Знаменитый AI чат-бот ChatGPT заблокирован в России. Отличным выходом из этой ситуации были и есть Telegram-боты, которые не только позволяют обходить блокировку, но и в целом делают использование бота гораздо более удобным прямо из мессенджера.
Я решил сделать свою интеграцию ChatGPT в Telegram, чтобы лучше понять, как работает ChatGPT API, какие настройки мне доступны и пользоваться ботом без всяких ограничений, а также иметь свободный доступ к модели GPT-4.
Мне не хотелось для этого проекта держать отдельный сервер, покупать домен и делать под него SSL сертификат, который требует Telegram для настройки WebHook. Поэтому я решил настроить всю систему с помощью serverless-технологий.
Подготовка
Для реализации проекта мне понадобится:
API-ключ для ChatGPT API
Доступ к API, как и к самому ChatGPT заблокирован в России. К счастью, есть простое решение этой проблемы - ChatGPT API в России от компании ProxyAPI. Не нужен ни иностранный телефон, ни VPN, ни карта иностранного банка.
Регистрируемся, идём в раздел Ключи API и создаём ключ. Одна минута и готово. Красота!
![Сохраните ключ во время создания! В полном виде вы его больше не увидите Сохраните ключ во время создания! В полном виде вы его больше не увидите](https://habrastorage.org/getpro/habr/upload_files/b69/dbd/c71/b69dbdc7135c1be7f4e6a64b043cd02b.png)
Аккаунт в Яндекс.Облако
Если аккаунта ещё нет его нужно создать здесь. Убедитесь, что у вас подключён платёжный аккаунт, и он находится в статусе ACTIVE
или TRIAL_ACTIVE
.
Все ресурсы, которые мы будем использовать, имеют ежемесячный бесплатный лимит потребления. Об этом я напишу ниже и, честно говоря, вряд ли возможно исчерпать такие лимиты, если бот предназначен только для личного использования. Так что вся система будет обходиться нам бесплатно, кроме расходов на ProxyAPI.
Telegram-бот
Для создания и управления своими ботами в Telegram есть, собственно, специальный бот под названием BotFather. Он поможет вам создать бота и в результате даст токен - сохраните его, он нам ещё понадобится.
Облачные ресурсы
Теперь возвращаемся в Яндекс Облако и заводим все ресурсы, необходимые для работы нашего проекта.
Сервисный аккаунт
На домашней странице консоли в верхнем меню есть вкладка "Сервисные аккаунты". Переходим туда и создаём новый аккаунт. Здесь и везде далее я использую одно и то же имя для всех ресурсов "chatgpt-telegram-bot" просто, чтобы не запутаться. Аккаунту надо присвоить следующие роли:serverless.functions.invoker
storage.uploader
![](https://habrastorage.org/getpro/habr/upload_files/fb6/36e/2c4/fb636e2c4670b26a0b34242881ab2a95.png)
После того как аккаунт создан, перейдите в него и создайте статический ключ доступа, сохраните полученные идентификатор и секретный ключ, а также идентификатор самого сервисного аккаунта.
![](https://habrastorage.org/getpro/habr/upload_files/a35/ef6/767/a35ef6767681b1e506ac7a6e8e8a13e3.png)
Бакет
Теперь переходим в раздел "Object Storage" и создаём новый бакет. Я не менял никакие настройки.
![](https://habrastorage.org/getpro/habr/upload_files/6a3/f32/97f/6a3f3297f9040064abdbc1c80d4807c8.png)
Облачная функция
Следующий шаг — создание облачной функции. Именно она будет получать ваши запросы от Telegram, перенаправлять их в ProxyAPI и посылать ответ обратно в Telegram-бот.
Переходим в раздел "Cloud Functions" и жмём "Создать функцию".
После создания сразу откроется редактор, в который мы собственно и положим код функции.
Выбираем среду выполнения Python 3.12:
![](https://habrastorage.org/getpro/habr/upload_files/d14/d60/8b7/d14d608b74f868e729c4e8a2ac73f4e8.png)
В редакторе сначала создадим новый файл, назовём его requirements.txt
и положим туда следующий код:
openai==1.3.7
pyTelegramBotAPI==4.14.0
boto3==1.33.7
Это список зависимостей для Python, которые облако автоматически подгрузит во время сборки так, чтобы мы могли пользоваться ими в коде самой функции.
