Ollama で ChatGPT に似た Web アプリを構築する
この章では、ChatGPT に似たアプリを構築します。複数セッションの切り替え、履歴のデータベースへの永続化、完全なフロントエンドインターフェース、そして3つのデプロイ方法を備えています。
機能計画とデータモデル
実用的なチャット製品には、少なくとも4つの機能が必要です:複数セッションの分離、履歴の永続化、ストリーミング応答、セッション管理(新規作成と削除)。
これらの機能を支えるデータベースモデルは、2つのテーブルだけで十分です:
chats はセッションリストを保存し、messages は外部キーでグループ化して各メッセージを保存します。セッションを切り替えると、対応する messages を Ollama の messages 配列に組み立てるだけで、完全なコンテキストを復元できます。
技術スタックは最小依存の原則に従います:Flask + sqlite3(Python 標準ライブラリ)+ 素の JavaScript フロントエンド。フロントエンドフレームワークはゼロです。
flask と ollama 拡張をインストールします:
pip install flask ollama
モデルを読み込みます:
ollama pull qwen3.5:4b
バックエンド:セッションとメッセージの完全な API
バックエンドの役割は明確です:2つのテーブルを管理し、/api/chat のストリーミング応答を1件ずつデータベースに書き込みます。
実装例
import json
import sqlite3
from flask import Flask, request, Response, jsonify, stream_with_context
from ollama import chat
app = Flask(__name__)
DB = 'chats.db'
def db():
"""データベース接続を開き、行を辞書形式で返す"""
conn = sqlite3.connect(DB)
conn.row_factory = sqlite3.Row
return conn
def init_db():
with db() as conn:
conn.executescript('''
CREATE TABLE IF NOT EXISTS chats(
id INTEGER PRIMARY KEY AUTOINCREMENT,
title TEXT NOT NULL,
created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);
CREATE TABLE IF NOT EXISTS messages(
id INTEGER PRIMARY KEY AUTOINCREMENT,
chat_id INTEGER NOT NULL,
role TEXT NOT NULL,
content TEXT NOT NULL
);
''')
init_db()
# セッションリスト
@app.get('/api/chats')
def list_chats():
with db() as conn:
rows = conn.execute(
'SELECT id, title, created_at FROM chats ORDER BY id DESC'
).fetchall()
return jsonify([dict(r) for r in rows])
# 新規セッション作成
@app.post('/api/chats')
def create_chat():
title = (request.json or {}).get('title', '新しいセッション')
with db() as conn:
cur = conn.execute('INSERT INTO chats(title) VALUES (?)', (title,))
return jsonify({'id': cur.lastrowid, 'title': title})
# セッション削除(メッセージも一緒に)
@app.delete('/api/chats/<int:cid>')
def delete_chat(cid):
with db() as conn:
conn.execute('DELETE FROM messages WHERE chat_id=?', (cid,))
conn.execute('DELETE FROM chats WHERE id=?', (cid,))
return jsonify({'ok': True})
# 特定のセッションの履歴を読み取る
@app.get('/api/chats/<int:cid>/messages')
def get_messages(cid):
with db() as conn:
rows = conn.execute(
'SELECT role, content FROM messages WHERE chat_id=? ORDER BY id',
(cid,)
).fetchall()
return jsonify([dict(r) for r in rows])
バックエンド核心:ストリーミング対話と履歴の書き戻し
対話APIは3つのことを行います:履歴を取得してコンテキストを組み立てる、ストリーミング生成、完全な応答をデータベースに書き戻す。
実装例
@app.post('/api/chat')
def do_chat():
data = request.get_json()
cid, user_input = data['chat_id'], data['message']
# 履歴(挿入したばかりのユーザーメッセージを含む)を取得し、モデルのコンテキストとして使用
with db() as conn:
conn.execute(
'INSERT INTO messages(chat_id, role, content) VALUES (?,?,?)',
(cid, 'user', user_input)
)
history = [dict(r) for r in conn.execute(
'SELECT role, content FROM messages WHERE chat_id=? ORDER BY id',
(cid,)
)]
messages = [{'role': 'system',
'content': 'あなたは サンプル プログラミングアシスタントです。正確かつ簡潔に答えてください。'}]
messages += history
def generate():
reply = ''
stream = chat(model='qwen3.5:4b',
messages=messages, stream=True)
for chunk in stream:
reply += chunk.message.content
# チャンクごとに NDJSON でフロントエンドへ配信
yield json.dumps(
{'delta': chunk.message.content},
ensure_ascii=False) + '\n'
# 重要:完全な応答をデータベースに書き戻し、永続的な記憶を形成
with db() as conn:
conn.execute(
'INSERT INTO messages(chat_id, role, content) VALUES (?,?,?)',
(cid, 'assistant', reply))
yield json.dumps({'done': True}, ensure_ascii=False) + '\n'
return Response(
stream_with_context(generate()),
mimetype='application/x-ndjson')
# ホームページ:フロントエンドページを返す
@app.get('/')
def index():
return open('index.html', encoding='utf-8').read()
if __name__ == '__main__':
app.run(port=5000)
フロントエンド:素の JS によるチャットインターフェース
フロントエンドは機能が完全でかつ十分シンプルにします:左側にセッションリスト、右側にメッセージエリアと入力ボックス、fetch でストリーミングレンダリングします。
実装例
<!-- ファイルパス:index.html(server.py と同じディレクトリ) -->
