AI SEOにllms.txtは必要？各社の対応と作り方、効果の確かめ方

AI SEOの施策としてllms.txtを検討しているなら、エージェントにドキュメントを案内するなど、具体的な用途がある場合に10分だけ時間を割いてみてください。AIによる引用を増やしたい小規模事業者にとっては、あくまで任意のサイト整備です。Google Searchはllms.txtを利用しないと明言しています。一方、今回確認したOpenAI、Anthropic、Perplexityのクローラーポリシーには、このファイルを読み込んで利用するという約束はありません。

2026年10月14日に、仕様案と4社が公開している最新のドキュメントで内容を確認しました。 本記事で比較するのは、各社が文書で説明している挙動です。各社から自社サイトへのアクセスを測定した結果ではありません。Google Searchのガイドは対応を明示しています。他社が明らかにしている範囲はそれより限られており、以下で整理します。

地域向けサービスを営んでいるなら、このファイルを追加する前に、読みにくいサービス紹介ページを直すほうが先です。一方、顧客がコーディングエージェントを使うソフトウェア企業の創業者には、整備されたドキュメント索引を用意する直接的な用途があります。この違いを基準に、作業の優先順位を決めてください。

llms.txtとは？何のためのファイルですか？

llms.txtは、AIエージェントにウェブサイトの内容を案内するために提案された、Markdown形式のファイルです。 名前は、多くのAIアシスタントを支える大規模言語モデルに由来します。エージェントはモデルとツールを使ってタスクを実行します。Markdownは、見出しやリンクを簡単な記号で表すプレーンテキストの記法です。llms.txtは、図書館の司書が作る読書案内のようなものです。館内の全書籍を並べるのではなく、短い紹介文と、役立つ資料への厳選した道筋を示します。

llmstxt.orgの仕様案では、次の順序が定められています。

• サイト名またはプロジェクト名を、#を使ったH1見出しで記載します。必須なのはこの項目だけです。
• 任意で、>から始まる短い要約を置きます。
• 任意で、追加の見出しを付けずに説明文を置きます。
• ##を使ったH2見出しの各セクションに、リンクのリストを置きます。各項目は[Page name](URL)の形式とし、コロンに続けて説明を加えることもできます。

補足的なリンクはOptionalセクションにまとめられます。このファイルが提供するのは背景情報と案内です。robots.txtはクロールに関する希望を伝え、サイトマップはURLの発見を促すために一覧を示します。llms.txtを追加しても、このいずれかを置き換えることにはなりません。

現行の仕様案では、ルート以外にも設置できます

2026年8月のv2改訂では、/docs/llms.txtの対象が/docs/配下のページであり、より限定された範囲を対象にするファイルが優先されることが明確になりました。発見を助けるリンクも推奨されています。rel="describedby"は該当する索引を指し、rel="alternate"とtype="text/markdown"の組み合わせは、そのページのMarkdown版を指します。

開発者は、これらの関係をHTMLまたはHTTPレスポンスヘッダーで示せます。対応するエージェントに明確な経路を提供できますが、AIサービスにその経路をたどるよう強制するものではありません。v2でもOptionalは便利な慣習として残っています。ただし、旧来のコンテキスト展開ツールがこのセクションに対して行っていた特別な処理という意味はなくなりました。

AI各社はllms.txtを読むのでしょうか？公式文書で確認できること

自社でllms.txtを公開していることと、他のサイトのllms.txtを利用していることは別です。 以下の4社はいずれも、開発者向けドキュメントの索引を公開しています。しかし、公開されているクローラー向けの説明から、どのサイトのファイルも利用するとは判断できません。

各行の根拠は、以下でリンクする各社の公式ページにあります。言及がないというのは、確認したページに記載されていないという意味です。その企業の従業員、製品、実験、エージェントが一度もファイルを要求しないと証明するものではありません。

OpenAIのllms.txt対応：クローラーポリシーから分かる範囲

OpenAIは、検索用にOAI-SearchBot、学習に使う可能性のあるデータの収集用にGPTBot、ユーザーの指示に基づく一部のアクセス用にChatGPT-Userを挙げています。クローラーのドキュメントではアクセス制御を説明し、IPアドレスの範囲も公開していますが、自社サイトのllms.txtを読むとは約束していません。

