り付け:
{
"display_information": {
"name": "qwen-san",
"description": "AI Debate Bot - 革新派",
"background_color": "#A04B7C"
},
"features": {
"bot_user": {
"display_name": "qwen-san",
"always_online": true
}
},
"oauth_config": {
"scopes": {
"bot": [
"app_mentions:read",
"channels:history",
"chat:write",
"chat:write.customize"
]
}
},
"settings": {
"event_subscriptions": {
"bot_events": [
"app_mention",
"message.channels"
]
},
"interactivity": {
"is_enabled": true
},
"org_deploy_enabled": false,
"socket_mode_enabled": true,
"token_rotation_enabled": false
}
}
slash_commands と commands スコープが無いことに注意。スラッシュコマンドは gemma-san が司令塔として一括で受けます。
App Token (xapp-) と Bot Token (xoxb-) を取得して保存。
同じく llama-san を作り、Manifest:
{
"display_information": {
"name": "llama-san",
"description": "AI Debate Bot - 中立派",
"background_color": "#5B8C5A"
},
"features": {
"bot_user": {
"display_name": "llama-san",
"always_online": true
}
},
"oauth_config": {
"scopes": {
"bot": [
"app_mentions:read",
"channels:history",
"chat:write",
"chat:write.customize"
]
}
},
"settings": {
"event_subscriptions": {
"bot_events": [
"app_mention",
"message.channels"
]
},
"interactivity": {
"is_enabled": true
},
"org_deploy_enabled": false,
"socket_mode_enabled": true,
"token_rotation_enabled": false
}
}
App Token と Bot Token を取得して保存。
最終的に手元に 6 つのトークンが揃います。テキストエディタなどにこのような形でメモしておいてください:
gemma-san
Bot Token: xoxb-...
App Token: xapp-...
qwen-san
Bot Token: xoxb-...
App Token: xapp-...
llama-san
Bot Token: xoxb-...
App Token: xapp-...
xoxb- が Bot Token、xapp- が App Token です。混ざりやすいので注意してください。
ターミナルで以下を実行（コピーして Enter）:
mkdir -p ~/ai-debate-bot
cd ~/ai-debate-bot
python3 -m venv venv
source venv/bin/activate
pip install slack-bolt slack-sdk requests python-dotenv
最後の pip install は数十秒〜1分ほどかかります。プロンプトの先頭に (venv) が付くようになれば、Python の仮想環境に入っている状態です。
トークンを保存するファイルを作成します。
ターミナルで以下を実行:
nano ~/ai-debate-bot/.env
nano というシンプルなエディタが開きます。以下のテンプレートを貼り付けて、xxx... の部分を Phase 2 で保存した実際のトークンで置き換えてください:
GEMMA_BOT_TOKEN=xoxb-xxx
GEMMA_APP_TOKEN=xapp-xxx
QWEN_BOT_TOKEN=xoxb-xxx
QWEN_APP_TOKEN=xapp-xxx
LLAMA_BOT_TOKEN=xoxb-xxx
LLAMA_APP_TOKEN=xapp-xxx
OLLAMA_URL=http://localhost:11434
MAX_TURNS_PER_AI=3
入力できたら、保存して終了します:
確認:
cat ~/ai-debate-bot/.env
6 行のトークン行が正しく書かれているか目視で確認してください。
重要:
.envファイルは絶対に Git に commit したり、SNS にスクショで載せたりしないでください。トークンが漏れると bot が乗っ取られます。
トークンの prefix（xoxb- と xapp-）が逆になっていると、よくあるトラブルになります。確認用のコマンドを実行します:
grep "BOT_TOKEN" ~/ai-debate-bot/.env | grep -v "xoxb-" && echo "❌ BOT_TOKEN が xoxb- で始まっていません" || echo "✅ BOT_TOKEN は OK"
grep "APP_TOKEN" ~/ai-debate-bot/.env | grep -v "xapp-" && echo "❌ APP_TOKEN が xapp- で始まっていません" || echo "✅ APP_TOKEN は OK"
両方とも ✅ が出れば OK です。
このファイルが bot の本体です。長いコードですが、以下のコマンドを そのまま全部コピーしてターミナルに貼り付けて Enter すれば、ファイルが一気に作成されます。
cat > ~/ai-debate-bot/bot.py << 'PYEOF'
import os
import re
import threading
import time
import requests
from dotenv import load_dotenv
from slack_bolt import App
from slack_bolt.adapter.socket_mode import SocketModeHandler
from slack_sdk import WebClient
load_dotenv(os.path.expanduser("~/ai-debate-bot/.env"))
OLLAMA_URL = os.environ["OLLAMA_URL"]
MAX_TURNS = int(os.environ.get("MAX_TURNS_PER_AI", "3"))
ANTI_ROLLEPLAY_RULE = (
"\n\n【厳守ルール】\n"
"1. あなたが書いていいのは、あなた自身の発言「1人分」だけです。\n"
"2. 他の登場人物のセリフを絶対に書いてはいけません。\n"
"3. 「【役名】」のような見出しは絶対に書かないでください。\n"
"4. 「〜さん:」「〜様:」のような自己紹介ラベルも書かないでください。\n"
"5. あなたの発言を1回書いたら、すぐに発言を終了してください。"
)
AGENTS = [
{
"name": "gemma-san",
"model": "gemma2:9b",
"bot_token": os.environ["GEMMA_BOT_TOKEN"],
"app_token": os.environ["GEMMA_APP_TOKEN"],
"persona": "あなたは慎重派の論者「ジェマ」です。リスクや前提を丁寧に検討してから意見を述べます。日本語で200字以内で返答してください。他の論者の意見も踏まえて議論を深めてください。",
"icon_emoji": ":seedling:",
},
{
"name": "qwen-san",
