XNews

OpenAIがエージェント構築ガイドとベストプラクティスを公開

OpenAIがエージェント構築ガイドとベストプラクティスを公開

OpenAIは、AIエージェント構築に関するガイドを公開し、エージェントを指示、ガードレール、ツールを備え、ユーザーに代わって行動できるシステムと定義した。推論モデル(低速で信頼性が高い)と非推論モデル(高速で低コスト)を区別し、まずはフラッグシップモデルから始め、reasoning_effortを調整することを推奨。Responses API(ステートフルで柔軟)とAgents SDK(その上に構築され、エージェントループ、ガードレール、トレーシングを処理し、外部モデルをサポート)を比較。ツールにはカスタム関数呼び出しと組み込みツール(Web検索、ファイル検索(管理RAG)、コードインタプリタ、コンピュータ使用(視覚フィードバックループ)、画像生成、MCP)が含まれる。オーケストレーションにはAgents SDKのプリミティブ(Agent、Handoff、Guardrail、Session)を使用。マルチエージェント構成はタスクが重複しない場合のみ推奨され、ルーティングエージェントパターンとagent-as-tool(共有conversation_id)を使用する。3つのユースケース例:サポートエージェント(ヒューマンインザループ)、カスタマーサービスエージェント(マルチエージェントネットワーク)、フロントエンドテストエージェント(コンピュータ使用)。ベストプラクティスとして、ジェイルブレイクや無関係な入力を防ぐ入力ガードレール、プログラムによる消費のためのJSON Schemaによる構造化出力、有害なコンテンツを防ぐ出力ガードレールを強調。ガイドはLLMに内在する予測不可能性を管理することの重要性を強調している。

Key insights

OpenAIはエージェントを3つの必須要素で定義

OpenAIのガイドは、AIシステムがエージェントとして認められるのは、指示(何をすべきか)、ガードレール(何をすべきでないか)、ツール(何ができるか)を備え、外部システムに接続してユーザーに代わり行動できる場合のみと述べている。この定義は、単純なチャットボットと真のエージェントの間に明確な境界線を引く。

推論モデルはレイテンシとコストを信頼性と引き換えにする

ガイドは、応答前に思考連鎖(チェーン・オブ・ソート)を使用する推論モデルと、より高速で低コストな非推論モデルを区別する。フラッグシップ推論モデルから始め、単純なタスクではダウングレードし、複雑なタスクではreasoning_effortを増やすことを推奨しており、選択はレイテンシ/コストと信頼性のトレードオフとして位置づけている。

組み込みツールがエージェント開発を簡素化

OpenAIは、Web検索、ファイル検索(管理RAG)、コードインタプリタ、コンピュータ使用、画像生成、MCPといった組み込みツール一式を提供しており、これらはユーザー側での実行なしにOpenAIのインフラ上で動作する。ガイドは、まず組み込みツールを使用し、特定のロジックが必要な場合にのみカスタム関数呼び出しに頼ることで、開発の複雑さを軽減するよう助言している。

マルチエージェントシステムは控えめに使用すべき

OpenAIは、マルチエージェントをデフォルトとしないよう助言している。マルチエージェントが推奨されるのは、タスクが重複しておらず、単一エージェントでは指示が複雑すぎるかツールセットが大きすぎる場合のみであり、ツールの混乱を避けるためである。推奨されるパターンは、ルーティングエージェントが専門エージェントにハンドオフする方式で、agent-as-toolの実装と共有conversation_idを使用する。

構造化出力はエンジニアリングの信頼性に不可欠

ガイドは、エージェントの出力をプログラムで消費する場合、必ずStructured Outputsを介してJSON Schemaで制約する必要があると強調している。これにより、予測可能で機械が読み取り可能な応答が保証され、エージェントシステムにおけるエンジニアリングの信頼性の基盤であると説明されている。

Source posts