プロンプトとテキスト
アイデアを検証済みのプロンプトに仕上げ、画像、動画、オーディオ、PDF についてあらゆる LLM に質問し、動画の脚本を書き、LLM の審査員にベストな結果を選ばせます。
プロンプトとテキストのツールは、アシスタントが Nodaro の生成ツールに渡す入力をより良く書き、結果の中から選ぶのを手助けします。enhance_prompt、analyze_prompt、generate_prompt は、大まかなアイデアを、特定のノード向けに書かれたプロンプトにします。generate_text は、読み込む画像、動画、オーディオ、PDF を添えて、あらゆる LLM に質問します。generate_script は動画の脚本をシーンごとに書き、reduce は候補のリストを結合または審査します。
このページの LLM 呼び出しの課金のしくみ
このページのすべての LLM 呼び出しは、実際に使ったトークンに応じて、それを実行したモデルの単価で課金されます。呼び出しの前に、Nodaro がクレジットを確保します。残高が確保額より少ない場合は、402 で拒否されます。呼び出しの後、使った分が請求されます。これは通常、確保額より少なくなります。プロンプトや回答が長いほど高くなります。拒否や途中で切れた回答のように、プロバイダーが課金した失敗は、その使用分が請求され、エラーに金額が表示されます。プロバイダーが課金しなかった失敗は返還されます。エディターの実行ボタンには ≈N が表示されます。これは、そのモデルでの一般的な呼び出しの見積もりです。実行前に、あるモデルでの呼び出しを見積もるには、list_models を priceIds 付きで使います。LLM 呼び出しの課金のしくみを参照してください。
enhance_prompt
大まかなアイデアを、対象のノードタイプ向けに最適化した 1 つのプロンプトに書き直します。途中で質問はしません。手早く改善したいときに使います。
権限:workflows:execute。クレジット:LLM の実行 1 回分で、使ったトークンに応じてモデルの単価で課金されます(しくみ)。
| パラメーター | 型 | 説明 |
|---|---|---|
nodeType | string | 必須。プロンプトを使うノードです。たとえば generate-image、image-to-video、generate-music です。 |
prompt | string | 大まかなアイデアで、最大 5,000 文字です。ゼロから始める場合は省略します。 |
provider, style, aspectRatio, duration | string または number | 使う予定のモデルと設定です。プロンプトがそれに合うように書かれます。 |
llmModel | string | プロンプトを書く LLM です。ツールが一覧表示する ID のいずれかで、たとえば gemini-3.6-flash や claude-sonnet-4.6 です。デフォルトの Gemini 3.6 Flash を使う場合は省略します。 |
reasoning_effort | string | none、low、medium、high、xhigh、max のいずれかです。強度を上げると通常は出力のトークンが増えるため、呼び出しの料金が高くなります。Claude モデルでは、どの値でもモデルの開発元のサービスで直接実行され、そのサービスの単価で課金されます。 |
advanced_mode | boolean | Gemini と Claude のモデルで使えます。リクエストをモデルの開発元のサービスで直接実行するため、temperature と max_tokens が適用されます。呼び出しは、そのサービスの単価でトークンごとに課金されます。ほかのモデルでは、400 advanced_mode_unsupported が返されます。 |
temperature, max_tokens | number | advanced_mode のときだけ使います。temperature は 0〜2、max_tokens は最大 32,768 です。 |
戻り値:jobId、prompt、そしてツールに推奨モデルがある場合は recommendedModel です。
analyze_prompt
対象のノードタイプ向けに、大まかなアイデアを選択肢付きの質問にします。プロンプトの方向性を自分で決めたいときに、generate_prompt と組み合わせて使います。質問に答えてから、その回答でプロンプトを組み立てます。
権限:workflows:execute。クレジット:LLM の実行 1 回分で、使ったトークンに応じてモデルの単価で課金されます(しくみ)。
| パラメーター | 型 | 説明 |
|---|---|---|
nodeType | string | 必須。プロンプトを使うノードです。たとえば generate-image です。 |
prompt | string | 大まかなアイデアで、最大 5,000 文字です。ゼロから始める場合は省略します。 |
| モデルと設定 | provider、style、aspectRatio、duration、llmModel、reasoning_effort、advanced_mode、temperature、max_tokens です。enhance_prompt と同じです。 |
戻り値:jobId と questions です。各質問には、category、label、options、選択中の選択肢(selected)、自由回答を許可するかどうか(allowCustom)、複数の回答を許可するかどうか(multi)が含まれます。
