Node-RED 用 Einstein Platform Services ノード

概要

Node-RED で Salesforce が提供する画像認識や自然言語処理の AI 機能である Einstein Platform Services を簡単に使えるようにする追加ノードです。
注意: このサンプルコードは、あくまで機能利用の1例を示すためのものであり、コードの書き方や特定ライブラリの利用を推奨したり、機能提供を保証するものではありません。

利用方法(Node-RED "パレットの管理"からのインストール)

• Menu -> Manage Palette -> Palette -> Install 次の文字列で検索し install をクリック

node-red-contrib-atelierhi-eps

利用方法(Github からソースコードをダウンロードしインストール)

1. 「Einstein Platform Services ノード」を Github からダウンロード

1. $ cd [ワーク用ディレクトリに移動]
2. $ git clone https://github.com/hinabasfdc/node-red-contrib-atelierhi-eps.git
3. $ cd node-red-contrib-atelierhi-eps
4. $ npm install

2. Node-RED で使えるように設定

1. (1-3.で移動したディレクトリで操作)
2. $ npm link
3. $ cd ~/.node-red
4. $ npm link node-red-contrib-atelierhi-eps

以上の操作で、Node-REDを起動するとパレットに「Einstein Platform Services」が出現します。
パレットからワークスペースにドラッグし、"Account ID"と"Private Key"の二つを設定してください。

Einstein Platform Services のアカウント取得

Salesforce Lightning Platform のアカウントに紐付け、あるいは、Heroku のアドオンとして払い出し、の2パターンがあります。
これから取得されるということであれば、Heroku のアドオンとして払い出しをお勧めします。

1. Heroku アカウントを作成 & クレジットカード情報を登録 (https://signup.heroku.com/jp)
2. 何らかのアプリケーションを作成
3. Einstein Vision アドオン(Free版で良い)をアプリケーションに追加(https://elements.heroku.com/addons/einstein-vision)
4. アプリケーションの Settings -> Config Vars から Einstein Platform Services の Account ID と Private Key 情報を取得

テストフローの作成:その1(API Usage)

1. 「injection」ノード
   1. Timestampのまま特に変更なし
2. 「function」ノード
   1. Name
      1. Test Api Usage
   2. Function

      msg.eps = {};
      msg.eps.feature = "APIUSAGE";
      return msg;

3. 「Einstein Platform Services」ノード
   1. 手順2の通り
4. 「debug」ノード
   1. 特に設定変更なし
5. 1→2、2→3、3→4と接続
6. 配置と設定が完了したら、画面右上にある「Deploy」ボタンを押してロジックを公開
7. 公開が完了したら、「インジェクション」ノードの左のボタンをクリックして、動作を確認
8. 画面右ペインの「debug」タブで、ライセンスやAPI使用状況に関する情報が表示されたら動作成功

テストフローの作成:その2(Image Classification)

1. 「injection」ノード
   1. Timestampのまま特に変更なし
2. 「function」ノード
   1. Name
      1. Test Prediction
   2. Function

      msg.eps = {};
      msg.eps.sampleLocation = "https://upload.wikimedia.org/wikipedia/commons/d/d3/Supreme_pizza.jpg";
      msg.eps.modelid = "FoodImageClassifier";
      return msg;

3. 「Einstein Platform Services」ノード
   1. 手順2の通り
4. 「debug」ノード
   1. 特に設定変更なし
5. 1→2、2→3、3→4と接続
6. 配置と設定が完了したら、画面右上にある「Deploy」ボタンを押してロジックを公開
7. 公開が完了したら、「インジェクション」ノードの左のボタンをクリックして、動作を確認
8. 画面右ペインの「debug」タブで、”pizza”の予測結果が確認できたら動作成功

仕様

ノードのパラメーター

• Name
  • 表示名
• URL
  • Einstein Platform Services のAPI起点(特に変更の必要なし。必ず最後に/をつける)
• Default Feature
  • ノードの入力から実行する機能の指定がない場合に使われる機能(初期設定は画像仕分けのImage Classification)
  • 設定可能値
    • IMAGECLASSIFICATION
    • OBJECTDETECTION
    • SENTIMENT
    • INTENT
• Default ModelId
  • ノードの入力から使用するモデルの指定がない場合に使われるモデルID(初期設定は GeneralImageClassifier)
• Account ID
  • Einstein Platform Services のアカウントID
• Private Key
  • Einstein Platform Services のアカウントIDに紐づくプライベートKEY

ノードの入力

原則として msg オブジェクトに情報を追記

• msg.eps.feature
  • Einstein Platform Services の何の機能を使用するか指定する。次の4つから選択する。
    • APIUSAGE
    • IMAGECLASSIFICATION
    • OBJECTDETECTION
    • SENTIMENT
    • INTENT
• msg.eps.modelid
  • 使用するモデルIDを指定する
• msg.eps.sampleBase64Content
  • IMAGECLASSIFICATION/OBJECTDETECTIONの場合に使用
  • 画像をbase64でエンコードした文字列を設定する
• msg.eps.sampleLocation
  • IMAGECLASSIFICATION/OBJECTDETECTIONの場合に使用
  • 画像の URL を設定する
• msg.eps.document
  • SENTIMENT/INTENTの場合に使用
  • テキストを設定する

ノードの出力

• msg.payload
  • Einstein Platform Services の返り値(JSON)がそのまま、あるいは、ノードの実行エラー情報がJSON形式で格納される