<html lang="zh-CN">
<head><meta charset="UTF-8"><title>ローカル ChatGPT</title>
<style>
body { display:flex; height:100vh; margin:0; font-family: sans-serif; }
aside { width:220px; border-right:1px solid #ddd; overflow-y:auto; }
aside button { display:block; width:100%; text-align:left;
padding:10px; border:0; background:none; cursor:pointer; }
aside button:hover { background:#f2f2f2; }
main { flex:1; display:flex; flex-direction:column; }
#log { flex:1; overflow-y:auto; padding:20px; }
.msg { margin:8px 0; line-height:1.6; white-space:pre-wrap; }
form { display:flex; border-top:1px solid #ddd; }
input { flex:1; padding:12px; border:0; }
</style>
</head>
<body>
<aside>
<button onclick="newChat()">+ 新しいセッション</button>
<div id="list"></div>
</aside>
<main>
<div id="log"></div>
<form id="f">
<input id="q" placeholder="問題を入力して、Enter で送信" autocomplete="off">
</form>
</main>
<script>
let chatId = null;
const log = document.getElementById('log');
const list = document.getElementById('list');
// セッションリストを読み込む
async function loadChats() {
const chats = await (await fetch('/api/chats')).json();
list.innerHTML = '';
for (const c of chats) {
const b = document.createElement('button');
b.textContent = c.title;
b.onclick = () => openChat(c.id);
list.appendChild(b);
}
}
// セッションを開いて履歴を復元する
async function openChat(id) {
chatId = id;
log.innerHTML = '';
const msgs = await (await fetch(`/api/chats/${id}/messages`)).json();
for (const m of msgs) addMsg(m.role, m.content);
}
// 新規セッション作成
async function newChat() {
const c = await (await fetch('/api/chats', {method:'POST'})).json();
await loadChats();
openChat(c.id);
}
// メッセージを1件インターフェースに追加
function addMsg(role, text) {
const div = document.createElement('div');
div.className = 'msg';
div.textContent = (role === 'user' ? '你:' : '助手:') + text;
log.appendChild(div);
log.scrollTop = log.scrollHeight;
return div;
}
// 送信してストリーミングで応答をレンダリング
document.getElementById('f').onsubmit = async e => {
e.preventDefault();
const input = document.getElementById('q');
const q = input.value.trim();
if (!q || !chatId) return;
input.value = '';
addMsg('user', q);
const div = addMsg('assistant', '');
const resp = await fetch('/api/chat', {method:'POST',
headers:{'Content-Type':'application/json'},
body: JSON.stringify({chat_id: chatId, message: q})});
const reader = resp.body.getReader();
const dec = new TextDecoder();
let buf = '';
while (true) {
const {done, value} = await reader.read();
if (done) break;
buf += dec.decode(value, {stream:true});
const lines = buf.split('\n');
buf = lines.pop();
for (const line of lines) {
if (!line) continue;
const obj = JSON.parse(line);
if (obj.delta) {
div.textContent += obj.delta;
log.scrollTop = log.scrollHeight;
}
}
}
};
newChat();
loadChats();
</script>
</body>
</html>
起動してアクセスします:
python server.py
ブラウザで http://localhost:5000 を開くと、生成されたページが表示されます。
3つの核心機能を検証します:左側のセッションを切り替えると履歴が完全に復元されること、新しいセッション間で互いに干渉しないこと、server.py を再起動しても履歴が残っていること(chats.db に永続化されています)。
デプロイと公開:3つのレベル
| レベル | 方法 | 注意事項 |
|---|---|---|
| ローカルマシンで個人利用 | python server.py を直接実行 | デフォルトで 127.0.0.1 をリッスンするため安全 |
| 社内/家庭内ネットワーク共有 | app.run(host='0.0.0.0') で、メンバーは http://サーバーIP:5000 にアクセス | 認証がないため、必ず Nginx Basic Auth を重ねてください(私有化デプロイの章を参照) |
| クラウドサーバーで長期運用 | systemd でサービス登録 + Nginx リバースプロキシ + ドメイン | まずサーバー上で ollama pull でモデルを取得 |
クラウドサーバーで systemd を使ってアプリを常駐させます:
実装例
[Unit]
Description=サンプル Chat Web App
After=network.target ollama.service
[Service]
WorkingDirectory=/opt/サンプル-chat
ExecStart=/usr/bin/python3 server.py
Restart=always
RestartSec=3
[Install]
WantedBy=multi-user.target
長期運用を設定します:
sudo systemctl daemon-reload sudo systemctl enable --now サンプル-chat
その他の拡張外部公開デプロイの完全なセキュリティチェックリスト(ループバックポート、リバースプロキシ認証、露出面の自己点検)はセキュリティとコンプライアンスの章にあります。公開前に必ず確認してください。