インテントの解決に Dispatch (非推奨) を使用する

[アーティクル]
08/06/2022

適用対象: SDK v4

ボットが複数の LUIS モデルと QnA Maker ナレッジベース (ナレッジベース) を使用している場合は、ディスパッチツールを使用して、ユーザー入力に最も一致する LUIS モデルまたは QnA Maker サポート情報判断できます。ディスパッチツールでは、これを行うために、ユーザー入力を正しいモデルにルーティングする 1 つの LUIS アプリが作成されます。 CLI コマンドを含むディスパッチの詳細については、ディスパッチ README を参照してください。

重要

ディスパッチは非推奨になり、 Bot Framework Orchestrator に置き換えられるパスにあります。ボットを LUIS Dispatch から Orchestrator に移行する方法については、「 LUIS Dispatch から Orchestrator への移行の例」を参照してください。

前提条件

LUIS アプリを発行するための luis.ai アカウント。
QnA ナレッジベースを発行するための QnA Maker アカウント。
ボットの基本、LUIS、および QnA Maker に関する知識。
コマンドラインディスパッチツール

注意

14.nlp-with-orchestrator サンプル (C# または JavaScript) は、ディスパッチに Orchestrator を使用する方法を示しています。 LUIS ディスパッチを使用するプロセスも同様です。
14.nlp-with-dispatch サンプル (Java または Python) は、LUIS Dispatch の使用方法を示しています。

サンプルについて

サンプルは、 コグニティブモデル サブフォルダー内のファイルに基づいて、LUIS アプリと QnA Maker アプリの定義済みのセットに基づいています。

QnAMaker.tsv - ボットに関する FAQ の質問。
Weather.json -天気クエリ。
homeAutomation.json -家庭用照明コマンド。

このシナリオでは、メッセージアクティビティハンドラーは、組み合わされた言語モデルを使用して、ユーザーのメッセージに最も一致するアプリを決定します。その後、ボットはコントロールを適切なハンドラーに転送します。

ユーザー入力を受け取るたびに、OnMessageActivityAsync が呼び出されます。このモジュールでは、最上位のスコアリングユーザー意図を検索し、その結果を DispatchToTopIntentAsync渡して、適切なアプリハンドラーを呼び出します。

ハンドラーによって LUIS または QnA Maker サービスが呼び出され、生成された結果がユーザーに返されます。

LUIS アプリと QnA ナレッジベースを作成する

ディスパッチモデルを作成するには、ご自身の LUIS アプリと QnA ナレッジベースを作成し、発行しておく必要があります。この記事では、\CognitiveModels フォルダーの "ディスパッチによる NLP" サンプルに含まれる次のモデルを公開します。

名前	説明
HomeAutomation	関連付けられているエンティティデータによってホームオートメーションの意図を認識する LUIS アプリ。
Weather	場所データによって天気関連の意図を認識する LUIS アプリ。
QnA Maker	ボットに関するシンプルな質問への回答を提供する QnA Maker ナレッジベース。

LUIS アプリの作成

サンプルのコグニティブモデル ディレクトリ内のホームオートメーション JSON ファイルから LUIS アプリを作成します。
1. 運用環境にアプリをトレーニングして発行します。
2. アプリケーション ID、表示名、オーサリングキー、場所を記録します。
天気 JSON ファイルに対して次の手順を繰り返します。

詳細については、 LUIS ポータルで LUIS アプリを作成 し、LUIS アプリ に接続するための値を取得する 方法を参照してください。ボットに自然言語の理解を追加する方法と、運用環境にアプリをトレーニングして発行する方法に関する LUIS ドキュメントを参照してください。

QnA Maker サポート情報を作成する

QnA Maker ナレッジベースを設定する最初の手順は、Azure で QnA Maker サービスを設定することです。これを行うには、 qnamaker サービスのセットアップに関する記事を見つけた詳細な手順に従います。

Azure で QnA Maker サービスを作成したら、QnA Maker サービス用に提供される Cognitive Services の "キー 1" を記録しておく必要があります。これは、ディスパッチアプリケーションに QnA Maker アプリを追加するときに、azure-qna-service-key1> として<使用されます。

