「OpenAI Agents API」は単一の製品ではありません。推論し、ツールを呼び出し、タスクが完了するまでループするモデル、つまりエージェントを作るための一連のサービスで、段階的に公開されてきました。2025年3月に Responses API とオープンソースの Agents SDK、2025年10月に AgentKit、そしてループを代わりに実行するマネージドランタイムです。作り始める前に押さえておくべき唯一のことは、エージェントは単一の呼び出しではなくループであるということです。このループにこそ、すべての力と、すべての驚きがあります。
今日どのサービスを選ぶなら、長く使えるのは Responses API、Agents SDK、そしてマネージド版の Agents API です。ノーコードの Agent Builder は終了に向かっており、2026年11月30日で使えなくなります。そして、構築して保守するループではなく、動いているサポートエージェントが欲しいのであれば、それが eesel の提案するトレードオフです。月額固定で500クレジットが $299 から使える、すぐに働けるチームメイトで、自分で抱えるオーケストレーションはありません。
「OpenAI Agents API」とは実際に何か
まず整理しておく価値があります。この言葉は、異なる時期に登場した関連するいくつかのものを指しており、名称は本当にわかりにくいからです。
始まりは2025年3月、OpenAI が Responses API とオープンソースの Agents SDK を、最初の組み込みツールとともに同時に公開したときです。Responses API は基本部品で、Chat Completions の上位互換にあたり、モデルが応答を生成する窓口であり、すべてのホスト型ツールが接続される面です。また、旧来の Assistants API の後継でもあります。Agents SDK はその上に載るオーケストレーション層で、自社アプリ内でエージェントループ、エージェント間のハンドオフ、ガードレールを扱います。
続いて2025年10月に AgentKit が登場しました。ループを手で書きたくない人向けのツール群で、Agent Builder（ドラッグ＆ドロップのキャンバス）、Connector Registry、ChatKit（埋め込み可能なチャット UI）、拡張された Evals からなります。さらに最近、OpenAI は完全マネージドの Agents API ランタイムを追加しました。独自の Codex ハーネス上でループを代わりに実行し、コンテキストの圧縮とマルチエージェントのオーケストレーションを標準で備えています。
私は eesel のインテグレーションを開発しており、このループを手作業で何度も作ってきました。最も役に立つ考え方はこれです。どれも魔法ではありません。エージェントとは、仕事、ツール群、そして仕事が終わるまで自分自身を呼び続ける許可を与えられたモデルです。SDK、マネージドランタイム、ビジュアルキャンバスなどはすべて、ひとつの問いへの別の答えにすぎません。そのループを、誰が、どこで実行するのか？
エージェントループの実際の仕組み
これが最も重要な概念で、初めて取り組むチームが必ずつまずくところです。通常の API 呼び出しは、1回のリクエストと1回のレスポンスです。エージェントは、それらのループです。
エージェントにタスクを渡します。モデルはそれについて推論し、情報が必要だと判断してツール（Web 検索、データベース検索、自作の関数）を呼びます。ツールが結果を返し、その結果がモデルのコンテキストに戻され、モデルは新しい情報をもとにもう一度推論します。完了していれば答えを返し、そうでなければ別のツールを呼びます。タスクが終わるか、上限で止まるまで、これが繰り返されます。
OpenAI 自身のランタイム図は、マルチエージェント版を具体的に示しています。トリアージエージェントが POST /v1/responses を呼び、ガードレールを通過し、CRM エージェントにハンドオフし、CRM エージェントが再びモデルを呼んでツールを実行します。1つのタスクでこれだけで既に複数回のモデル呼び出しです。
人を驚かせるのはコンテキストの膨張です。ツールの結果はすべて次の呼び出しのプロンプトに積み上がるため、ループは呼び出し回数を増やすだけでなく、後続のすべての呼び出しのサイズも膨らませます。ある開発者は、どのドキュメントよりもストレートに現実を語っています。
"I was spending $200/day running agents with tool calls. The problem: tools return huge JSON (search results, DB queries, file listings). Each response bloats context. By turn 10, you're paying for 100k+ tokens on every LLM call."