同じドキュメントには、OpenAI自身の索引へのリンクがあります。これは、ドキュメントの公開方法を示す根拠としては有用です。しかし、ファイルを追加すればChatGPTに引用されるという主張の裏付けにはなりません。そうした提案を受けた創業者は、どのような仕組みが公式文書で説明されているのか、代理店に示してもらうべきです。

Anthropicのllms.txt対応：ドキュメント公開とクロールの違い

Anthropicは、クローラーのヘルプページでClaudeBot、Claude-SearchBot、Claude-Userを区別しています。それぞれの役割は、学習に使う可能性のあるデータの収集、検索、ユーザーの指示による取得です。このページにllms.txtの案内はありません。

Anthropicは開発者向けドキュメントの索引を公開しており、Claude Codeのドキュメントも専用の索引へ読者を案内しています。Claude CodeはAIコーディングアシスタントです。これらは索引をドキュメントへの入口として使えることを示しますが、Claudeのウェブクローラーがすべての企業サイトのファイルを確認する根拠にはなりません。

Google：SearchとLighthouseでは確認していることが異なります

Google SearchのAI最適化ガイドは、生成AI機能も含め、検索ではllms.txtを利用しないと明言しています。ただし、通常のコンテンツとしてテキストファイルをクロールする可能性はあります。そのため、Googlebotのリクエストが見つかっても、特別扱いはしないというGoogleの説明と矛盾するわけではありません。

これとは別に、GoogleのChromeチームは、Lighthouseによるエージェントのブラウジング向け任意監査を説明しています。Lighthouseはウェブサイトの監査ツールです。ファイルがなく404を返す場合は適用対象外とされ、取得中にサーバーエラーが起きた場合は問題として報告されます。これはエージェントからのアクセスしやすさを調べるもので、検索順位の要件ではありません。

GoogleはGemini APIドキュメントの索引も公開しています。マーケティング担当者は、これらを矛盾なく捉えられます。索引は特定のエージェントによるドキュメントの参照に役立つ可能性がありますが、それがGoogle Search向けの最適化になるとは限りません。

Perplexity：索引へのリンクは、クローラーが利用する約束ではありません

Perplexityは、PerplexityBotを検索クローラー、Perplexity-Userをユーザーの指示で取得を行うエージェントとして説明しています。クローラーのページではアクセス設定とIPアドレスの照合を推奨していますが、どちらかのエージェントが自社サイトのllms.txtを自動で発見・利用するとは書かれていません。

そのページからは、Perplexityのドキュメント索引に読者を案内しています。しかし、ドキュメントの読み進め方を示す説明を、検索への掲載を促す仕組みの根拠として小規模事業者に売り込むべきではありません。

役立つのは、エージェントに読む資料を明示する場面です

最も分かりやすい用途は、利用者が意図的に索引をエージェントへ渡すタスクです。 例えば、ソフトウェア企業の創業者がコーディングアシスタントに、製品のllms.txtを読み、現行の認証ガイドを見つけ、その情報を参照して連携を実装するよう指示します。誰が何のために利用するかが明確です。

代理店なら、提案書を作成する前に、顧客が公開しているサービスとポリシーの索引をアシスタントへ渡す、といった使い方が考えられます。繰り返し使える調査の出発点が手に入るのが利点です。時間短縮につながるかどうかは、リンク先のページの質と、それらをエージェントが取得できるかに左右されます。サイトへの流入増加を意味するものではありません。

例えば、「このドキュメント索引を起点に、認証に関係するページを開いてください。採用する要件ごとに、根拠となったページを正確に引用してください」と指示します。そのうえで、回答が実際にそれらのページを参照しているか確認してください。索引だけでは、各ページの詳しい内容までは分かりません。

ドキュメントプラットフォームにファイルの管理を任せられます

ドキュメントのホスティングプラットフォームであるMintlifyは、Markdownページへのリンクを含むllms.txtを自動で提供します。llms-full.txtも生成します。サイト全体で認証を必須にしている場合は、これらのファイルにも認証が必要です。そのため、このプラットフォームで公開しても、アクセス制限付きのドキュメントが誰でも読めるようになるわけではありません。

