OpenClaw スマートホーム実践：WhatsApp音声と自然言語で家をコントロールする完全ガイド

「寝室の照明を少し暗くして。」

私はスマホに向かって3回目となる同じ言葉を繰り返しましたが、Siriは相変わらず頑なに「すみません、よくわかりません」と返してきます。

その瞬間、ベッドに横たわり天井を見つめながら、あるバカバカしい事実に気がつきました。我が家には数万円をかけてPhilips Hueのスマート照明を導入しているのに、このAIはこれほどまでに基本的な「人間の言葉」を理解できないのだと。

Vultr - 高性能NVMeクラウドサーバー、世界32拠点、Dockerワンクリック展開対応

価格を見る →広告

正直に言って、あなたもこんな場面に遭遇したことがあるのではないでしょうか。私たちは山のようにスマートホームデバイスを設置し、5つも6つもアプリをダウンロードし、数え切れないほどの自動化ルール（オートメーション）を苦労して設定します。しかし最終的に気づくのは、照明を一つ消すだけでも「主寝室のシーリングライトをオフにして」といった機械語（定型文）を正確に発音しなければならないということです。少しでも曖昧な言い方、例えば「明るすぎるから、暗くして」などと言うと、システムはパニックに陥ってしまいます。

これが従来の音声アシスタントの致命的な弱点です。彼らはあなたの「意図を本当に理解」しているのではなく、単に「キーワードのマッチング」を行っているに過ぎないのです。

OpenClawに出会うまでは。

初めてOpenClawを使って照明をコントロールした時、私はWhatsAppでこんな音声を吹き込みました。「リビングの照明がちょっと眩しいから、温かみのある黄色に変えて。明るさはだいたい6割くらいで。」3秒後、照明が変わりました。それは事前に設定されたシーンモードの呼び出しではなく、AIが私の言葉を本当に理解し、色温度と明るさを自動で計算して実行してくれたのです。

その時の感覚は非常に不思議なものでした。まるで家にプロの執事が突然現れたかのようです。AIに各デバイスの名前を教え込む必要も、特定のコマンドのフォーマットを丸暗記する必要もありません。普段話しているような言葉で伝えるだけでいいのです。

今日は、この「執事」を家に迎え入れる方法についてお話ししたいと思います。

OpenClawとは？なぜスマートホームの「頭脳」として選ぶのか？

OpenClaw（以前は Moltbot や ClawdBot と呼ばれていました）は、一言で言えばバックグラウンドに常駐する AI Agent です。Claude Code の家庭版と考えると分かりやすいでしょう。WhatsApp、Telegram、Discord などのメッセージングアプリに接続し、カレンダーやメールを読み取り、そしてもちろんスマートホームを管理（テイクオーバー）することができます。

Siri や Alexa のような従来の音声アシスタントとの最大の違いはどこにあるのでしょうか？

従来の音声アシスタントは「コマンドマッピング」を行っています。あなたがAと言うと、あらかじめ登録されているコマンドBを探しにいきます。見つからなければ、そこでお手上げです。「少し暗くして」という言葉を彼らが理解できない理由は、まさにその表現が登録されていないからです。

OpenClaw は違います。その背後には Claude という、意味合い（セマンティクス）を真に「理解」できる大規模言語モデル（LLM）が控えています。あなたが「少し暗くして」と言うと、AIは自ら推論します。「ユーザーは現在明るすぎると感じており、輝度を下げたいと思っている。光をより柔らかくするために色温度の調整も必要かもしれない」。そして自発的に Home Assistant の API を呼び出し、リビングの照明エンティティを見つけ、適切な数値を計算して実行します。

これは全く異なる2つの思考モデルです。

Dan Malone は自身のブログで興味深い事例を共有しています。彼は OpenClaw に「アライグマ（Raccoon）」というペルソナ（人格）を設定しました。その結果、このAIはスマートホームをコントロールするだけでなく、ツッコミまで入れてくるようになったのです。例えば深夜に照明をつけると、AIは「こんな時間まで起きてるの？しょうがない、明かりは点けてあげるけど、あまり夜更かししないでね」と返してきます。

馬鹿げているように聞こえるかもしれませんが、このようなパーソナライズされた対話こそ、従来の音声アシスタントには絶対にできないことなのです。

さらに、OpenClaw はローカルで実行されます。あなたのデータが分析のために見知らぬクラウドサーバーに送られることはありません。プライバシーを気にする人にとって、これは非常に重要なポイントです。

環境の準備と前提条件

さて、「とは何か」「なぜか」について話したので、次は具体的な「やり方」について説明しましょう。

まず、以下の基礎条件を整える必要があります：

1. Home Assistant システム

• 推奨バージョン：2024.1 以上
• ローカルエリアネットワーク（LAN）内の他のデバイスに正常にアクセスできること
• 既に Philips Hue（または制御したい他のスマートデバイス）が連携済みであること