QnA Maker で使用される 2 つの異なる種類のキーの詳細については、こちらを参照してください。

以降の手順では、このキーが提供されます。

Select Cognitive Service

ご利用の Azure portal 内で、QnA Maker cognitive service を選択します。
左側のメニューで、 [Resource Management] セクションの下にあるキーアイコンを選択します。
"キー 1" の値をクリップボードにコピーして、ローカルに保存します。これは後で、ディスパッチアプリケーションに QnA Maker アプリを追加するときに、(-k) キー値 <azure-qna-service-key1> に使用されます。
次に QnAMaker Web ポータルにサインインします。
手順 2 では、次のように選択します。
- Azure AD アカウント。
- Azure サブスクリプション名。
- QnA Maker サービス用に作成した名前 (最初の段階でこのプルダウンリストに Azure QnA サービスが表示されない場合は、ページを更新してみてください)。
手順 3 では、QnA Maker ナレッジベースの名前を指定します。この例では、名前 'sample-qna' を使用します。
手順 4 では、 [+ Add File] オプションを選択し、ご自身のサンプルコードの CognitiveModel フォルダーに移動して、"QnAMaker.tsv" ファイルを選択します。ナレッジベースには Chit-chat の性格を追加する選択がもう 1 つありますが、この例にはこのオプションが含まれていません。
手順 5 では、 [Create your knowledge base]\(ナレッジベースの作成\) を選択します。
アップロードしたファイルからナレッジベースが作成されたら、 [Save and train]\(保存してトレーニング\) を選択し、完了したら、 [PUBLISH]\(公開\) タブを選択してアプリを公開します。
QnA Maker アプリが公開されたら、 [SETTINGS]\(設定\) タブを選択し、[Deployment details]\(デプロイの詳細\) まで下にスクロールします。 Postman サンプル HTTP 要求の次の値を書き留めます。
```
POST /knowledge bases/<knowledge-base-id>/generateAnswer
Host: <your-hostname>  // NOTE - this is a URL.
Authorization: EndpointKey <qna-maker-resource-key>
```
ホスト名の完全な URL 文字列は次のようになります https://<host-id>.azure.net/qnamaker。これらの値は、お使いの appsettings.json ファイルまたは .env ファイルで後で使用されます。

ディスパッチアプリには既存のアプリへの読み取りアクセスが必要

LUIS アプリおよび QnA Maker アプリにディスパッチする新しい親 LUIS アプリを作成するために、ディスパッチツールには既存の LUIS アプリと QnA Maker アプリを読み取るための作成アクセスが必要です。このアクセスには、アプリ ID と作成キーが提供されます。

サービス作成キー

作成キーは、モデルの作成と編集にのみ使用されます。 2 つの LUIS アプリのそれぞれ、および QnA Maker アプリに対して ID とキーが必要です。

LUIS 用
- アプリ ID は、各アプリの LUIS ポータルにある [アプリケーションの管理>] 設定>設定
- オーサリングキーは LUIS ポータルの右上隅にあり、独自のユーザーを選択してから設定。
Qna Maker 用
- アプリ ID は、アプリを発行した後、設定ページの QnA Maker ポータルにあります。これは、knowledgebase の後にくる POST コマンドの最初の部分にある ID です。アプリ ID を検査する場所の例として、POST /knowledgebases/<APP-ID>/generateAnswer が挙げられます。
- オーサリングキーは、QnA Maker リソースの Azure portal の [キー] にあります。複数のキーのうち、必要なのは 1 つだけです。

作成キーは、発行されたアプリケーションから予測スコアまたは信頼スコアを取得するためには使用されません。この操作にはエンドポイントキーが必要です。 エンドポイントキー は、このチュートリアルで後ほど取り上げて使用します。

QnA Maker で使用される 2 つの異なる種類のキーの詳細については、こちらを参照してください。

ディスパッチモデルを作成する

ディスパッチツールの CLI インターフェイスにより、適切な LUIS アプリまたは QnA Maker アプリにディスパッチするためのモデルが作成されます。

コマンドプロンプトまたはターミナルウィンドウを開き、ディレクトリを CognitiveModels ディレクトリに変更します
最新バージョンの npm とディスパッチツールがインストールされていることを確認します。
```
npm i -g npm
npm i -g botdispatch
```
dispatch init を使用して初期化し、ご自身のディスパッチモデル用に .dispatch ファイルを作成します。これは、あなたが見てわかるファイル名を使用して作成します。
```
dispatch init -n <filename-to-create> --luisAuthoringKey "<your-luis-authoring-key>" --luisAuthoringRegion <your-region>
```