SaaSのグロース責任者は、生成ツールの導入を依頼する前に、すでに何が用意されているか確認してください。実際に役立つ作業は、ページの説明を改善したり、元のドキュメントから古い案内を取り除いたりすることかもしれません。

同じくドキュメントプラットフォームであるGitBookは、公開済みドキュメントのllms.txtを自動生成します。これはファイルが利用可能になるという話であり、引用が増えたという測定結果ではありません。サイトの管理者は、生成されたファイルとリンク先を確認する必要があります。

llms-full.txtとは？索引と本文では役割が異なります

llms-full.txtは通常、ドキュメントの本文をまとめたものです。Mintlifyの実装では、各ページの内容を1つのファイルに統合します。小さな索引なら、エージェントが必要なページを選べます。意図的に資料一式を渡したいときは全文の書き出しも便利ですが、すべてを送ると、コンテキストを必要以上に消費する場合があります。コンテキストとは、AIシステムが一度に扱えるテキストの範囲です。

小規模なサービス事業なら、まず索引から始めてください。具体的な作業で必要にならない限り、ウェブサイト全体を別の文書にまとめ直す理由はありません。

llms.txtの作り方：小規模事業者向けの10分テンプレート

10分は作業に割く時間の目安であり、その時間内に実装が終わる保証ではありません。 ここでは、公開用のテキストファイルをすでに設置できることを前提としています。利用中のウェブサイトプラットフォームで難しい場合は、作業を止めてサイトの保守担当者に相談してください。任意の整備を、サイトの作り直しにまで広げる必要はありません。

1. 1

   役立つページを選ぶ：2分

   サービス内容、対応地域、予約、連絡先、関連するポリシーなど、顧客の疑問に答えるページを選びます。すべての投稿を並べるのではなく、継続して管理しているページを使ってください。利用中のプラットフォームが、すでに索引を生成していないかも確認します。

2. 2

   テンプレートを書き換える：4分

   以下の事業者は架空の例です。名称、説明、ドメイン、パスを、自社の確認済みの情報に置き換えてください。表示されている各行をllms.txtという名前のプレーンテキストファイルへコピーし、セクション間の空行を保ちます。

# Northline Plumbing

> Residential plumbing services in our published service area.

Use the linked pages for current services, availability and policies.

## Services

- [Services](https://example.com/services): Plumbing work we offer.
- [Service area](https://example.com/service-area): Locations we serve.

## Booking and Support

- [Book a visit](https://example.com/booking): How to request an appointment.
- [Contact](https://example.com/contact): Contact details and opening hours.
- [Policies](https://example.com/policies): Booking and cancellation terms.

## Optional

- [About](https://example.com/about): Company background.

これらのURLは記入例であり、そのまま使うための実際のリンク先ではありません。読みやすいMarkdown版が用意されている場合は、そちらにリンクしてください。なければ、実際に公開され、内容を読めるページを使います。URLの末尾に.mdを付けても、ページが生成されるわけではありません。

1. 1

   公開して確認する：2分

   選んだパスでファイルを配信します。小規模サイトなら、通常は/llms.txtです。ログアウトした状態でURLを開いてください。トップページ、HTMLのエラーページ、ログイン画面ではなく、テキストが返ることを確認します。保守担当者には、HTTP 200と適切なプレーンテキストのレスポンスタイプが返ることを確認してもらいます。

2. 2

   リンクを確認し、保守を決める：2分

   すべてのリンク先を開き、説明がページの内容と一致しているか確認します。サービス紹介ページと同じ保守チェックリストに索引を加えてください。ページを移動したりポリシーを変更したりしたら、元のページと、影響を受ける索引の説明を一緒に更新します。

サーバーログで取得を調べ、アクセス元も確かめます

サーバーログで確認できるのは、リクエストが届いたことです。AIの回答に内容が使われたことまでは確認できません。 ログは、サーバーが受け取ったリクエストの記録です。一般的なブラウザー向けアクセス解析では、こうした訪問が記録されない場合があります。

コンテンツ配信ネットワーク、つまりCDNのキャッシュからファイルを配信しているなら、ホスティング事業者や開発者にCDNのアクセスログを依頼してください。オリジンサーバーのログだけでは、CDN側で処理されたリクエストを取りこぼすことがあります。タイムスタンプ、ホスト名、リクエストパス、クエリ文字列、メソッド、ステータス、ユーザーエージェント、クライアントIPを残します。ユーザーエージェントは、クライアントが自己申告するソフトウェア名です。

