Reveal SDK AI をはじめよう - HTML/JavaScript

このガイドでは、バニラ HTML と JavaScript を使用して、初めての AI 搭載アナリティクスアプリケーションを作成する手順を説明します。ダッシュボードデータから AI インサイトを生成するシンプルなアプリケーションを構築します。

所要時間: 15〜20分

構築するもの

以下の機能を備えた Web アプリケーションを構築します:

Reveal ダッシュボードの表示
ダッシュボードへの AI 搭載コンテキストメニュー項目の追加
AI インサイト（サマリー、分析、予測）の生成

前提条件

始める前に、システム要件を満たしていることを確認し、以下を準備してください:

Reveal SDK サーバーのインストールと設定が完了していること
Reveal SDK AI サーバーがインストールされていること
LLM プロバイダー API キー - OpenAI、Anthropic、または Google Cloud から取得

ステップ 1: ASP.NET Core サーバーの作成

1.1 新しい ASP.NET Core Web API プロジェクトの作成

ターミナルを開き、以下を実行します:

dotnet new webapi -n RevealAiServer
cd RevealAiServer

1.2 AI NuGet パッケージのインストール

Reveal AI パッケージをインストールします（Reveal.Sdk.AspNetCore が自動的に含まれます）:

dotnet add package Reveal.Sdk.AI.AspNetCore

1.3 サーバーの設定

Program.cs を開き、内容を以下に置き換えます:

Program.cs
using Reveal.Sdk;
using Reveal.Sdk.AI;
using RevealAiServer.Reveal;

var builder = WebApplication.CreateBuilder(args);

// Add CORS for local development
builder.Services.AddCors(options =>
{
    options.AddPolicy("AllowAll",
        policy => policy.AllowAnyOrigin()
                       .AllowAnyHeader()
                       .AllowAnyMethod());
});

// Add Reveal SDK with data source provider
builder.Services.AddControllers().AddReveal(builder =>
{
    builder.AddDataSourceProvider<DataSourceProvider>();
});

// Add Reveal AI with OpenAI provider
builder.Services.AddRevealAI()
    .AddOpenAI(options =>
    {
        options.ApiKey = builder.Configuration["RevealAI:OpenAI:ApiKey"];
        options.ModelId = "gpt-4.1";
    });

var app = builder.Build();

app.UseCors("AllowAll");
app.MapControllers();

app.Run();

1.4 API キーの設定

オプション A: appsettings.json を使用する方法（本番環境には非推奨）

appsettings.json を作成または変更します:

appsettings.json
{
  "Logging": {
    "LogLevel": {
      "Default": "Information",
      "Microsoft.AspNetCore": "Warning"
    }
  },
  "AllowedHosts": "*",
  "RevealAI": {
    "OpenAI": {
      "ApiKey": "sk-your-openai-api-key-here"
    }
  }
}

オプション B: User Secrets を使用する方法（開発時に推奨）

dotnet user-secrets init
dotnet user-secrets set "RevealAI:OpenAI:ApiKey" "sk-your-openai-api-key-here"

API キーをコミットしないでください

API キーをソース管理にコミットしないでください。常に User Secrets、環境変数、またはセキュアなキー管理サービスを使用してください。

1.5 DataSource プロバイダーの作成

Reveal SDK にはデータソースプロバイダーが必要です。このサンプルでは、データソースをそのまま返すだけの最小限のプロバイダーを作成します。

新しいフォルダ Reveal を作成し、DataSourceProvider.cs を追加します:

Reveal/DataSourceProvider.cs
using Reveal.Sdk.Data;

namespace RevealAiServer.Reveal;

public class DataSourceProvider : IRVDataSourceProvider
{
    public Task<RVDataSourceItem> ChangeDataSourceItemAsync(
        IRVUserContext userContext,
        string dashboardId,
        RVDataSourceItem dataSourceItem)
    {
        return Task.FromResult(dataSourceItem);
    }

    public Task<RVDashboardDataSource> ChangeDataSourceAsync(
        IRVUserContext userContext,
        RVDashboardDataSource dataSource)
    {
        return Task.FromResult(dataSource);
    }
}

1.6 サンプルダッシュボードとデータの追加

プロジェクトルートに必要なフォルダを作成します:

mkdir Dashboards
mkdir Data

必要なファイルをダウンロードし、正しいフォルダに配置します:

1. ダッシュボードファイル → Dashboards/ フォルダに保存:

ダウンロード: Accounts.rdash
配置場所: Dashboards/Accounts.rdash

2. データファイル → Data/ フォルダに保存:

ダウンロード: NorthwindInvoices.xlsx
配置場所: Data/NorthwindInvoices.xlsx

プロジェクト構成は以下のようになります:

