ChatGPT GPTs × GAS で業務を自動化する ── Actions と MCP の使い分け

はじめに

「チャットで質問に答えてもらうだけでなく、AIに外部のデータを操作させたい」──生成AIの活用が進むにつれ、こうしたニーズが増えています。
例えば、スプレッドシートへのデータ追加や一覧取得といった操作を、自然言語で指示するだけで完了させたいという場面です。
以前の記事では、AIと外部システムを連携させる手段としてMCP（Model Context Protocol）を紹介しました。

今回は、ChatGPT を活用したGPTs Actionsを取り上げます。
「いつ・なぜ GPTs Actions を選ぶのか」を軸に、MCP との使い分けを整理したうえで、GAS（Google Apps Script）を使った実装例を交えて解説します。

GPTs Actions とは何か

GPTs の概要

GPTs（カスタム GPT）は、ChatGPT を特定の用途向けにカスタマイズできる機能です。
GPT では、Instructions（指示）、Knowledge（参照ファイル）、Capabilities（機能拡張。Custom Actions もここに含まれます）を設定できます。
作成した GPT は、リンク共有やワークスペース内への共有が可能です。
共同編集（Can edit）などの権限管理はワークスペース機能に依存するため、ワークスペース外のユーザーには共同編集権限を付与できない点に注意しましょう。

参考：GPTs の共有に関する公式ヘルプ

Actions の仕組み

Actions は、GPTs に外部 API の呼び出し能力を持たせる機能です。
OpenAPI スキーマで API 仕様を定義して GPT に登録すると、ユーザーの入力に応じて GPT がアクションを呼び出してくれます。
つまり、「自然言語インターフェース」+「確定的な API 処理」という組み合わせを実現できるわけです。
たとえば、ユーザーが「現在のタスク状況を一覧表示して」と入力すると、GPT が OpenAPI 定義に沿って API を呼び出し、結果を整形して返してくれます。

GPTs を構成する3つの要素

実務では、GPTs は以下の3要素を押さえておくとよいでしょう。

この中で Custom Actions が、GPT を「情報を返すだけのチャットボット」から「外部システムを操作できるエージェント」へと進化させる要素です。

参考：OpenAI Help: Creating a GPT

GPTs Actions vs MCP ── 使い分けの判断基準

GPTs Actions は、ChatGPT 上のカスタム GPT から外部 API を呼び出すための仕組みです。
一方の MCP は、AI アプリケーションがローカル・リモート問わずデータソースやツールに接続するためのオープン標準です。
どちらが優れているかではなく、相補的な関係として捉えるのがよいでしょう。

比較テーブル

参考：GPT Actions 公式ガイド / MCP Introduction / MCP Architecture

GPTs Actions の「直接的」な良さ

両者の大きな違いのひとつは、操作対象の指定方法です。
GPTs Actions では、バックエンド側に操作対象をあらかじめ埋め込んでおけます。
たとえば、GAS のコード内にスプレッドシート ID を直接記述しておけば、ユーザーは「データを追加して」と言うだけで OK です。
「どのファイルに？」「どのシートに？」といった指定を毎回プロンプトで行う必要がないため、定型業務ではとても扱いやすい設計になります。
一方 MCP は、ツールとリソースを汎用的に公開し、実行時にどの対象を扱うかを指定できる設計です。
柔軟性が高い反面、接続先・権限・公開範囲をきちんと管理する必要があります。

参考：MCP Architecture

判断基準の具体例

迷ったときは、以下のように考えると整理しやすくなります。

実践: GAS でスプレッドシート操作の Actions を構築する

ここからは、GAS（Google Apps Script）を使ってスプレッドシートを操作する Actions を実際に構築していきます。

なぜ GAS を選ぶのか

GPTs Actions のバックエンドには任意の Web API を使えますが、GAS は以下の点で手軽に始められる選択肢です。

GAS 側の実装

GAS を Web アプリとして公開する場合、doGet(e) / doPost(e) がエントリーポイントになります。
以下のコードをスプレッドシートに紐づく GAS プロジェクトに記述しましょう。

function getConfig() {
  const props = PropertiesService.getScriptProperties();
  const spreadsheetId = props.getProperty('SPREADSHEET_ID');
  const sheetName = props.getProperty('SHEET_NAME');
  const apiKey = props.getProperty('X_API_KEY');

  if (!spreadsheetId || !sheetName || !apiKey) {
    return null;
  }
  return { spreadsheetId, sheetName, apiKey };
}

function configError() {
  return ContentService
    .createTextOutput(JSON.stringify({
      error: 'Missing script properties: SPREADSHEET_ID, SHEET_NAME, X_API_KEY'
    }))
    .setMimeType(ContentService.MimeType.JSON);
}

function parseBody(e) {
  if (!e.postData || !e.postData.contents) return {};
  try {
    return JSON.parse(e.postData.contents);
  } catch (error) {
    return {};
  }
}