dispatch add を使用して、ご自身の LUIS アプリと QnA Maker ナレッジベースを .dispatch ファイルに追加します。

dispatch add -t luis -i "<app-id-for-weather-app>" -n "<name-of-weather-app>" -v <app-version-number> -k "<your-luis-authoring-key>" --intentName l_Weather
dispatch add -t luis -i "<app-id-for-home-automation-app>" -n "<name-of-home-automation-app>" -v <app-version-number> -k "<your-luis-authoring-key>" --intentName l_HomeAutomation
dispatch add -t qna -i "<knowledge-base-id>" -n "<knowledge-base-name>" -k "<azure-qna-service-key1>" --intentName q_sample-qna

dispatch create を使用して、.dispatch ファイルからディスパッチモデルを生成します。
```
dispatch create
```
先ほど作成したディスパッチ LUIS アプリを公開します。

ディスパッチ LUIS アプリを使用する

生成された LUIS アプリによって、子アプリおよびナレッジベースごとに意図が定義されます。発話に適合する意図がない場合は、none が定義されます。

l_HomeAutomation
l_Weather
None
q_sample-qna

ボットを適切に動作させるには、これらのサービスが正しい名前で公開されている必要があります。公開されたサービスにボットがアクセスできるようにするには、アクセス対象サービスに関する情報がそのボットに必要です。

サービスエンドポイントキー

このボットには、3 つの LUIS アプリ (ディスパッチ、天気、およびホームオートメーション) 用のクエリ予測エンドポイントと、単一の QnA Maker ナレッジベースが必要です。 LUIS ポータルと QnA Maker ポータルでエンドポイントキーを検索します。

LUIS ポータルで各 LUIS アプリの [Manage] セクションで、 [Keys and Endpoint settings]\(キーとエンドポイントの設定\) を選択して、各アプリに関連付けられているキーを見つけます。このチュートリアルを行う場合、エンドポイントキーは <your-luis-authoring-key> と同じキーです。作成キーでは、1000 回のエンドポイントヒットが許可され、その後有効期限が切れます。
QnA Maker ポータルのナレッジベースの [Manage] 設定で、Authorization ヘッダー用の [Postman]\(Postman\) 設定に表示されているキー値を、テキスト EndpointKey なしで使用します。

これらの値は、サンプルの構成ファイル ( appsettings.json (C#)、 .env (JavaScript)、または config.py (Python) で使用されます。

パッケージをインストールする

このアプリを初めて実行する前に、いくつかの NuGet パッケージがインストールされていることを確認します。

Microsoft.Bot.Builder
Microsoft.Bot.Builder.AI.Luis
Microsoft.Bot.Builder.AI.QnA

お使いの appsettings.json ファイルを手動で更新する

すべてのサービスアプリが作成されたら、それぞれの情報を "appsettings.json" ファイルに追加する必要があります。

次に示すエンティティごとに、前の手順で記録した値を追加します。

appsettings.json

"QnAKnowledgebaseId": "<knowledge-base-id>",
"QnAEndpointKey": "<qna-maker-resource-key>",
"QnAEndpointHostName": "<your-hostname>",

"LuisAppId": "<app-id-for-dispatch-app>",
"LuisAPIKey": "<your-luis-endpoint-key>",
"LuisAPIHostName": "<your-dispatch-app-region>",

すべての変更が完了したら、このファイルを保存します。

パッケージをインストールする

このアプリを初めて実行する前に、npm パッケージをいくつかインストールする必要があります。

npm install --save botbuilder
npm install --save botbuilder-ai

.env 構成ファイルを使用するには、お使いのボットに追加のパッケージが含まれている必要があります。

npm install --save dotenv

.env ファイルを手動で更新する

すべてのサービスアプリが作成されたら、それぞれの情報を ".env" ファイルに追加する必要があります。

次に示すように、ご自身のサービス接続の値を追加します。

.env

QnAKnowledgebaseId="<knowledge-base-id>"
QnAEndpointKey="<qna-maker-resource-key>"
QnAEndpointHostName="<your-hostname>"

LuisAppId=<app-id-for-dispatch-app>
LuisAPIKey=<your-luis-endpoint-key>
LuisAPIHostName=<your-dispatch-app-region>

