Difyだけでパワポを作る【md_to_pptxで外部API不要】

「議題を渡したらスライドの叩き台が出てくる」仕組みが欲しくなりました。

この用途ではAIでパワポを作るOSS「Presenton」をAWSに構築するのように専用のツールを立てる手もありますが、サーバが1台増えます。 すでに Dify があるなら、Dify の中だけで完結させたほうが運用は明らかに軽いはずです。

結論から言うとできました。 プラグイン1個で、外部APIも追加のサーバも要りません。

Difyだけでパワポを作る流れ。依頼文をLLMがPandocのスライド記法のMarkdownに変換し、md_to_pptxがローカルで.pptxにする。#が章扉、##が1枚のスライドになる

本記事の内容

1. 変換はプラグインがローカルでやる
2. Markdown なら何でもいいわけではない
3. LLM に記法を守らせる
4. チャットフローは4ノード
5. プロンプト欄を自動で埋めようとして画面を壊した
6. DSL で組んでインポートする
7. Claude 5 が呼べずに止まる
8. 実際に出てきたもの
9. Presenton と、どちらを使うか
10. まとめ
AWSを効率的に学習する方法
- ①AWS基礎学習
- ②AWS資格取得
あわせて読みたい

1. 変換はプラグインがローカルでやる

使うのは Dify マーケットプレイスの Markdown Exporter（bowenliang123/md_exporter）です。マーケットプレイスで「md exporter」と検索すると出てきます。

このプラグインは Markdown を各種フォーマットへ変換します。md_to_pptx のほか、PDF・DOCX・XLSX・PNG など17種類の変換ツールが入っています。

重要なのは、変換がプラグインのコンテナの中で完結することです。

外部のAPIを叩かない
APIキーの登録が要らない
追加の課金が発生しない

資料の中身が社外に出ないので、社内利用を前提にすると、この点だけでも選ぶ理由になります。

md_to_pptx が受け取るパラメータは3つです。

パラメータ	必須	中身
`md_text`	○	変換元の Markdown
`pptx_template_file`		見た目のひな形にする .pptx
`output_filename`		出力ファイル名（拡張子は不要）

2. Markdown なら何でもいいわけではない

ここがこの記事でいちばん伝えたい点です。

md_to_pptx が解釈するのは、Pandoc のスライドショー記法です。普通の Markdown を渡すと、全部が1枚のスライドに流し込まれます。

覚えるのは実質2つだけです。

# 導入

## いま何が起きているか

- 本文は必ず ## の下に書く
- ## の外に書いた文章は、どのスライドにも載らない

# が章の区切りで、セクション見出しのスライド（章扉）になります。## が1枚。 これさえ守れば形になります。

先頭には YAML のタイトルブロックを置きます。表紙になります。

---
title: 社内向け 生成AI入門
author:
---

2段組みと発表者ノートも書けます。コロンの数が違うので、写すときは注意してください。

::::: columns
::: column
左に置く内容
:::
::: column
右に置く内容
:::
:::::

::: notes
ここは投影されない。発表者ノートに入る
:::

表は普通の Markdown のテーブルがそのまま通ります。

3. LLM に記法を守らせる

人間が上の記法を覚える必要はありません。LLM に書かせます。

ただし何も指定しないと、LLM は親切心で前置きを付けたり、全体をコードフェンスで囲んだりします。囲みのバッククォートは、そのまま文字としてスライドに入ります。そこでシステムプロンプトで縛ります。

あなたはプレゼン資料の構成作家です。
ユーザーの依頼から、PowerPoint に変換するための Markdown 原稿を出力してください。

## 出力の決まり

- Markdown だけを出力する。前置き・後書き・コードフェンスで囲むことは一切しない。
- 先頭に YAML のタイトルブロックを置く。
- # は章の区切り（セクション見出しのスライドになる）。
- ## が 1 枚のスライドになる。本文は必ず ## の下に書く。
- 1 枚あたりの箇条書きは 3〜5 行。1 行は 40 文字以内。
- 枚数の指定がなければ、表紙・章扉を除いて 6 枚前後にする。
- 出力言語はユーザーの入力言語に合わせる。