最初の目安として、30日間の観測期間を設けてください。これは測定のために決める期間であり、クローラーが訪れるまでの想定日数ではありません。

ボット名より先に、ファイルのパスで絞り込みます

まず、正規化したパスが/llms.txt、または実際に設置したサブパスと完全に一致するリクエストを選びます。クエリ文字列も確認できるように、元のリクエストURLは残してください。この段階では、すべてのユーザーエージェントを対象にします。コーディングエージェントがブラウザー風の識別子や汎用HTTPクライアントを使う場合があるためです。

一般的なcombined形式のNginxまたはApacheのログをダウンロードした場合、ripgrepを導入済みの開発者なら、次のコマンドから確認を始められます。

rg '"(GET|HEAD) /llms\.txt(\?[^ ]*)? HTTP/' access.log

このコマンドは、リクエスト行が引用符で囲まれていることを前提としています。JSON形式のログでは、代わりにパース後のパスとメソッドのフィールドで絞り込んでください。/docs/llms.txtを使っている場合はパスを変更し、/llms-full.txtも配信している場合は別途確認します。

次に、該当したリクエストを、各社が公開している識別子で絞り込みます。

これらの識別子は、上で引用した各社のページとGoogleのクローラーリファレンスに基づいています。ブラウザーやボットのバージョンを固定せず、名前で照合してください。

同じcombined形式のログで、さらに絞り込む場合は次のコマンドを使います。

rg '"(GET|HEAD) /llms\.txt(\?[^ ]*)? HTTP/' access.log | rg -i 'OAI-SearchBot|GPTBot|ChatGPT-User|Claude-SearchBot|ClaudeBot|Claude-User|Googlebot|PerplexityBot|Perplexity-User'

Google-Extendedはrobots.txtで使う製品の利用制御用トークンであり、HTTPログに現れる独立した識別子ではありません。この文字列だけを数えると、Googleからの実際のリクエストを見落とします。

送信元と、返したレスポンスを確認します

ボット名は偽装できます。クライアントIPを、OpenAIのクローラーページ、Anthropicの公開リスト、Perplexityのクローラーページ、Googleのクローラーリファレンスから参照できる最新のリストと照合してください。身元を確認できていないアクセスは、企業からの確認済みアクセスとはせず、自己申告されたものとして記録します。

結果は次のように区別します。

• GETに対する200は成功レスポンスです。ただし、成功ステータスを付けたエラーページではなく、実際に目的のファイルを返しているか確認してください。
• HEADは、本文をダウンロードせずにレスポンスのメタデータを確認するリクエストです。
• 304はキャッシュの有効性確認であり、本文を新たに転送したことを意味しません。
• 404は要求されたリソースが見つからなかったことを意味します。サーバーエラーは取得の失敗であり、正常な取り込みではありません。

これらの区別はHTTPのセマンティクスに基づいています。自分で行ったテストや監視のリクエストは分けて扱ってください。アシスタントに明示的にファイルの取得を依頼した場合は、ユーザーの指示による観測結果として記録します。自動発見の証拠にはなりません。

観測できたことだけを、正確に報告します

根拠のある報告には、どの確認済みエージェントが、いつファイルを要求し、どのような結果になり、その後に関連ページへのリクエストがあったかを記載します。該当するリクエストが近い時間に続いていても、索引が後の訪問を引き起こしたとは断定できません。

AIの回答での露出を測るには、回答を別途確認し、質問、製品、日付、引用されたURLを記録します。この異なる測定作業については、AI可視性ツールの比較記事で紹介しています。導入前後で言及数が変化しても、それだけでllms.txtが原因だとは証明できません。

一致するリクエストがなかったという結果が示すのは、観測したログ、パス、期間に該当する記録がなかったことです。別の識別子、ログの欠落、キャッシュ、将来の訪問まで否定することはできません。それでも、小規模事業者にとっては、具体的な用途がないまま時間をかけ続けないための実用的な判断材料になります。