Теперь переключимся на редактирование index.py
и запишем в него этот код:
import logging
import telebot
import os
import openai
import json
import boto3
import time
import multiprocessing
TG_BOT_TOKEN = os.environ.get("TG_BOT_TOKEN")
TG_BOT_CHATS = os.environ.get("TG_BOT_CHATS").lower().split(",")
PROXY_API_KEY = os.environ.get("PROXY_API_KEY")
YANDEX_KEY_ID = os.environ.get("YANDEX_KEY_ID")
YANDEX_KEY_SECRET = os.environ.get("YANDEX_KEY_SECRET")
YANDEX_BUCKET = os.environ.get("YANDEX_BUCKET")
logger = telebot.logger
telebot.logger.setLevel(logging.INFO)
bot = telebot.TeleBot(TG_BOT_TOKEN, threaded=False)
client = openai.Client(
api_key=PROXY_API_KEY,
base_url="https://api.proxyapi.ru/openai/v1",
)
def get_s3_client():
session = boto3.session.Session(
aws_access_key_id=YANDEX_KEY_ID, aws_secret_access_key=YANDEX_KEY_SECRET
)
return session.client(
service_name="s3", endpoint_url="https://storage.yandexcloud.net"
)
def typing(chat_id):
while True:
bot.send_chat_action(chat_id, "typing")
time.sleep(5)
@bot.message_handler(commands=["help", "start"])
def send_welcome(message):
bot.reply_to(
message,
("Привет! Я ChatGPT бот. Спроси меня что-нибудь!"),
)
@bot.message_handler(commands=["new"])
def clear_history(message):
clear_history_for_chat(message.chat.id)
bot.reply_to(message, "История чата очищена!")
@bot.message_handler(func=lambda message: True, content_types=["text"])
def echo_message(message):
typing_process = multiprocessing.Process(target=typing, args=(message.chat.id,))
typing_process.start()
try:
text = message.text
ai_response = process_text_message(text, message.chat.id)
except Exception as e:
bot.reply_to(message, f"Произошла ошибка, попробуйте позже! {e}")
return
typing_process.terminate()
bot.reply_to(message, ai_response)
def process_text_message(text, chat_id) -> str:
model = "gpt-3.5-turbo"
# read current chat history
s3client = get_s3_client()
history = []
try:
history_object_response = s3client.get_object(
Bucket=YANDEX_BUCKET, Key=f"{chat_id}.json"
)
history = json.loads(history_object_response["Body"].read())
except:
pass
history.append({"role": "user", "content": text})
try:
chat_completion = client.chat.completions.create(
model=model, messages=history
)
except Exception as e:
if type(e).__name__ == "BadRequestError":
clear_history_for_chat(chat_id)
return process_text_message(text, chat_id)
else:
raise e
ai_response = chat_completion.choices[0].message.content
history.append({"role": "assistant", "content": ai_response})
# save current chat history
s3client.put_object(
Bucket=YANDEX_BUCKET,
Key=f"{chat_id}.json",
Body=json.dumps(history),
)
return ai_response
def clear_history_for_chat(chat_id):
try:
s3client = get_s3_client()
s3client.put_object(
Bucket=YANDEX_BUCKET,
Key=f"{chat_id}.json",
Body=json.dumps([]),
)
except:
pass
def handler(event, context):
message = json.loads(event["body"])
update = telebot.types.Update.de_json(message)
if (
update.message is not None
and update.message.from_user.username.lower() in TG_BOT_CHATS
):
try:
bot.process_new_updates([update])
except Exception as e:
print(e)
return {
"statusCode": 200,
"body": "ok",
}
Разберём, что делает этот код.
Сперва подключаем все необходимые библиотеки и читаем переменные окружения.
Инициируем библиотеку для работы с Telegram:
bot = telebot.TeleBot(TG_BOT_TOKEN, threaded=False)
Важно! Обязательно укажите параметр threaded=False
, иначе обработка сообщений от Telegram будет запускаться в отдельном потоке, однако в связи с тем, что это не полноценный сервер, который включён всегда, а облачная функция, она прекратит свою работу как только будет получен ответ от метода handler
и просто проигнорирует исполняющийся на другом потоке процесс. В результате вы просто не получите ответ.
Далее переопределяем API-ключ и путь к API для OpenAI SDK, чтобы библиотека обращалась к нашему ProxyAPI, а не к OpenAI напрямую:
openai.api_key = os.getenv("PROXY_API_KEY")
openai.api_base = "https://api.proxyapi.ru/openai/v1"
def get_s3_client()
Метод для получения клиента для работы с Object Storage. В наш бакет мы будем сохранять историю беседы.
def typing(chat_id)
Метод, который будет посылать в Telegram статус "Набирает сообщение…", чтобы ожидание ответа не было таким томительным :)
@bot.message_handler(commands=["help", "start"])
Приветственное сообщение, которое пришлёт бот в ответ на команды /start
или /help
@bot.message_handler(commands=["new"])
Команда /new
позволяет очистить текущую историю чата, чтобы ChatGPT больше не использовал нерелевантный контекст, когда вы, например, хотите начать обсуждать новую тему так, чтобы бот не "отвлекался" на предыдущую беседу.
@bot.message_handler(func=lambda message: True, content_types=["text"])
Обработчик входящего текстового сообщения.
def process_text_message(text, chat_id)
Метод, который собственно обрабатывает ваше сообщение, сохраняет его в историю, посылает запрос в ProxyAPI и возвращает ответ, который тоже сохраняет в историю. В случае ошибки BadRequestError
мы самостоятельно очищаем историю и снова запускаем запрос. Хотя эта ошибка может означать не только переполнение контекстного окна, у меня она возникала в основном только из-за этого.
def handler(event, context)
Это "входная точка" для вызова облачной функции. Здесь мы просто декодируем сообщение в JSON, проверяем, что оно поступило из списка чатов, которые мы хотим поддерживать, то есть запрос прислали вы, а не кто-то другой и отдаём его на обработку библиотеке Telegram-бота.