RevealAiServer/
├── Dashboards/
│   └── Accounts.rdash
├── Data/
│   └── NorthwindInvoices.xlsx
├── Reveal/
│   └── DataSourceProvider.cs
└── Program.cs

1.7 サーバーの起動

dotnet run

サーバーが https://localhost:5111（または類似の URL）で起動します。この URL はクライアントで使用するため、メモしておいてください。

ステップ 2: HTML クライアントの作成

2.1 index.html の作成

プロジェクトルート（または別の client フォルダ）に新しいファイル index.html を作成します:

index.html
<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Reveal AI - Insights Demo</title>
    <style>
        body { margin: 0; font-family: Arial, sans-serif; }
        .container { display: flex; height: 100vh; gap: 10px; padding: 10px; box-sizing: border-box; }
        #revealView { flex: 1; }
        #output { flex: 0 0 400px; padding: 20px; overflow-y: auto; border: 1px solid #ddd;
                  border-radius: 4px; white-space: pre-wrap; font-size: 14px; line-height: 1.6; }
    </style>
</head>
<body>
    <div class="container">
        <div id="revealView"></div>
        <div id="output">Use the dashboard overflow menu and select an AI insight option.</div>
    </div>

    <script src="https://cdn.jsdelivr.net/npm/jquery@3.6.0/dist/jquery.min.js"></script>
    <script src="https://dl.revealbi.io/reveal/libs/1.8.3/infragistics.reveal.js"></script>
    <script src="https://cdn.jsdelivr.net/npm/@revealbi/api@0.0.1-preview.2/dist/index.umd.min.js"></script>

    <script>
        const SERVER_URL = 'https://localhost:5111/';

        // Initialize Reveal SDK and AI Client
        RevealSdkSettings.setBaseUrl(SERVER_URL);
        rv.RevealSdkClient.initialize({ hostUrl: SERVER_URL });
        const client = rv.RevealSdkClient.getInstance();

        // Load dashboard
        RVDashboard.loadDashboard("Accounts").then(dashboard => {
            const revealView = new RevealView("#revealView");
            revealView.dashboard = dashboard;

            // Add AI insight options to the dashboard context menu
            revealView.onMenuOpening = function (visualization, args) {
                if (args.menuLocation === RVMenuLocation.Dashboard) {
                    args.menuItems.push(new RVMenuItem("Summary", null, async () => {
                        document.getElementById('output').textContent = 'Generating summary...';
                        const result = await client.ai.insights.get({
                            dashboard: dashboard,
                            insightType: rv.InsightType.Summary,
                        });
                        document.getElementById('output').textContent = result.explanation;
                    }));

                    args.menuItems.push(new RVMenuItem("Analysis", null, async () => {
                        document.getElementById('output').textContent = 'Generating analysis...';
                        const result = await client.ai.insights.get({
                            dashboard: dashboard,
                            insightType: rv.InsightType.Analysis,
                        });
                        document.getElementById('output').textContent = result.explanation;
                    }));

                    args.menuItems.push(new RVMenuItem("Forecast", null, async () => {
                        document.getElementById('output').textContent = 'Generating forecast...';
                        const result = await client.ai.insights.get({
                            dashboard: dashboard,
                            insightType: rv.InsightType.Forecast,
                        });
                        document.getElementById('output').textContent = result.explanation;
                    }));
                }
            };
        });
    </script>
</body>
</html>

ステップ 3: アプリケーションの実行

3.1 サーバーの起動

まだ起動していない場合:

dotnet run

3.2 クライアントを開く

index.html を Web ブラウザで開きます。以下の方法があります:

VS Code の Live Server 拡張機能を使用する
ファイルをダブルクリックする

3.3 AI インサイトのテスト

ダッシュボードが読み込まれるまで待ちます
ダッシュボードのオーバーフローメニュー（ケバブアイコン）をクリックします
Summary、Analysis、または Forecast を選択します
AI が生成したインサイトが右パネルに表示されます

ここから、SDK の使い方セクションを参照して、ストリーミングレスポンス、ビジュアライゼーションレベルのインサイト、チャットなどについて学びましょう。

構築するもの​

前提条件​

ステップ 1: ASP.NET Core サーバーの作成​

1.1 新しい ASP.NET Core Web API プロジェクトの作成​

1.2 AI NuGet パッケージのインストール​

1.3 サーバーの設定​

1.4 API キーの設定​

1.5 DataSource プロバイダーの作成​

1.6 サンプルダッシュボードとデータの追加​

1.7 サーバーの起動​

ステップ 2: HTML クライアントの作成​

2.1 index.html の作成​

ステップ 3: アプリケーションの実行​

3.1 サーバーの起動​

3.2 クライアントを開く​

3.3 AI インサイトのテスト​