generate_prompt
analyze_prompt の質問への回答から、最適化した 1 つのプロンプトを組み立てます。
権限:workflows:execute。クレジット:LLM の実行 1 回分で、使ったトークンに応じてモデルの単価で課金されます(しくみ)。
| パラメーター | 型 | 説明 |
|---|---|---|
nodeType | string | 必須。analyze_prompt と同じノードタイプです。 |
selections | array | 必須。回答した質問ごとに、1 つの { category, value, isCustom } を指定します。 |
originalPrompt | string | 最初のアイデアで、最大 5,000 文字です。結果に織り込まれます。 |
| モデルと設定 | provider、style、aspectRatio、duration、llmModel、reasoning_effort、advanced_mode、temperature、max_tokens です。enhance_prompt と同じです。 |
戻り値:jobId、prompt、そしてツールに推奨モデルがある場合は recommendedModel です。
同じプロンプトウィザードは、エディターと REST API でも使えます。
generate_text
あらゆる LLM に、読み込むメディアを添えて、質問や執筆の作業を頼みます。回答はツール自体の結果に { jobId, text } として全文で返されます。ポーリングするジョブはなく、何も切り詰められず、ワークフローも作成されません。テキスト生成 - あらゆる LLM ノードと同じように動作します。
権限:workflows:execute。クレジット:LLM の実行 1 回分で、使ったトークンに応じてモデルの単価で課金されます(しくみ)。モデルが読み込むメディアは入力トークンとして数えられるため、動画のフレームが多いほど高くなります。
| パラメーター | 型 | 説明 |
|---|---|---|
prompt | string | 必須。質問または執筆の内容で、最大 100,000 文字です。 |
system_prompt | string | モデルへの指示で、その役割と回答の形式を指定します。最大 100,000 文字です。 |
image_urls | array または string | 最大 5 個の画像で、リンクまたは Nodaro の ID で指定します。 |
video_urls | array または string | 最大 3 本の動画で、リンクまたは Nodaro の ID で指定します。モデルは各動画を音声付きで読み込みます。 |
audio_urls | array または string | 最大 3 個のオーディオファイルで、リンクまたは Nodaro の ID で指定します。 |
file_urls | array | 最大 5 個の PDF のリンクです。 |
video_fps | number | 各動画で 1 秒あたりに読み込むフレーム数で、0 より大きく 24 以下です。デフォルトは 1 です。Gemini モデルで advanced_mode が必要です。音声は、どの値でも同じように読み込まれます。 |
llmModel | string | LLM です。ツールが一覧表示する ID のいずれかで、たとえば gemini-3.6-flash や claude-sonnet-5.5 です。デフォルトの Gemini 3.6 Flash を使う場合は省略します。 |
reasoning_effort、advanced_mode、temperature、max_tokens | enhance_prompt と同じです。 |
Nodaro の ID には、メディアを作成したジョブ、またはアップロードを指定できます。動画とオーディオには、動画やオーディオを読み取れるモデル(Gemini 3 Flash、Gemini 3.6 Flash、Gemini 3.8 Flash、Gemini 3.1 Pro、Gemini 4 Carbon、Gemini 4 Hydrogen)が必要です。PDF には、ドキュメントを読み込めるモデル(GPT-6.1 Terra か Gemini 4 Hydrogen)が必要です。モデルがメディアやファイルを読まずに出した回答は破棄されます。それらからもう一度答えを得られない場合、呼び出しは 502 media_not_ingested で失敗し、クレジットは返還されます。テキスト生成 - あらゆる LLM を参照してください。モデルに音声だけを評価させるには、動画ではなく録音を audio_urls に渡してください。
戻り値:jobId、status: "completed"、そして text としての回答です。40 秒たっても実行中の呼び出しは、代わりに { jobId, status: "running" } を返します。MCP クライアントは、それより長い呼び出しを打ち切るためです。その ID で wait_for_job を呼び出すと、回答の全文を outputData.generatedText で受け取れます。呼び出しは実行を続け、課金は 1 回だけなので、もう一度送らないでください。
generate_script
説明から、構造化された動画の脚本を書きます。脚本はシーンごとの文章で、一連の画像生成や動画生成に使えます。脚本生成ノードと同じように動作します。