В параметрах функции поставим таймаут 60 секунд - ответы от ChatGPT приходится обычно ждать какое-то время, 60 секунд должно быть достаточно.
А также надо заполнить все переменные окружения, которые использует наша функция.
![](https://habrastorage.org/getpro/habr/upload_files/1cd/44f/7f0/1cd44f7f02ab33b5440220ff50273129.png)
TG_BOT_TOKEN
Токен Telegram-бота
TG_BOT_CHATS
Имена пользователей, которым хотите дать доступ к боту, разделённых через запятую
PROXY_API_KEY
API-ключ от ProxyAPI
YANDEX_KEY_ID
YANDEX_KEY_SECRET
Идентификатор и секретный ключ статического ключа сервисного аккаунта Яндекс
YANDEX_BUCKET
Имя бакета, который вы создали в Object Storage
На этом наша работа с функцией закончена. Жмём "Сохранить изменения" и смотрим, как Облако собирает нашу функцию. Для следующего шага нам понадобится идентификатор функции. Перейдите во вкладку "Обзор" для нашей функции и скопируйте его оттуда.
![](https://habrastorage.org/getpro/habr/upload_files/b50/b2b/321/b50b2b3214db22af215072e5213e5471.png)
АПИ шлюз
Для того чтобы сообщения, которые мы посылаем в Telegram-бот, приходили на обработку в нашу функцию, у неё должен быть какой-то публичный адрес. Сделать это очень легко с помощью инструмента API-шлюз. Переходим в раздел и создаём новый шлюз. В спецификации указываем:
openapi: 3.0.0
info:
title: Sample API
version: 1.0.0
paths:
/:
post:
x-yc-apigateway-integration:
type: cloud-functions
function_id: <FUNCTION-ID>
service_account_id: <SERVICE-ACCOUNT-ID>
В спецификации используйте свой индентификатор функции и сервисного аккаунта для значений <FUNCTION-ID>
и <SERVICE-ACCOUNT-ID>
. Выглядеть это будет вот так:
![](https://habrastorage.org/getpro/habr/upload_files/548/b4a/ee3/548b4aee39aba6af2573ed6d24a4da41.png)
После сохранения вы увидите сводную информацию о шлюзе. Сохраните оттуда строку "Служебный домен".
Telegram WebHook
Теперь надо сообщить Telegram-боту, куда пересылать сообщения, которые он от нас получает. Для этого достаточно выполнить POST-запрос к API Telegram такого формата:
curl \
--request POST \
--url https://api.telegram.org/bot<токен бота>/setWebhook \
--header 'content-type: application/json' \
--data '{"url": "<домен API-шлюза>"}'
<токен бота>
заменяем на токен Telegram-бота, который мы получили еще на третьем шаге этого туториала
<домен API-шлюза>
заменяем на Служебный домен нашего API-шлюза, созданный на прошлом шаге.
Я использовал Postman для этой задачи, просто удобнее, когда всё наглядно и с user-friendly интерфейсом:
![](https://habrastorage.org/getpro/habr/upload_files/acc/523/05f/acc52305f983558df18c2a50cf06dac8.png)
На этом вся наша работа закончена, осталось только проверить.
Тест
Спрошу у своего чат-бота топ-10 стран по численности населения, а потом уточню, что интересуют страны только в Европе. Проверим, сможет ли он поддерживать диалог и работать с уточнениями.
![](https://habrastorage.org/getpro/habr/upload_files/7eb/e5b/d50/7ebe5bd5092111cffeedaeb6c0a1e729.png)
Ура! Всё работает!
Стоимость ресурсов
Мы используем три типа ресурсов на Яндекс Облаке. Вот бесплатные лимиты потребления для каждого из них за каждый месяц.
Cloud Functions
1 миллион вызовов;
10 Гб/час использования памяти
Подробнее:
https://cloud.yandex.ru/docs/functions/pricing
Object Storage
первый 1 ГБ в месяц хранения;
первые 10 000 операций PUT, POST;
первые 100 000 операций GET, HEAD, OPTIONS
Подробнее:
https://cloud.yandex.ru/docs/storage/pricing
API-шлюз
Каждый месяц не тарифицируются первые 100 000 запросов к API-шлюзам.
Подробнее:
https://cloud.yandex.ru/docs/api-gateway/pricing
Таким образом, на мой взгляд, при простом личном использовании бота, в эти ограничения можно укладываться каждый месяц с большим запасом. То есть вся инфраструктура для нашего бота нам будет обходиться бесплатно.
Единственные расходы будут связаны с использованием ChatGPT API. Цены здесь.
Итог
Теперь у нас есть свой личный ChatGPT бот в Telegram, при этом мы использовали только serverless-технологии для обработки запросов и ProxyAPI для быстрого и лёгкого доступа к ChatGPT API в России.