すべての変更が完了したら、このファイルを保存します。

application.properties ファイルを手動で更新する

すべてのサービスアプリが作成されたら、それぞれの情報を 'application.properties' ファイルに追加する必要があります。

次に示すエンティティごとに、前の手順で記録した値を追加します。

application.properties

QnAKnowledgebaseId=<knowledge-base-id>
QnAEndpointKey=<qna-maker-resource-key>
QnAEndpointHostName=<your-hostname>

LuisAppId =<app-id-for-dispatch-app>
LuisAPIKey=<your-luis-endpoint-key>
LuisAPIHostName=<your-dispatch-app-region>

すべての変更が完了したら、このファイルを保存します。

パッケージをインストールする

このアプリを初めて実行する前に、PyPI パッケージをいくつかインストールする必要があります。

pip install azure
pip install botbuilder-core
pip install botbuilder-ai

config.py ファイルを手動で更新する

すべてのサービスアプリが作成されたら、それぞれの情報を "config.py" ファイルに追加する必要があります。

次に示すエンティティごとに、前の手順で記録した値を追加します。

APP_ID = os.environ.get("MicrosoftAppId", "")
APP_PASSWORD = os.environ.get("MicrosoftAppPassword", "")

QNA_KNOWLEDGEBASE_ID = os.environ.get("QnAKnowledgebaseId", "<knowledge-base-id>")
QNA_ENDPOINT_KEY = os.environ.get("QnAEndpointKey", "<qna-maker-resource-key>")
QNA_ENDPOINT_HOST = os.environ.get("QnAEndpointHostName", "<your-hostname>")

LUIS_APP_ID = os.environ.get("LuisAppId", "<app-id-for-dispatch-app>")
LUIS_API_KEY = os.environ.get("LuisAPIKey", "<your-luis-endpoint-key>")
# LUIS endpoint host name, ie "westus.api.cognitive.microsoft.com"
LUIS_API_HOST_NAME = os.environ.get("LuisAPIHostName", "<your-dispatch-app-region>")

すべての変更が完了したら、このファイルを保存します。

ボットからサービスに接続する

Dispatch、LUIS、および QnA Maker サービスに接続するために、ボットは設定ファイルから情報をプルします。

BotServices.cs で、appsettings.json の情報を使用してディスパッチボットをアンド SampleQnA サービスにDispatch接続します。コンストラクターの構成値を使用して、これらのサービスに接続します。

注意

既定では、 includeApiResults パラメーターは false に設定されています。つまり、認識エンジンはエンティティと意図に関する基本情報のみを返します。 LUIS からの完全な応答 (このチュートリアルで後ほど使用する ConnectedServiceResult など) が必要な場合は、このパラメーターを true に設定します。これにより、LUIS サービスからの完全な応答が、RecognizerResult の Properties コレクションに追加されます。

ボットからのサービスを呼び出す

ボットロジックは、ユーザーからの入力ごとに、結合されたディスパッチモデルに対してユーザー入力をチェックし、返された上位の意図を検索し、その情報を使用して入力に対する適切なサービスを呼び出します。

DispatchBot.cs ファイルでは、OnMessageActivityAsync メソッドが呼び出されるたびに、受信ユーザーメッセージをディスパッチモデルに対して確認します。次に、ディスパッチモデル topIntent を recognizerResult 正しいメソッドに渡して、サービスを呼び出し、結果を返します。

認識結果を操作する

モデルによって結果が生成されるとき、どのサービスが発話を最も適切に処理できるかが示されます。このボットのコードでは、要求を対応するサービスにルーティングし、呼び出されたサービスからの応答を要約します。 Dispatch から返された "意図" によっては、このコードでは、返された意図を使用して、適切な LUIS モデルまたは QnA サービスへのルーティングが行われます。

メソッドProcessWeatherAsyncがProcessHomeAutomationAsync呼び出されると、luisResult.ConnectedServiceResult 内のディスパッチモデルから結果が渡されます。その後、指定されたメソッドによって、ユーザーフィードバックが提供されます。このフィードバックには、ディスパッチモデルの最上位の意図と、検出された意図およびエンティティの一覧がランク付けされて示されています。