## 禁止事項

- コードフェンスで全体を囲まない（そのまま文字として PPTX に入ってしまう）
- ## の外に本文を書かない（どのスライドにも載らない）
- 画像の URL を勝手に作らない（存在しない URL は変換エラーになる）

「1行は40文字以内」は効きます。 指定しないと1枚に長文を詰め込み、スライドとしては読めないものが出てきます。

「画像のURLを作らない」も入れておいたほうが安全です。LLM は存在しない画像パスを平気で書き、変換がそこで失敗します。

4. チャットフローは4ノード

構成はこれだけです。

開始 → LLM（原稿を書く）→ ツール（md_to_pptx）→ 回答

ツールノードの md_text には、LLM の出力をそのまま渡します。

{{#llm.text#}}

回答ノードはファイルを返す必要があります。ツールノードの出力変数 files を参照します。

スライドを作成しました。

{{#pptx.files#}}

pptx の部分はツールノードのID（画面上の表示名ではありません）です。これを書き忘れると、テキストだけ返ってファイルが出てきません。

5. プロンプト欄を自動で埋めようとして画面を壊した

ここは寄り道ですが、同じことをする人がいそうなので残します。

長いシステムプロンプトを自動操作で打ち込もうとしたら、Dify の編集画面が真っ白になりました。

このコンポーネントのレンダリング中に予期しないエラーが発生しました。

ブラウザのコンソールに原因が出ていました。

Error: Minified React error #185
    at ...
    at rS.dispatchCommand (...)

React error #185 は「Maximum update depth exceeded」、つまり無限再描画です。 スタックの末尾が dispatchCommand、すなわち Dify のプロンプト欄が使っている Lexical エディタでした。

手で打つ分には起きないはずですが、合成した入力イベントを高速に流し込むと壊れます。 短い文字列でも再現しました。

そこで方針を変えて、画面ではなく DSL（YAML）でフローを組みました。

6. DSL で組んでインポートする

Dify のアプリは YAML で丸ごと定義できます。「作成」→「DSL ファイルをインポート」で新しいアプリになります。

肝心なのはツールノードの書き方です。プラグインの識別子を正確に書く必要があります。

- id: pptx
  type: custom
  data:
    type: tool
    title: PPTXに変換
    # provider_id は「プラグインID / プロバイダ名」をつなげた形
    provider_id: bowenliang123/md_exporter/md_exporter
    provider_type: builtin
    provider_name: bowenliang123/md_exporter/md_exporter
    tool_name: md_to_pptx
    tool_label: Markdown ⮕ PPTX
    tool_configurations: {}
    tool_parameters:
      md_text:
        type: mixed
        value: '{{#llm.text#}}'
      output_filename:
        type: mixed
        value: slides
    tool_node_version: '2'

識別子が分からないときは、サーバ側のDBに入っています。

# plugin_id と provider をつなげたものが provider_id になる
docker compose exec -T db_postgres psql -U postgres -d dify_plugin -A -F'|' \
  -c "select plugin_id, provider from tool_installations;"

plugin_id|provider
bowenliang123/md_exporter|md_exporter

DSL で組むほうが、結果的に速くて確実でした。 画面をクリックして回る必要がなく、同じものを何度でも作り直せます。ファイルとして手元に残るので、壊しても戻せます。

7. Claude 5 が呼べずに止まる

組み終えて実行したら、LLM ノードで落ちました。

PluginInvokeError: {"args":...

サーバ側のログに理由が出ていました。

AccessDeniedException: anthropic.claude-sonnet-5 is not available for this account.