これは怖がらせるための警告ではなく、設計の前提にすべきことです。ループはあなたの力（エージェントが調査、判断、行動をつなげられる理由）であり、最大のレバーでもあります。ループを短くし、ツールの出力を絞り、リトライに上限を設けることが、安いエージェントと高いエージェントを分ける大部分です。優れた AI エージェントとは、各タスクに本当に必要なターン数を誰かが真剣に考え抜いたものです。
4つのランタイム：ループをどこで動かすか選ぶ
エージェントがループだと受け入れたら、次の判断はそれをどこで動かすかです。OpenAI は現在4つのランタイムを提供しており、違いは主に、ループのどれだけを自分で持つかです。
- Agents API は、マネージドな Codex ハーネス上でループを代わりに実行し、コンテキストの自動圧縮、マルチエージェントのオーケストレーション、オプションのホスト型サンドボックスを備えます。最も手間のかからない選択肢で、圧縮はループを軽く保つのに実際に役立ちます。
- Agents SDK は、自社アプリケーション内でループを実行します。デプロイ、ストレージ、承認は自分で管理し、ランナーがループとハンドオフを処理します。しっかり制御したいチームの多くがここに落ち着きます。
- Responses API は基本部品から作る方法です。モデルを直接呼び出し、オーケストレーションと履歴を自前で組みます。制御は最大で、責任も最大です。
- ChatKit は、製品に組み込む埋め込み型のチャットフロントエンドで、実際の処理を担う上記のいずれかの上に載ります。
どれも、モデルやツールが行うことを変えるわけではありません。変わるのは、ループを動かす責任を誰が持つかで、これがアーキテクチャ全体を決める判断です。エージェントそのものを製品にしたいなら、SDK か Responses API で制御が得られます。ランナーをホストせずに既存アプリの内部にエージェントを置きたいなら、マネージド版の Agents API が近道です。
エージェントが使えるホスト型ツール
エージェントは、呼び出せるツールの分だけ役に立ちます。自作の関数に加えて、OpenAI は Responses API に直接つながる組み込みツールを提供しています。
- Web search は、エージェントがインターネットからリアルタイムの情報を取得できるようにします。
return_token_budgetという設定で、モデルに戻る結果トークン数の上限を決められます。検索結果はまさにループを膨らませがちな大きな出力なので、便利です。 - File search は、ベクトルストア内の自社ドキュメントを検索します。埋め込みの上に作られています。エージェントにナレッジベースを渡す方法で、取得する結果数に上限を設けてコンテキストを絞れます。
- Code Interpreter は、サンドボックス化されたコンテナで Python を実行します。データ分析、ファイル操作、モデルが暗算すべきでない計算に向いています。
- Computer use は、エージェントにブラウザやデスクトップを操作させます。最新のモデルでは、専用のホスト型アクションではなく、モデルがスクリプトを書き、自分のサンドボックスがそれを実行するコード実行ループが OpenAI の推奨です。
ツールがチャットボットをエージェントに変えるのであり、ツールをうまく選ぶことは設計作業の半分です。ヘルプセンターを検索し、注文履歴を読めるサポートエージェントは、ただの FAQ ボットには決してできないことをしています。また、ツール呼び出しはそれぞれループの1ターンになるため、経験則としては、仕事に必要なツールだけを、それ以上は与えないことです。
AgentKit と、終了するもの
ループを手で書くのが大変そうに思えるなら、AgentKit が OpenAI の答えでした。コードなしでエージェントを組み立てるビジュアル層です。Agent Builder はそのドラッグ＆ドロップのキャンバスで、マルチエージェントの形が見えるようになるので、一見の価値があります。
このフロー（開始、ジェイルブレイクのガードレール、分類エージェント、返品・継続・情報のエージェントに振り分ける if/else、そして返信前のハルシネーションのガードレール）は、実際のサポートワークフローに必要なものをよく表しています。「エージェント」と書かれたノードは、どれも少なくとも POST /v1/responses をもう1回増やします。
ここに落とし穴があり、今日サービスを選ぶなら重要です。OpenAI は Agent Builder と Evals を終了する予定で、2026年11月30日以降は利用できなくなります。ドキュメントでは既に「Legacy APIs」の見出しの下に置かれており、OpenAI は現在、コード中心の Agents SDK か ChatGPT の Workspace Agents に誘導しています。
ですので、長く使えるサービスの上に構築しましょう。Responses API、Agents SDK、マネージド版 Agents API ランタイム、ChatKit、Connector Registry です。ビジュアルキャンバスは、プロトタイプを作って形を理解するための便利な手段として扱い、本番を預けるものとは考えないでください。良い知らせは、これらの層自体に別料金がないことです。OpenAI は AgentKit のツールが "included with standard API model pricing" であると明言しており、選択の基準はコストではなく持続性です。