メソッドがq_sample-qna呼び出されると、ターンコンテキスト内に含まれるユーザー入力を使用して、サポート情報から回答を生成し、その結果をユーザーに表示します。

モデルによって結果が生成されるとき、どのサービスが発話を最も適切に処理できるかが示されます。このサンプルのコードでは、対応するサービスへの要求のルーティング方法を示すために、認識された topIntent が使用されます。

processHomeAutomationまたはprocessWeatherメソッドが呼び出されると、recognizerResult.luisResult 内のディスパッチモデルから結果が渡されます。その後、指定されたメソッドによって、ユーザーフィードバックが提供されます。このフィードバックには、ディスパッチモデルの最上位の意図と、検出された意図およびエンティティの一覧がランク付けされて示されています。

メソッドがq_sample-qna呼び出されると、ターンコンテキストに含まれるユーザー入力を使用して、サポート情報から回答を生成し、その結果をユーザーに表示します。

またはprocessWeatherメソッドがprocessHomeAutomation呼び出されると、luisResult.ConnectedServiceResult 内のディスパッチモデルから結果が渡されます。その後、指定されたメソッドによって、ユーザーフィードバックが提供されます。このフィードバックには、ディスパッチモデルの最上位の意図と、検出された意図およびエンティティの一覧がランク付けされて示されています。

メソッドがprocessSampleQnA呼び出されると、ターンコンテキストに含まれるユーザー入力を使用して、サポート情報から回答を生成し、その結果をユーザーに表示します。

モデルによって結果が生成されるとき、どのサービスが発話を最も適切に処理できるかが示されます。このサンプルのコードでは、対応するサービスへの要求のルーティング方法を示すために、認識された最上位の "意図" が使用されます。

_process_home_automationまたは_process_weatherメソッドが呼び出されると、recognizer_result.properties["luisResult"] 内のディスパッチモデルから結果が渡されます。その後、指定されたメソッドによって、ユーザーフィードバックが提供されます。このフィードバックには、ディスパッチモデルの最上位の意図と、検出された意図およびエンティティの一覧がランク付けされて示されています。

注意

これが運用環境のアプリケーションの場合は、ここで、選択した LUIS メソッドが、指定されたサービスに接続されたうえで、そのメソッドによってユーザー入力が渡され、返された LUIS の意図とエンティティデータが処理されます。

ボットをテストする

ご自身の開発環境を使用して、サンプルコードを開始します。アプリによって開かれたブラウザーウィンドウのアドレスバーに表示される localhost アドレスを書き留めます: "https://localhost:<Port_Number>"。
Bot Framework Emulatorを開き、次に選択しますCreate a new bot configuration。 .botファイルを使用すると、Emulatorのインスペクターを使用して、LUIS と QnA Maker から返された JSON を確認できます。
[New bot configuration]\(新しいボット構成\) ダイアログボックスで、ご自身のボット名とエンドポイント URL (http://localhost:3978/api/messages など) を入力します。ご自身のボットサンプルコードプロジェクトのルートにファイルを保存します。
ボットファイルを開き、ご自身の LUIS アプリおよび QnA Maker アプリのセクションを追加します。このサンプルファイルを設定用のテンプレートとして使用します。変更を保存します。
[My Bots] リストでボット名を選択して、実行中のボットにアクセスします。参考のために、ご自身のボット用に作成されたサービスに含まれる質問とコマンドの一部を次に示します。
- QnA Maker
  - hi, good morning
  - what are you, what do you do
- LUIS (ホームオートメーション)
  - turn on bedroom light
  - turn off bedroom light
  - make some coffee
- LUIS (天気)
  - whats the weather in redmond washington
  - what's the forecast for london
  - show me the forecast for nebraska

QnA Maker へのユーザー発話のためのディスパッチ

Bot Framework Emulatorでテキストをhi入力し、発話を送信します。ボットから、このクエリがディスパッチ LUIS アプリに送信されると、さらなる処理のためにどの子アプリがこの発話を取得する必要があるかを示す応答がボットに届きます。

ログ内の行をLUIS Trace選択すると、Emulatorで LUIS 応答を確認できます。ディスパッチ LUIS アプリからの LUIS 結果がインスペクターに表示されます。