AI SEOでllms.txtに期待しすぎていませんか？

ファイルを生成できたことは、検索順位や引用に効果がある証拠にはなりません。 バリデーターは形式を検証できます。プラットフォームは索引を公開できます。クローラーはファイルを要求できます。しかし、そのいずれを観測しても、回答エンジンが自社を薦めてくれるとは判断できません。

特に疑うべきなのは、AIでの露出にこのファイルが必須である、主要なAIクローラーはすべて自動で読む、追加すれば必ず引用される、という3つの主張です。今回確認した公式ページは、これらを裏付けていません。Googleの検索ガイドは、自社の検索機能について、特別なファイルが必要だという前提を明確に否定しています。

有用な作業が行われた証拠の代わりに、「AI対応」のバッジへお金を払わないでください。何を読めるようにしたのか、どの元ページを改善したのか、どのリクエストを確認できたのか、どの回答が変わったのかを尋ねましょう。GEOとSEOの違いを解説した記事では、情報を届けるための取り組み全体の中で両者を整理しています。GEOは生成された回答での露出、SEOは検索での露出を対象にします。llms.txtは、その中にある小さな実装上の選択肢です。

導入すべき人、様子を見る人、見送ってよい人は？

開発者向けドキュメントを持つ作り手は、エージェントの作業に索引を使える場合に導入してください。 できるだけ現行の情報源から自動生成し、役立つMarkdownページを公開し、起点となるURLをエージェントへ渡します。代表的な連携の質問を試し、回答をリンク先の情報と照合してください。

小規模な事業サイトの運営者は、範囲を決めた実験として試せます。 手軽に公開できるならテンプレートを使い、その後のアクセスを観測します。サービス紹介ページが分かりにくい、連絡先が間違っている、正当な取得をサイトが遮断している、といった問題がある場合は、先にそちらを直してください。

代理店へ発注する側は、具体的な成果物を求めてください。 継続管理される索引、有効なリンク、ログの報告書なら内容を確認できます。ファイル名だけでAIでの順位が上がるという約束は、同じようには検証できません。

月曜日にまずやること： 自社サイトのllms.txtのURLを開いてください。すでに存在するなら、何かを追加する前に中身を確認します。なければ、具体的な作業のために10分を使う価値があるか判断してください。その1時間の残りは、ウェブサイトでまだ十分に答えられていない顧客の疑問を解消するために使いましょう。

llms.txtとLLMという名前についてのよくある質問

自社サイト用のllms.txtはどう作ればよいですか？

上のテンプレートの情報を書き換え、管理できるパスでプレーンテキストファイルを公開し、レスポンスとすべてのリンクを確認してください。利用中のドキュメントプラットフォームが、すでに生成している場合もあります。

LLMモデルのトップ5は何ですか？

この作業に対して、固定された上位5モデルはありません。llms.txtはサイトの内容を説明するもので、モデルのランキングから何かを選ぶ必要はありません。

拡張子の.txtは何を意味しますか？

慣例として、プレーンテキストファイルを示します。llms.txtは、そのテキスト内でMarkdownの見出しやリンクを使っています。

文章中のLLMは何を意味しますか？

本記事の技術的な文脈では、LLMはlarge language model、つまり言語を扱うAIモデルである大規模言語モデルを意味します。このファイル名も、そのモデルを指しています。

Z世代のスラングでLLMは何を意味しますか？

SNSのメッセージに略語だけが出てくる場合は、文脈が必要です。ここで扱うウェブサイトのファイル名では、AIの専門用語として使われています。

俗語としてのLLMには、どのような意味がありますか？

略語だけから俗語としての意味を決めることはできません。このウェブサイト用ファイルを理解するうえで、その解釈は必要ありません。

SnapchatでLLMは何の略ですか？

プラットフォーム名だけでは、メッセージの意味は決まりません。前後の会話を読んで判断してください。このファイルについての話であれば、大規模言語モデルを指します。

SNSで使われるLLMとは何ですか？

AIに関する投稿では、一般に大規模言語モデルを指します。無関係な話題では、文脈に応じて別の意味に解釈する必要があるかもしれません。

TikTokでLLMは何の略ですか？

プラットフォーム専用の意味を一律に当てはめず、投稿の前後の文脈を確認してください。llms.txtの場合、意図されているのは大規模言語モデルです。

AIがビジネスの仕事をどう変えるか、実務に役立つ情報はニュースレターに登録してお読みください。