function validation(e, body, expectedApiKey) {
  const apiKey = e.parameter['x_api_key'] || (body && body['x_api_key']);
  if (apiKey !== expectedApiKey) {
    return ContentService
      .createTextOutput(JSON.stringify({ error: 'Unauthorized' }))
      .setMimeType(ContentService.MimeType.JSON);
  }
  return null;
}

function doGet(e) {
  const config = getConfig();
  if (!config) return configError();

  const authError = validation(e, null, config.apiKey);
  if (authError) return authError;

  const sheet = SpreadsheetApp.openById(config.spreadsheetId).getSheetByName(config.sheetName);
  const data = sheet.getDataRange().getValues();
  const headers = data[0];
  const rows = data.slice(1).map(row => {
    const obj = {};
    headers.forEach((h, i) => obj[h] = row[i]);
    return obj;
  });

  return ContentService
    .createTextOutput(JSON.stringify({ items: rows, total: data.length - 1 }))
    .setMimeType(ContentService.MimeType.JSON);
}

function doPost(e) {
  const config = getConfig();
  if (!config) return configError();

  const body = parseBody(e);
  const authError = validation(e, body, config.apiKey);
  if (authError) return authError;

  const sheet = SpreadsheetApp.openById(config.spreadsheetId).getSheetByName(config.sheetName);
  const headers = sheet.getRange(1, 1, 1, sheet.getLastColumn()).getValues()[0];
  const newRow = headers.map(h => body[h] || '');

  sheet.appendRow(newRow);

  return ContentService
    .createTextOutput(JSON.stringify({ status: 'ok', added: body }))
    .setMimeType(ContentService.MimeType.JSON);
}

コードのポイントを簡単にまとめます。

補足: GPTs Actions にはレスポンスサイズの上限があり、データ量が多いと ResponseTooLargeError が発生する場合があります。件数制御やページングを実装しておくと安定します。

なぜスクリプトプロパティにするのか？

各 API の詳細は SpreadsheetApp / Sheet / ContentService の公式リファレンスをご覧ください。

GAS のデプロイ手順

なぜ「全員」にする必要があるのか？
GPTs Actions は、OpenAI のサーバーからバックエンド URL を HTTP リクエストで呼び出します。この呼び出し元は Google アカウントによる認証を通過できないため、GAS のアクセス権を「全員」に設定しないとリクエストが到達しません。

デプロイ設定の詳細は Web Apps の公式ドキュメントで確認してください。

API キーによるアクセス制御

アクセス権を「全員」に設定すると、URL を知っている人なら誰でもリクエストを送信できる状態になります。
つまり、URL が第三者に漏れた場合、スプレッドシートのデータを読み取られたり、不正なデータを書き込まれたりするリスクがあります。
この対策として、API キーによる簡易認証をバックエンド側に実装しています。
先ほどの validation(e, body, expectedApiKey) 関数がその役割を担っています。

function validation(e, body, expectedApiKey) {
  const apiKey = e.parameter['x_api_key'] || (body && body['x_api_key']);
  if (apiKey !== expectedApiKey) {
    return ContentService
      .createTextOutput(JSON.stringify({ error: 'Unauthorized' }))
      .setMimeType(ContentService.MimeType.JSON);
  }
  return null;
}

注意: GAS の Web アプリでは HTTP ステータスコードを制御できないため、ステータスは常に 200 で返ります。そのためレスポンスボディの error フィールドでエラーを判定する設計としています。
重要: GAS の doGet(e) / doPost(e) では、リクエストヘッダーの値を直接参照できません。そのため、この実装で API キーを受け取る場所はクエリまたは JSON ボディです。

補足: API キーによる認証は簡易的な対策です。機密性の高いデータを扱う場合は、OAuth 2.0 による認証など、より堅牢な認証方式を検討する必要があり、本構成での実現はできません。

OpenAPI スキーマの定義

GPT に登録するアクション仕様は、OpenAPI の形式で記述します。
servers.url には、先ほどデプロイした GAS の URL を設定してください。

openapi: 3.1.0
info:
  title: スプレッドシート操作 API
  version: 1.0.0
  description: GAS 経由でスプレッドシートのデータを取得・追加する API
servers:
  - url: https://script.google.com/macros/s/あなたのデプロイID
paths:
  /exec:
    get:
      operationId: getItems
      summary: スプレッドシートのデータを一覧取得する
      description: スプレッドシートの全行を JSON 配列で返します。
      parameters:
        - name: x_api_key
          in: query
          required: true
          schema:
            type: string
          description: API キー
      responses:
        "200":
          description: データの一覧
          content:
            application/json:
              schema:
                type: object
                properties:
                  items:
                    type: array
                    items:
                      type: object
    post:
      operationId: addItem
      summary: スプレッドシートにデータを追加する
      description: JSON で指定されたデータをスプレッドシートの末尾に1行追加します。
      requestBody:
        required: true
        content:
          application/json:
            schema:
              type: object
              description: 追加するデータ（キーはスプレッドシートのヘッダーに対応）
              properties:
                x_api_key:
                  type: string
                  description: API キー
                日付:
                  type: string
                  pattern: '^\d{4}/\d{2}/\d{2}$'
                  example: '2026/03/04'
                  description: 日付（YYYY/MM/DD）
                タスク:
                  type: string
                  description: タスク
              required:
                - x_api_key
      responses:
        "200":
          description: 追加成功
          content:
            application/json:
              schema:
                type: object
                properties:
                  status:
                    type: string
                  added:
                    type: object