{
  "luisResponse": {
    "entities": [],
    "intents": [
      {
        "intent": "q_sample-qna",
        "score": 0.9489713
      },
      {
        "intent": "l_HomeAutomation",
        "score": 0.0612499453
      },
      {
        "intent": "None",
        "score": 0.008567564
      },
      {
        "intent": "l_Weather",
        "score": 0.0025761195
      }
    ],
    "query": "Hi",
    "topScoringIntent": {
      "intent": "q_sample-qna",
      "score": 0.9489713
    }
  }
}

発話 hi は、ディスパッチ LUIS アプリの q_sample-qna 意図の一部であり、topScoringIntent として選択されているため、ボットでは同じ発話を使用して今回は QnA Maker アプリに 2 番目の要求が行われます。

QnAMaker Trace Emulator ログ内の行を選択します。インスペクターに QnA Maker の結果が表示されます。

{
    "questions": [
        "hi",
        "greetings",
        "good morning",
        "good evening"
    ],
    "answer": "Hello!",
    "score": 1,
    "id": 96,
    "source": "QnAMaker.tsv",
    "metadata": [],
    "context": {
        "isContextOnly": false,
        "prompts": []
    }
}

ディスパッチによる誤っている最上位の意図の解決

ボットが起動したら、ディスパッチされたアプリ間での類似の発話または重複する発話を削除することで、ボットのパフォーマンスを向上することができます。 Dispatch コマンドラインツールを使用して、ディスパッチモデルをテストおよび評価することができます。

LUIS モデルを更新するか、新しく作成する

このサンプルは、事前構成済みの LUIS モデルが基になっています。このモデルを更新したり、新しい LUIS モデルを作成したりするのに役立つ追加情報については、 LUIS 用の反復的なアプリ設計に関する記事を参照してください。

基になるモデル (QnA または LUIS) を更新した後、dispatch refresh を実行して Dispatch LUIS アプリを更新します。 dispatch refresh は基本的に dispatch create と同じコマンドですが、新しい LUIS アプリ ID は作成されません。

LUIS で直接追加された発話は、dispatch refresh の実行時に保持されないことに注意してください。これらの追加の発話を Dispatch アプリで保持するには、テキストファイルでそれらの発話を (1 行に 1 発話ずつ) 追加し、次のコマンドを実行してファイルを Dispatch に追加します。

dispatch add -t file -f <file path> --intentName <target intent name, ie l_General>

追加の発話を含むファイルが Dispatch に追加されると、更新してもそれらの発話は残ります。

リソースを削除する

このサンプルでは、次の手順を使用して削除できるアプリケーションとリソースが多数作成されますが、"他のアプリやサービス" が依存しているリソースは削除しないでください。

LUIS リソースを削除するには:

luis.ai ポータルにサインインします。
[My Apps] ページに移動します。
このサンプルによって作成されたアプリを選択します。
- Home Automation
- Weather
- NLP-With-Dispatch-BotDispatch
[Delete] をクリックし、 [OK] をクリックして確認します。

QnA Maker リソースを削除するには:

qnamaker.ai ポータルにサインインします。
[My knowledge bases]\(マイナレッジベース\) ページに移動します。
Sample QnA ナレッジベースの削除ボタンをクリックし、 [Delete] をクリックして確認します。

ベストプラクティス

このサンプルで使用されているサービスを向上させるには、LUIS および QnA Maker 向けのベストプラクティスを参照してください。

インテントの解決に Dispatch (非推奨) を使用する

前提条件

サンプルについて

LUIS アプリと QnA ナレッジ ベースを作成する

LUIS アプリの作成

QnA Maker サポート情報を作成する

ディスパッチ アプリには既存のアプリへの読み取りアクセスが必要

サービス作成キー

ディスパッチ モデルを作成する

ディスパッチ LUIS アプリを使用する

サービス エンドポイント キー

パッケージをインストールする

お使いの appsettings.json ファイルを手動で更新する

ボットからサービスに接続する

ボットからのサービスを呼び出す

認識結果を操作する

ボットをテストする

QnA Maker へのユーザー発話のためのディスパッチ

ディスパッチによる誤っている最上位の意図の解決

LUIS モデルを更新するか、新しく作成する

リソースを削除する

ベスト プラクティス

LUIS アプリと QnA ナレッジベースを作成する

ディスパッチアプリには既存のアプリへの読み取りアクセスが必要

ディスパッチモデルを作成する

サービスエンドポイントキー

ベストプラクティス