1. OpenAI Agents APIが公開
OpenAIは2026年9月10日、OpenAI Agents APIをパブリックベータとして公開しました。公式発表では、Codexと同じエージェント基盤を、開発者が自社アプリから呼び出せるAPIとして説明しています。複数工程の仕事を長時間動かし、途中経過を受け取り、必要に応じて追加指示を送るための土台です。
これはChatGPTの画面でAIに質問する機能や、既製のエージェントを選ぶ機能とは役割が違います。開発者がモデル、指示、ツール、実行環境を組み合わせ、自社サービスや社内システムへ組み込むための開発基盤です。AIエージェントによる業務自動化を検討していて、単発の応答では足りない業務が対象になります。
発表時点では全開発者が利用でき、Agents APIそのものへの追加料金はないと案内されています。ただし無料という意味ではありません。選んだモデル、Web検索などのツール、OpenAIが管理するサンドボックスには、それぞれ標準料金がかかります。ベータ版のため、仕様変更を前提に小規模な検証から始める必要があります。
2. 4つの要素で仕組みを理解
公式ドキュメントはAgents APIを、Agent、Environment、Session、Events and itemsの4要素で整理しています。Agentはモデル・指示・ツールの組み合わせ、Environmentはファイル操作やコマンド実行を行う場所、Sessionは仕事を継続する単位、Events and itemsは入力や処理結果の記録です。
| 要素 | 役割 | 導入時の確認 |
|---|---|---|
| Agent | モデル、指示、ツールを定義 | 任せる仕事と禁止事項 |
| Environment | コードやファイルを扱う実行場所 | 保存先とネットワーク範囲 |
| Session | 複数ターンに続く仕事を保持 | 再開条件と終了条件 |
| Events / items | 進捗、入力、成果物を伝達 | 記録・監視・エラー通知 |
OpenAI側はセッション管理、処理の調整、長い会話の要約、障害からの復帰を担います。一方、自社側には何をツールとして渡すか、どこで動かすか、結果をどう確認するかが残ります。基盤が管理されても、業務ルールまで自動的に正しく設計されるわけではありません。
3. 実行環境とネットワークを選ぶ
実行環境は大きく、OpenAI-hosted sandboxとself-hosted sandboxに分かれます。OpenAI-hostedでは、Python、Node.js、コマンドラインツールを備えたLinux環境が用意され、ファイルを読み、コードを実行し、成果物を作れます。独自のコンテナ、特別な計算資源、社内のプライベートネットワークが必要なら、自社管理の環境を検討します。
特に見落としやすいのが外部通信です。公式資料では、OpenAI-hosted sandboxのネットワークは、テンプレートの制限を引き継がない場合、初期状態で外向き通信が有効です。無効化、または許可したホストだけへ絞るrestrictedを選べます。社内資料だけを処理するなら、必要性を確認せず広い通信を許可しない設計が基本です。
- Step 01入力データを限定
- Step 02必要なツールだけ接続
- Step 03外部通信を制限
- Step 04成果物を人が確認
AIの能力より先に、データと操作の境界を決めます。
MCP、独自関数、Web検索などを接続できることは利点ですが、接続先が増えるほど誤操作の範囲も広がります。認証情報を指示文へ直接書かず、読み取りと更新の権限を分け、外部送信や削除には人の承認を残しましょう。APIで機密情報を扱う場合は、OpenAIのデータ保持に関する確認項目も併せて整理してください。
4. 小さく試す業務設計
最初の検証には、正解を人が照合でき、失敗しても顧客や取引先へ直接影響しない業務が向きます。例えば、架空の設備点検記録を読み、未記入欄と数値の不一致候補を抽出し、確認レポートを作る仕事です。元データの更新やメール送信は行わず、指定した出力フォルダへレポートを保存するところで止めます。
要件には「対象ファイル」「検査ルール」「成果物」「してはいけない操作」「情報不足時の扱い」を書きます。正常な記録だけでなく、空欄、日付形式の違い、矛盾、壊れたファイルも試します。完成した文章の自然さではなく、見逃し率、誤検出率、人の確認時間、処理費用、途中停止から復帰できた割合を記録すると、導入判断につながります。
長時間動く利点を確かめる場合も、最初から複数部署のシステムをつなぎません。10〜20件程度の検証用データで、1つのSessionを開始し、進捗イベントを受け取り、追加指示で修正し、成果物を回収してSessionを終了する流れを確認します。成功例だけでなく、止められることまで含めて合格条件にします。
5. 開発前に決める4項目
MIRAINAの見解：Agents APIの価値は、プロンプトを1本増やすことではなく、長い仕事を「再開できるSession」と「制限できるEnvironment」に分けられる点にあります。中小企業では、機能比較より先に次の4項目を1枚にまとめると、開発範囲と見積もりのずれを減らせます。
- 目的と成果物：誰が、どの結果を確認できれば完了か
- データと実行環境：どのファイルを、どこで扱うか
- ツールと通信範囲：読み取り、更新、外部アクセスをどこまで許可するか
- 停止条件と費用：失敗時の通知、承認点、1件あたりの上限をどう置くか
料金はモデルだけで見ず、ツールとサンドボックス、再試行、人の確認時間を含めて計測します。予算超過を防ぐ考え方は、OpenAI hard spend limitsの解説も参考になります。公開ベータを本番の重要業務へ直結させる前に、変更履歴を追い、代替手順と停止担当者を決めてください。
6. まとめ
OpenAI Agents APIは、Codexを支える管理型の仕組みを使い、長時間動くAIエージェントを自社アプリへ組み込むための新しい選択肢です。公開ベータの今は、実行環境、ツール、ネットワーク、費用と停止条件を明確にし、検証用データと読み取り中心の業務から始めるのが現実的です。
自社業務に合わせたAIエージェントの要件整理、試作、既存システム連携を検討している方は、MIRAINAのAI開発をご覧ください。業務選定から安全な運用ルールまで整理したい場合は、生成AI活用支援でご相談いただけます。
