2026年9月10日、OpenAIはAgents APIをパブリックベータとして公開しました。単にモデルを呼び出すAPIではなく、Codexで使われるエージェント・ハーネス、長時間セッション、コンテキスト管理、ツール探索、サブエージェント、実行環境をまとめて提供するものです。
結論から言えば、これは「AIに1回答えさせる」ための製品ではありません。障害調査、コード変更、監査、資料作成のような、数十分から数日にまたがる仕事を途中状態ごと管理する基盤です。自前実装を減らせる一方、パブリックベータであり、権限・費用・監査・復旧の設計責任は利用側に残ります。
従来のAPIでは、アプリ側が「モデル呼び出し → ツール実行 → 結果を再投入」というループ、履歴の切り詰め、再試行、並列処理、実行環境を組み立てる必要がありました。Agents APIでは、その中央部分をOpenAI管理のハーネスとして利用できます。
Agents API自体に追加利用料はなく、モデルのトークン、利用ツール、ホスト型コンテナなどに課金されます。「API無料」ではなく、オーケストレーション料金が別建てでないという意味です。
公式発表には初期顧客の数値が掲載されています。ただし、いずれもOpenAIの発表内にある顧客事例で、条件が統一された第三者ベンチマークではありません。製品選定の保証値ではなく、PoC目標を置くための参考値として扱うべきです。
編集上の推論として、効果の源泉はモデル性能だけではありません。状態管理、並列化、ツール選択、実行環境を標準化したことで、アプリ固有の失敗点が減った可能性があります。一方、比較条件・母数・タスク構成は公開情報だけでは十分に検証できません。
短いFAQ応答や単発の文章生成では、通常のResponses APIや既存のワークフローの方が単純です。Agents APIが効くのは、途中状態、複数ツール、非同期処理、復旧が必要な仕事です。
公式例では、セッション作成時にモデル、MCPツール、複数エージェント設定、実行環境、入力をまとめて指定します。
const session = await client.beta.agents.sessions.create({
agent: {
model: "gpt-6-astra",
tools: [{
type: "mcp",
server_label: "observability",
transport: { type: "http", server_url: MCP_SERVER_URL }
}],
multi_agent: { enabled: true, max_concurrent_subagents: 3 }
},
environment: { type: "openai_hosted" },
input: "直近30分の5xx増加を調査し、根拠と緩和策を成果物に保存してください。"
});本番では、この前後に認証、利用者単位の認可、監査ID、予算上限、タイムアウト、承認待ち状態、通知、成果物の保管期限を追加します。APIキーや本番資格情報を入力文やファイルへ直接埋め込まない設計も必須です。
過去の実案件20〜50件を匿名化し、正答・禁止操作・所要時間を定義。
まずログ、文書、コードの閲覧だけを許可。外部送信は禁止。
変更、送信、デプロイは人の承認後だけ実行。
成功率、費用、復旧率を満たした操作だけ自動化。
測るべき指標は「回答が良いか」だけではありません。タスク完了率、人による手戻り率、誤操作率、1件当たり総費用、P50/P95所要時間、承認待ち時間、復旧成功率を記録します。サブエージェント数を増やすほど速くなるとは限らず、重複調査とトークン消費が増えるため、1・2・3並列で比較してください。
エージェントループ、状態管理、コンテナ、並列実行をすでに自作しているチームは、Agents APIで保守対象を減らせる可能性があります。これから始めるチームも、障害調査や定型レビューの読み取り専用PoCなら試しやすいでしょう。
ただし、顧客への自動送信、課金、削除、本番デプロイのような不可逆操作を、ベータ段階から無人化するのは勧めません。ハーネスを任せても、業務統制までは外注できない――これが導入判断の中心です。
最終確認日：2026年9月13日