ポイントは以下の通りです。

トラブルシュート（200 だが保存されない）

参考：GPT Actions 公式ガイド

GPTs への設定

補足: API キーをヘッダーで秘匿して扱いたい場合は、GAS の前段に Cloud Run / Cloud Functions などのプロキシ API を置き、そこでヘッダー検証する構成にしなければなりません。

Instructions の書き方

Instructions は、GPT がどのように振る舞うかを決める重要な設定です。
Actions と組み合わせる場合、どのアクションをどんな状況で呼び出すかを明確に記述しておくと、GPT の応答精度が向上します。
今回のスプレッドシート操作 GPT であれば、たとえば以下のような Instructions が考えられます。

あなたはスプレッドシートのデータを管理するアシスタントです。

## できること
- データの一覧表示（getItems アクションを使用）
- データの追加（addItem アクションを使用）

## アクション実行時の必須ルール
- getItems を呼び出すときは、query パラメータ `x_api_key` に `<<X_API_KEY>>` を必ず設定してください。
- addItem を呼び出すときは、requestBody に `x_api_key: <<X_API_KEY>>` を必ず含めてください。
- `x_api_key` は内部設定値です。ユーザーに値を尋ねたり、回答文に表示したりしないでください。

## 応答ルール
- ユーザーがデータの確認・表示を求めたら、getItems を呼び出し、結果を見やすい表形式で返してください。
- ユーザーがデータの追加を求めたら、必要な項目を確認したうえで addItem を呼び出してください。
  - 必要な項目が不足している場合は、追加前にユーザーに確認してください。
- データの更新・削除はこの GPT では対応していません。依頼された場合はその旨を伝えてください。
- Unauthorized エラーが返った場合は、`x_api_key` の設定不備の可能性を案内し、管理者確認を促してください。

## 注意事項
- スプレッドシートの構造やIDについてユーザーに尋ねる必要はありません
- 機密情報や個人情報の取り扱いには注意し、不明な場合は管理者への確認を促してください。

Instructions を書く際のポイントは以下の通りです。

参考：OpenAI Help: Creating a GPT

テスト

参考：OpenAI Help: Creating a GPT / GPT Actions 公式ガイド

コードは AI に下書きさせる

ここまで GAS のコードと OpenAPI スキーマを紹介しましたが、これらは生成 AI に下書きさせることもできます。
たとえば、ChatGPT に以下のように指示して、ひな形を作らせる運用は実務でも有効です。

ただし、以下の点は必ず人間が確認・対応してください。

まとめ

GPTs Actions は、ChatGPT 上で OpenAPI ベースの外部 API 連携を行う仕組みです。GPT の共有機能と組み合わせることで、定型業務をチームへ展開しやすいのが特徴です。
MCP は、ローカル/リモートのデータソースやツールをAIアプリケーションに接続するためのオープン標準です。
そのため、両者は競合というより、用途に応じて使い分ける関係と考えるのが実践的です。
GAS をバックエンドに選べば、比較的少ない構成でスプレッドシート連携のアクションを構築できます。
「AI が自然言語を理解し、確定的な API 操作を実行する」パターンは、業務自動化の現場で再利用しやすい実装方式です。
MCP について詳しく知りたい方は、こちらの記事も参考にしてください。

生成AI活用支援サービスのご紹介

Tech Funでは、お客様のフェーズに合わせ、生成AI活用に向けた支援を3つのパックでご提供しています。

1. 無料診断パック：業務・プロセスの現状を無料で診断し、生成AI活用の可能性をレポートします。
2. 検証（PoC）パック：診断で有効性が確認された業務を対象に、プロトタイプ構築を支援します。
3. コンサルティングサービス：生成AI導入戦略の策定から運用体制構築までを包括的に支援します。

生成AIに限らず、Web・業務システム開発やインフラ設計など、技術領域を問わずご相談を承っています。「何から始めれば良いか分からない」という段階でも構いませんので、ぜひお気軽にお問い合わせください。

執筆・編集

Tech Fun Magazine R&Dチーム

Tech Funの生成AI研究に携わるエンジニアが、最新のAIモデル動向やプロンプト設計、実業務への応用手法など、生成AIに特化した知見を執筆・編集しています。
モデル評価や業務シナリオに応じたAI活用設計など、日々のR&D活動で得られる実践的なノウハウをわかりやすく紹介します。