権限:workflows:execute。クレジット:LLM の実行 1 回分で、使ったトークンに応じてモデルの単価で課金されます(しくみ)。シーンが多いほど、また目標の長さが長いほど、書かれる量が増えて高くなります。
| パラメーター | 型 | 説明 |
|---|---|---|
prompt | string | 必須。動画の内容です。トピック、スタイル、対象者を書きます。最大 10,000 文字です。 |
model | string | gemini(デフォルト)、claude、gpt のいずれかです。 |
scene_count | integer | シーンの数で、1〜20 です。デフォルトは 5 です。 |
target_duration | integer | 動画の長さ(秒)で、5〜600 です。デフォルトは 60 です。 |
tone | string | dramatic や lighthearted などのトーンで、最大 200 文字です。 |
style_guide | string | 脚本が従うスタイルで、語り口、見た目、テンポを指定します。最大 100,000 文字です。 |
戻り値:ジョブ ID です。脚本はジョブの出力に含まれます。MCP Apps に対応したクライアントでは、ジョブのカードに脚本とコピーボタンが表示されます。
reduce
候補のリストを 1 つの結果にまとめるか、LLM の審査員に最も良いものを選ばせます。ベストを選択ノードのエンジンです。
権限:workflows:execute。クレジット:ロジック系の戦略は無料です。pick-best-llm では、審査員の呼び出しが、使ったトークンに応じて審査員のモデルの単価で課金されます(しくみ)。デフォルトの審査員は Claude Sonnet 5.5 です。
| パラメーター | 型 | 説明 |
|---|---|---|
strategyId | string | 必須。pick-best-llm、concat、first-non-empty、count、vote、merge-json のいずれかです。 |
inputs | array | 必須。最大 1,000 個の文字列で、テキストの断片や URL です。 |
strategyConfig | object | 戦略の設定です。下の表を参照してください。 |
| 戦略 | 動作 | strategyConfig |
|---|---|---|
pick-best-llm | LLM の審査員が、判断基準に照らして最も良い候補を選びます | criteria(テキスト)、inputKind(text か image-url)、審査員用の任意の llmModel |
concat | すべての入力を連結します | separator |
first-non-empty | 空でない最初の入力を返します | なし |
count | 入力の数を数えます | なし |
vote | 最も多く現れる入力を返します。同数の場合は、最初の入力です | caseSensitive |
merge-json | JSON オブジェクトをマージします | strategy:deep か shallow |
戻り値:jobId、文字列としての output、処理の内容を示す meta.summary です。pick-best-llm では、meta.selectedIndex と、審査員の説明である meta.reasoning も返されます。
候補が画像の場合は、inputKind を image-url にしてください。text のままだと、審査員はリンクをテキストとして比べるだけです。一見きちんと選んでいるように見えますが、実際には意味のある選択になっていません。
よくある質問
enhance_prompt と analyze_prompt の違いは何ですか?
enhance_prompt は、1 回の呼び出しで、大まかなアイデアを最適化された 1 つのプロンプトに書き直します。analyze_prompt は、まず選択肢付きの質問を返します。その回答から generate_prompt がプロンプトを組み立てるので、結果の方向性を自分で決められます。
プロンプトのツールには、クレジットがかかりますか?
はい。1 回の呼び出しは LLM の実行 1 回分で、実際に使ったトークンに応じて、それを実行したモデルの単価で課金されます。呼び出しの前にクレジットが確保され、その後、使った分が請求されます。プロンプトや回答が長いほど高くなります。
アシスタントは、動画、オーディオファイル、PDF について LLM に質問できますか?
はい、generate_text でできます。プロンプトと一緒に、画像を最大 5 個、動画を最大 3 本、オーディオファイルを最大 3 個、PDF のリンクを最大 5 個渡します。回答はツールの結果にそのまま全文で返され、ポーリングするジョブはありません。動画とオーディオには、Gemini 3.6 Flash や Gemini 4 Hydrogen のように、それらを読み取れるモデルが必要です。PDF には GPT-6.1 Terra か Gemini 4 Hydrogen が必要です。
アシスタントは、複数の画像からベストをどのように選べますか?
reduce を呼び出します。戦略に pick-best-llm を、inputs に画像の URL を指定し、inputKind を image-url にして、判断基準を渡します。審査員は、勝者、そのインデックス、選んだ理由を返します。
関連ページ
MCP ツールリファレンス
テキスト生成 - あらゆる LLM
脚本生成
ベストを選択
プロンプトウィザード
最終更新