実際に作る方法
概念はここまで。どのランタイムを選ぶにせよ、最初のエージェントを動かすために私がたどる手順は次のとおりです。
- モデルを選ぶ。 カタログではなく仕事に合わせます。単純なルーターや分類器なら gpt-5.6-luna のような安価なモデルで十分です。多段階の調査や推論を行うエージェントには、より強力なものが必要です。マルチエージェントのフロー内でモデルを混ぜることもできます。トリアージには小さいモデル、難しいステップには大きいモデルです。
- ランタイムを選ぶ。 OpenAI にループを実行してほしいならマネージド版の Agents API、自社アプリで完全な制御のもと実行したいなら Agents SDK です。
- 指示を書き、ツールを選ぶ。 システムプロンプトはエージェントの職務記述書です。そして必要なツールだけを与えます。Web 検索やファイル検索などの組み込みツールと、製品固有の用途のための自作の関数呼び出しです。
- ガードレールを追加する。 入力側のガードレール（ジェイルブレイクやトピックのチェック）と、出力側のガードレール（返信がユーザーに届く前のハルシネーションや安全性のチェック）です。チームが省略して後悔する部分です。
- 公開前にテストする。 現実的な入力でエージェントを動かし、最終的な答えだけでなくループ全体を観察します。最初の3回の出力が検証に失敗したためにエージェントが4回ループした、といったことは、顧客より先に見つけたい点です。
- 公開し、実行コストを見守る。 重要な単位は、1トークンの価格ではなく、リトライやツール呼び出しを含む実行全体です。初日からタスクごとのループ長を計測できるようにしましょう。
このリストが本格的なエンジニアリングプロジェクトのように読めるなら、それは実際にそうだからです。素のインフラ上にエージェントを構築するのは、エージェントが自社の製品であり、トークン単位まで制御したい場合には正しい選択です。ただ仕事を片づけたいだけ、たとえば優れたカスタマーサービスを実現したいだけで、ループと評価の仕組みと監視基盤を永久に抱えたくないなら、誤った選択です。
コストはどれくらいか（短縮版）
単一の「Agents API の料金」はありません。ターンごとのモデルトークン、ホスト型ツールの呼び出しごとの料金、コード実行のコンテナ時間が積み重なり、実際に請求額を動かすのはループの長さです。モデルの料金は、最安のモデルで100万トークンあたり $0.20 から、最上位モデルで入力100万トークンあたり $10 まであり、web search は1,000回あたり $10、file search は1,000回あたり $2.50 です。
それが概要ですが、本当の計算はループの中にあるため、専用のガイドを用意しました。詳しい内訳、具体例、リアルタイムのコスト見積もりツールは、OpenAI Agents API の料金にあります。プロバイダーを比較しているなら、OpenAI API vs Anthropic API の記事で Claude について同じ数字を計算しています。
eesel を試して、ループを丸ごと省く
正直な位置づけはこうです。OpenAI Agents API はインフラです。エージェントを組み立てる素材と、自分で作って保守するループ、評価、監視がセットになっています。エージェントが自社の製品であるなら、正しい選択です。
eesel はそのトレードオフの反対側で、インフラではなく、すぐに働けるチームメイトです。AI サポートチームメイトを採用し、ヘルプデスクにつなげると、過去のチケットとヘルプセンターから、最初から御社のことを理解した状態で着任します。私たちは長年、AI エージェントを実際のサポートキューに配置してきたため、すべての導入は、本物の顧客に1件でも回答する前に、過去のチケットでシミュレーションされます。計測すべきループはありません。料金が固定だからです。月額 $299 から500クレジットで、1クレジットは1チケットまたは1チャットであり、解決までに何回のモデル呼び出しやツールの往復があったかでは課金されません。予測できないループは私たちの問題であり、あなたの問題ではありません。
そして、Agents API の魅力がプログラムによる制御だったなら、eesel はそれも備えています。公開されている本物の CLI（@eesel/cli）に加え、MCP サーバー、Webhook、ネットワークアクセスがあり、インテグレーションの接続、エージェントの常設指示の編集、人間が確認するアクションの一覧表示と承認、実行ごとのアクティビティログの閲覧を、ターミナルやスクリプトから行えます。ドキュメントははっきり述べています。"everything on this site can be done from the terminal"、そして Claude Code や Cursor のようなコーディングエージェントが直接操作できます。エージェント自体を構築して見守ることなく、エージェントに優しいインターフェースが手に入ります。
すべてのトークンを自分で持ちたくてエージェントを作るなら、OpenAI Agents API はそれにふさわしい場所です。カスタマーサービスを片づけたくて作るなら、無料トライアルを始めて、チームメイトに仕事を任せましょう。