まだ Home Assistant をインストールしていない場合は、HassOS のイメージを使って素早く構築することをお勧めします。ネット上に多くのチュートリアルがあるので、ここでは詳細は割愛します。

2. OpenClaw 実行環境

3つのインストール方法から選択できます：

Railway - モダンなデプロイプラットフォーム、煩わしい運用から解放、数分で公開

今すぐ始める →広告

• Docker 方式：最も柔軟性が高く、サーバーを持っているユーザー向け
• HA Add-on 方式：最も簡単で、Home Assistant 内に直接インストールできる
• ローカル実行：Node.js 環境が必要

私個人としては、アップデートや管理が便利な Docker 方式を推奨します。

3. ネットワーク要件

• Home Assistant が OpenClaw からアクセス可能であること（ローカルIP または ドメイン）
• 固定IPの設定、あるいは mDNS ドメインの使用を推奨します

4. Philips Hue の連携

Hue Bridge が公式のインテグレーション（統合機能）を通じて Home Assistant に連携されていることを確認してください。HA の「設定 - デバイスとサービス」で Philips Hue のデバイスリストが見えれば正解です。

moltbot-ha スキルの詳細と設定

これがソリューション全体の中核となる部分です。moltbot-ha は OpenClaw の skill（拡張プラグイン）であり、これにより OpenClaw と Home Assistant が対話できるようになります。

ステップ 1：Home Assistant アクセストークンの取得

Home Assistant にログインし、左下のユーザー名をクリックして、「長期アクセストークン（Long-Lived Access Tokens）」を選択します。

「トークンを作成」をクリックし、適当な名前（例：“openclaw-token”）を付け、生成された長い文字列をコピーします。注意：このトークンは一度しか表示されないので、確実に保存してください。

ステップ 2：環境変数の設定

2つの環境変数を設定する必要があります：

export HA_URL="http://あなたのHAアドレス:8123"
export HA_TOKEN="先ほどコピーした長いトークン"

Docker でデプロイしている場合は、docker-compose.yml に以下を追加します：

environment:
  - HA_URL=http://192.168.1.100:8123
  - HA_TOKEN=eyJhbGciOiJIUzI1NiIs...

ステップ 3：homeassistant skill のインストール

OpenClaw のコンテナまたはディレクトリに入り、以下を実行します：

npx moltbot add skill homeassistant

あるいは、設定ファイル内の skills 配列に以下を追加します：

{
  "skills": [
    {
      "name": "homeassistant",
      "enabled": true
    }
  ]
}

ステップ 4：接続の検証

OpenClaw を再起動後、WhatsApp または Telegram で次のようにメッセージを送ります：

「家にあるすべての照明をリストアップして」

設定が正しければ、以下のようなデバイスリストが返ってきます：

以下の照明デバイスが見つかりました：
- light.living_room_main (リビングのメインライト)
- light.bedroom_ceiling (寝室のシーリングライト)
- light.kitchen_spotlights (キッチンのスポットライト)

ここまで確認できれば、おめでとうございます！基本設定は完了です。

実践デモ——WhatsApp音声によるPhilips Hueのコントロール

ここからが本番です。真の自然言語コントロールとはどのようなものか見ていきましょう。

基本的なコントロール

シナリオ 1：シンプルなオン/オフ
あなた：「リビングの電気を消して」
AI：「はい、リビングのメインライトをオフにしました」

Alibaba Cloud - 開発者向けクラウドの第一候補、ライトサーバー15%OFF、プロジェクトの迅速な立ち上げを支援

15%割引を入手 →広告

light.living_room_main のようなエンティティ ID を言う必要はありません。AI が「リビング」と「電気（ライト）」というキーワードから推測し、該当するデバイスを自動で見つけ出します。

シナリオ 2：明るさと色温度の調整
あなた：「寝室の明かりをもう少し暗くして、寝る前に本を読むときの光にして」
AI：「寝室のシーリングライトの明るさを40%に、色温度を2700Kの電球色に調整しました」

気づきましたか？あなたは具体的な数値を一切口にしていませんが、AI が「寝る前に本を読む」というシーンから適切なパラメータを推論してくれたのです。

シナリオ 3：カラーコントロール
あなた：「書斎の照明を薄い水色に変えて、曇りの日の窓の外みたいな色に」
AI：「書斎の照明をライトブルー（RGB: 173, 216, 230）に設定しました」

このような曖昧な表現は、従来の音声アシスタントでは到底処理できません。

複雑なシナリオ

シナリオ 4：複数デバイスの連動（シーン制御）
あなた：「これから映画を見るよ」
AI：「シアターモードを起動しました：

• リビングのメインライトをオフにしました
• アンビエントLEDテープをシネマモードに変更しました
• エアコンの温度を24°Cに設定しました」

このシナリオを実現するには、Home Assistant 側であらかじめ「シアターモード」のスクリプト（またはシーン）を定義しておく必要がありますが、呼び出し方は劇的に自然になります。