"model": "qwen2.5:7b",
"bot_token": os.environ["QWEN_BOT_TOKEN"],
"app_token": os.environ["QWEN_APP_TOKEN"],
"persona": "あなたは革新派の論者「クウェン」です。新しい可能性や大胆な提案を積極的に出します。日本語で200字以内で返答してください。他の論者の意見も踏まえて議論を深めてください。",
"icon_emoji": ":zap:",
},
{
"name": "llama-san",
"model": "llama3.1:8b",
"bot_token": os.environ["LLAMA_BOT_TOKEN"],
"app_token": os.environ["LLAMA_APP_TOKEN"],
"persona": "あなたは中立派の論者「ラマ」です。両論を整理し、論点を明確にする役回りです。日本語で200字以内で返答してください。他の論者の意見も踏まえて議論を深めてください。",
"icon_emoji": ":scales:",
},
]
gemma_app = App(token=AGENTS[0]["bot_token"])
for agent in AGENTS:
agent["client"] = WebClient(token=agent["bot_token"])
def call_ollama(model, system_prompt, history):
full_prompt = system_prompt + ANTI_ROLLEPLAY_RULE
messages = [{"role": "system", "content": full_prompt}] + history
resp = requests.post(
f"{OLLAMA_URL}/api/chat",
json={
"model": model,
"messages": messages,
"stream": False,
"options": {"num_ctx": 4096, "temperature": 0.9},
},
timeout=180,
)
resp.raise_for_status()
return resp.json()["message"]["content"].strip()
def clean_response(text, all_names):
for name in all_names:
text = re.sub(rf"^[【\[]?{re.escape(name)}[】\]]?\s*[::]?\s*", "", text, count=1)
earliest_cut = len(text)
for name in all_names:
for pat in [rf"【{re.escape(name)}】", rf"\[{re.escape(name)}\]", rf"\n{re.escape(name)}\s*[::]"]:
m = re.search(pat, text)
if m and m.start() < earliest_cut:
earliest_cut = m.start()
return text[:earliest_cut].strip()
def post_as(agent, channel, text, thread_ts=None):
agent["client"].chat_postMessage(
channel=channel,
text=text,
username=agent["name"],
icon_emoji=agent["icon_emoji"],
thread_ts=thread_ts,
)
def run_debate(channel, topic, thread_ts):
history = []
history.append({
"role": "user",
"content": f"議題: {topic}\n\nこの議題について各論者で議論してください。発言は自分の分だけ書き、他者のセリフは書かないでください。"
})
all_names = [a["name"] for a in AGENTS]
for turn in range(MAX_TURNS):
for agent in AGENTS:
try:
print(f"[Turn {turn+1}] {agent['name']} thinking...")
raw = call_ollama(agent["model"], agent["persona"], history)
response = clean_response(raw, all_names)
if not response.strip():
response = raw
post_as(agent, channel, response, thread_ts=thread_ts)
history.append({
"role": "user",
"content": f"# {agent['name']} の発言:\n{response}",
})
time.sleep(2)
except Exception as e:
print(f"Error: {agent['name']}: {e}")
post_as(AGENTS[0], channel, "💬 議論を終了しました。", thread_ts=thread_ts)
@gemma_app.command("/debate")
def handle_debate(ack, command, client):
ack()
topic = command.get("text", "").strip()
channel = command["channel_id"]
if not topic:
client.chat_postMessage(
channel=channel,
text="議題を指定してください。例: `/debate リモートワークは生産性を上げるか`"
)
return
parent = client.chat_postMessage(
channel=channel,
text=f"🎤 *議題*: {topic}\n3体の AI が議論します...",
)
thread_ts = parent["ts"]
threading.Thread(
target=run_debate,
args=(channel, topic, thread_ts),
daemon=True,
).start()
@gemma_app.event("message")
def handle_message_events(body, logger):
pass
if __name__ == "__main__":
print("AI Debate Bot を起動します...")
print(f"参加 AI: {[a['name'] for a in AGENTS]}")
print(f"各 AI 最大ターン数: {MAX_TURNS}")
handler = SocketModeHandler(gemma_app, AGENTS[0]["app_token"])
handler.start()
PYEOF
「PYEOF」の行までを すべて含めて コピーしてください。最後の PYEOF までが 1 つのコマンドです。
実行後、ファイルが正しく作成されたか確認:
wc -l ~/ai-debate-bot/bot.py
130 前後の数字が出れば成功です。
Phase 1-3 で パターン B（16GB） を選んだ方は、bot.py の中の model 名を書き換える必要があります。
sed -i '' 's|"gemma2:9b"|"gemma3:4b"|; s|"qwen2.5:7b"|"qwen2.5:3b"|; s|"llama3.1:8b"|"phi4-mini"|' ~/ai-debate-bot/bot.py
確認:
grep '"model"' ~/ai-debate-bot/bot.py
gemma3:4b、qwen2.5:3b、phi4-mini が表示されれば OK。
（パターン A・C の方はそのままで大丈夫です）
cd ~/ai-debate-bot
source venv/bin/activate
python bot.py
以下のメッセージが出れば成功です:
AI Debate Bot を起動します...