Claude 5 系は推論プロファイル経由でしか呼べません。 私は最初「global. の接頭辞が付いていないせいだ」と考えました。プラグインの設定を疑い、ソースまで読みに行きました。

これは外れです。接頭辞を付けても、まったく同じエラーが返りました。

# 接頭辞ありで直接叩いてみる
aws bedrock-runtime converse --model-id global.anthropic.claude-sonnet-5 \
  --messages '[{"role":"user","content":[{"text":"hi"}]}]' \
  --inference-config '{"maxTokens":16}'

An error occurred (AccessDeniedException) when calling the Converse operation:
anthropic.claude-sonnet-5 is not available for this account.

AWS は接頭辞を外した基底モデル名でエラーを返します。 実際はモデルアクセスの権限が無いだけなのに、メッセージだけ見ると設定ミスに見えます。 ここで時間を溶かしました。

もうひとつ紛らわしいのが、一覧には出てくることです。

aws bedrock list-inference-profiles --max-results 200 \
  --query "inferenceProfileSummaries[?contains(inferenceProfileId,'claude')].[inferenceProfileId,status]" \
  --output text

global.anthropic.claude-sonnet-5                ACTIVE
jp.anthropic.claude-sonnet-4-5-20250929-v1:0    ACTIVE

ACTIVE は「そのプロファイルが存在する」だけで、「あなたが呼べる」ではありません。 呼べるかどうかは、実際に1回投げるのがいちばん早いです。

# 候補を順に叩いて、返事が返るものを探す
for M in jp.anthropic.claude-sonnet-4-5-20250929-v1:0 \
         global.anthropic.claude-opus-4-5-20251101-v1:0; do
  R=$(aws bedrock-runtime converse --model-id "$M" \
      --messages '[{"role":"user","content":[{"text":"say ok"}]}]' \
      --inference-config '{"maxTokens":16}' \
      --query 'output.message.content[0].text' --output text 2>&1 | tail -1)
  echo "$M => $R"
done

4.5系は通りました。そこで Claude 4.5 Sonnet に変更し、あわせて cross-region を japan にしました。jp. のプロファイルを使うと、推論が東京・大阪の中だけで行われます。 社内資料を扱うなら、こちらのほうが説明しやすいはずです。

8. 実際に出てきたもの

「社内向けに『AWS上にDifyを自前構築するときの勘所』を説明するスライドを作ってください」の1文だけを投げました。

19枚の .pptx（約59KB）が返ってきました。表紙・章扉5枚・本文13枚という構成です。

中身は Python で確認できます。.pptx は ZIP なので、ライブラリを入れなくても読めます。

import zipfile, re

z = zipfile.ZipFile("slides.pptx")
# スライドは ppt/slides/slideN.xml に1枚ずつ入っている
slides = sorted((n for n in z.namelist() if re.match(r"ppt/slides/slide\d+\.xml$", n)),
                key=lambda s: int(re.search(r"(\d+)", s).group(1)))
print("枚数:", len(slides))

for n in slides:
    xml = z.read(n).decode("utf-8", "replace")
    # <a:t> が画面に出る文字列
    for t in re.findall(r"<a:t>(.*?)</a:t>", xml, re.S):
        print(" ", t)

指定した記法は、ちゃんと形になっていました。

表が表として入っている（AWSサービス構成の3列表）
2段組みが成立している（フロントエンド／バックエンド）
章扉が独立したスライドになっている

箇条書きの文字数も指定どおりに収まっていました。プロンプトで縛った内容が、そのまま結果に出ます。

9. Presenton と、どちらを使うか

同じ「AIでパワポ」でも、性格がまったく違います。

	md_to_pptx（Dify内）	Presenton
追加のサーバ	不要	必要（EC2 1台）
追加コスト	0円	インスタンス代
見た目	素朴。文字が主体	テンプレートで作り込める
画像	自動生成しない	スライドごとに生成できる
向く用途	社内の叩き台・議事の素材	社外に出す資料