シナリオ 5：条件判断
あなた：「暗くなってきたから、電気をつけて」
AI：「現在の屋外の照度が 50 lux であることを検知しました。確かに暗いですね。リビングと廊下の照明をオンにしました。」

AI はただ命令を実行するだけでなく、センサーデータと照らし合わせて状況判断を行います。

マルチターン対話（連続した会話）

最も面白いのはこれです：

あなた：「そのライト、明るすぎるよ」
AI：「どの部屋の照明でしょうか？」
あなた：「リビング」
AI：「リビングのメインライトの明るさを80%から50%に下げました。もっと暗くしますか？」
あなた：「もう少し暗く。あと少し黄色っぽくして」
AI：「明るさを30%に、色温度を2200Kに調整しました。これくらいの光でどうでしょうか？」

この会話のキャッチボール、まるで本物の執事と話しているような感覚になりませんか？

高度なテクニックとトラブルシューティング

エンティティの別名（エイリアス）のカスタマイズ

デバイス名が直感的でない場合があります。その場合は Home Assistant でエンティティの「フレンドリーネーム」を設定するか、OpenClaw の設定で別名マッピングを追加します：

{
  "aliases": {
    "light.living_room_main": ["大きなライト", "メインの明かり", "リビングの電気"]
  }
}

これで「大きなライト」「メインの明かり」「リビングの電気」のどれを言っても、AIは同じデバイスを指していると認識してくれます。

セキュリティに関するアドバイス

1. Token の権限制御
   まずは読み取り専用（Read-Only）の Token を作成してテストし、問題がなければ読み書き可能（Read/Write）な権限に変更することをお勧めします。

2. アクセスの制限
   OpenClaw をパブリックネットワークのサーバーで稼働させる場合、HA_URL が確実に HTTPS を使用していることを確認し、指定した IP アドレスのみを許可するファイアウォールの設定を検討してください。

3. ログの監視
   OpenClaw の操作ログを定期的に確認し、不審なデバイス制御リクエストがないかチェックしましょう。

よくある質問（FAQ）

問題 1：AI が「デバイスが見つからない」と言う

• HA_TOKEN が十分な権限を持っているか確認する
• Home Assistant の「開発者ツール（Developer Tools）」でそのエンティティIDが実際に存在するか確認する
• OpenClaw サービスの再起動を試す

問題 2：レスポンスが非常に遅い

• ネットワークのレイテンシをチェックする（OpenClaw から HA への遅延は 50ms 未満が望ましい）
• API の遅延を減らすために Claude のローカルプロキシの使用を検討する
• デバイスが多すぎる場合は、設定で制御可能なエンティティの範囲を制限する

問題 3：誤作動（意図しないトリガー）

• グループチャットで使用する場合は、ウェイクワード（呼びかけの言葉）や @メンション を設定することを推奨します
• ブラックリストを設定し、取り扱いに注意が必要なデバイス（スマートロックや監視カメラなど）を除外する

まとめ

色々とお話ししてきましたが、結局のところ核心はこれに尽きます。「AIがようやく人間の言葉を理解し始めた」ということです。

「light.living_room_main をオフにして」から「リビングの電気を少し暗くして」への変化は、単なるコマンドフォーマットの変更ではなく、インタラクション（人間と機械の関わり方）の質の変化です。私たちはもう機械の言語を学ぶ必要はなく、機械が私たちの表現を理解するようになったのです。

OpenClaw と Home Assistant の組み合わせにより、私は初めて家のスマートデバイスが本当に「スマート」だと感じました。あらかじめプログラムされたルーチンを実行するのではなく、私のニーズを理解し、それをどう満たすかを自主的に決定してくれるのです。

もしあなたもこの体験を試してみたいなら、GitHubにある awesome-openclaw-skills リポジトリから始めてみてください。そこには完全な設定ドキュメントとコミュニティでの議論があります。問題にぶつかったら、Home Assistant コミュニティの OpenClaw 掲示板で質問してみてください。皆とても親切に教えてくれます。

正直なところ、設定の過程で少しつまずくこともあるかもしれません。しかし、自然言語で照明のコントロールに初めて成功した瞬間、きっと「やってよかった」と思えるはずです。

結局のところ、未来はすでにここにあるのです。ただ、まだ均等に分布していないだけです。そして私たちのように最新のテクノロジーをいじくり回すのが好きな人間は、いつも少しだけ先にその未来の端を掴むことができるのです。

6 min read · 公開日: 2026年2月27日 · 更新日: 2026年3月3日

Easton

AI・インテリジェンス