参加 AI: ['gemma-san', 'qwen-san', 'llama-san']
各 AI 最大ターン数: 3
⚡️ Bolt app is running!
このターミナルウィンドウは閉じないでください。閉じると bot が止まります。Slack 操作は別のウィンドウやアプリで行います。
Slack で任意のチャンネル（新規に #ai-debate などを作るのがおすすめ）を開き、3 つの bot を招待します:
/invite @gemma-san
/invite @qwen-san
/invite @llama-san
/debate リモートワークは生産性を上げるか
スレッド内で 3 体が順番に発言します。各 AI が 3 ターン発言するので、合計 9 発言。1 議論で約 3〜5 分かかります（7〜9B 級の場合）。
応答開始まで 15〜30 秒待つことがあります。Slack のリアルタイムチャットというより、「ゆったりとした議論」の体感です。
対立軸が明確な議題ほど議論が盛り上がります。
/debate リモートワークと出社、どちらが生産的か
/debate AI に重要な経営判断を任せていいか
/debate 終身雇用は維持すべきか
/debate 副業解禁は本業を蝕むか
/debate 生成 AI に著作権を認めるべきか
/debate ホームページを人間用に作る時代は終わったか
最後の議題は、Interlink が 2026 年 4 月から実践している「人間用ホームページをやめました」を AI に議論させる、自社批評の試みです。よかったら試してみてください。
| 症状 | 原因 | 対処 |
|---|---|---|
curl http://localhost:11434/api/tags が応答しない |
Ollama が起動していない | brew services restart ollama |
| Slack に発言が出ない | Bot がチャンネルに招待されていない | /invite @bot名 |
not_in_channel エラー |
同上 | 同上 |
| 応答が極端に遅い | モデルがメモリから降りた | OLLAMA_KEEP_ALIVE=24h 設定を再確認 |
Invalid auth エラー |
トークンの取り違え | .env の Bot Token と App Token が逆になっていないか確認（Phase 3-3 のチェック実行） |
| 文字化け・英語混じり | モデルが日本語苦手 | bot.py 内の persona の最後に「必ず日本語で」を追記 |
command not found: brew |
Homebrew が未インストール | Phase 0 の Homebrew インストールから実行 |
混同しやすいので注意:
xoxb- で始まる): bot として発言するためのトークン → *_BOT_TOKEN に入れるxapp- で始まる): Socket Mode の接続用トークン → *_APP_TOKEN に入れるシンプル版が動いたら、以下のような拡張が楽しめます。
3 体の役割を変えるだけで、まったく違う体験になります。
AI が他のキャラのセリフまで書いてしまう「ロールジャック」現象が起きることがあります。本記事のコードには簡易対策（clean_response 関数）を入れていますが、persona の指示を強化したり、最終出力に正規表現フィルタをかけるなど、改善の余地があります。
法廷型のように「途中までは質問だけ、最後だけ判決を出す」という時系列の役割変化を実装する場合、ターン番号を見て persona を切り替える仕組みが必要です。
スレッド内で人間が発言したら、それも履歴に取り込んで AI が応答するように改造すれば、人間 + AI の混合議論が可能です。
議論ログを Markdown で書き出して社内 Wiki に蓄積する、という運用も面白いです。
日本語特化モデル（ELYZA、Swallow など）や、より大きい 14B 級モデルに置き換えると、議論の質感が変わります。
冒頭に書いた通り、AI 同士の議論は会話履歴がどんどん蓄積される性質があり、クラウド API のトークン課金との相性が悪いです。
具体的なコスト試算: 3 体の AI が議題について 3 ターンずつ議論する場合、各 AI は毎回過去の全履歴を入力として受け取ります。1 議論で累積入力トークンは数十万トークン、合計コストは 1 議論あたり 200〜500 円になることもあります。
ローカル LLM の利点:
欠点は応答速度とモデル品質ですが、議論の楽しさを優先するなら十分実用的です。
Interlink では、ローカル LLM や AI ツールの活用について継続的に記事を公開しています。本記事と合わせて読むと理解が深まります。
ローカル LLM 3 体を Slack に住まわせて、好きなだけ議論させる仕組みが完成しました。
社内コミュニケーションのアクセントとしても、ブレストの種としても使えます。ぜひ自分の好みに合わせてカスタマイズしてみてください。
本記事のコードは自由に利用・改変いただけます。動作については自己責任でお願いします。
この記事が役に立ったら押してください（ログイン不要）
コメント・リアクション（GitHubアカウントが必要です）