OpenAI Agents APIとは？Codex harnessの仕組み・使い方・料金

OpenAI Agents APIとは

OpenAI Agents APIは、複数の工程を進めるAIエージェントの実行を、OpenAIが管理するAPIです。

関連記事：ChatGPT APIとは？料金の実額と上限設定、Web版との違い・できること

Codexの実行基盤をアプリから利用する

OpenAIは2026年9月10日（米国時間）、Agents APIを全開発者向けのパブリックベータとして発表しました。APIはApplication Programming Interfaceの略で、ソフトウェア同士が機能や情報をやり取りする窓口です。Agents APIでは、アプリからタスクを渡し、処理の進み具合や結果を受け取れます。OpenAIの公式発表

中心となるのは、OpenAIが管理するCodexハーネスです。ハーネスとは、AIモデルの呼び出し、ツールの実行、作業の継続を支える実行基盤を指します。回答文を一度受け取るだけでなく、必要な道具を使いながら仕事を進める部分をまとめて扱います。

ただし、エージェントに任せる仕事の目的や、許可する道具はアプリ側で決めます。完成品の業務アプリをそのまま導入するサービスとは異なります。まず「どの作業を、どんな入力から、どの成果物まで進めるか」を定義してから使うと、試作の範囲を絞れます。

関連記事：Codexとは？OpenAIのコーディングAIエージェントの仕組み・使い方・料金を徹底解説

作業の状態をセッションとして維持する

Agents APIでは、Agent、Environment、Session、events/itemsを区別します。Agentはモデルや指示、ツールの設定、Environmentはコードやファイルを扱う環境です。Sessionは個々の仕事の状態を持つ単位で、events/itemsは進行状況や入出力を扱います。Agents APIの概要

たとえば一つの資料を作成した後、同じ仕事として「対象期間を変えて作り直して」と伝えるなら、継続するセッションを特定する必要があります。別の依頼を始めるのか、前の依頼を修正するのかを、アプリの画面や処理でも分けておきましょう。

OpenAIが管理する範囲には、セッションの維持やコンテキスト圧縮、回復処理が含まれます。コンテキスト圧縮は、長く続く作業で扱う情報を整理する仕組みです。これらを利用しても、成果物の正しさを評価する基準は必要です。処理を完了できたことと、依頼どおりの結果になったことを分けて確認します。

OpenAI Agents APIの仕組みと実行環境

実行基盤をOpenAIに任せることと、コードを動かす場所をOpenAIに任せることは、別の選択です。アプリサーバー、ハーネス、実行環境の関係を整理すると、準備が必要な部分が見えてきます。

アプリサーバーに残る役割を確認する

アプリサーバーは、利用者の依頼を受けてAgents APIに渡し、進行状況や結果を製品の画面へ届けます。独自の関数ツールを使う場合は、その呼び出しを受け取り、実際の処理を行って結果を返す担当にもなります。アーキテクチャの公式説明

関数ツールとは、アプリ側で用意した処理をAIから呼び出せるようにする仕組みです。たとえば記録を検索する処理と、記録を書き換える処理を分けて用意できます。読み取りだけで試せる段階では、書き換え処理を最初から渡さない設計が考えられます。

結果を返す担当処理が停止すると、エージェントがツールの応答を待ち続ける場合があります。画面に「処理中」と表示するだけでなく、どこで待っているかを確認できる記録を残すと、運用時の原因調査に役立ちます。

必要な作業に合わせて環境を選ぶ

ファイルを扱うか、自社の計算環境を使うかによって、環境の選び方が変わります。公式ドキュメントでは、環境を付けない構成、OpenAIが用意する構成、自分で用意する構成を説明しています。次の表は処理を置く場所と、実装側が確認する点を対応させたものです。環境の選択肢

MCPはModel Context Protocolの略で、AIと外部の道具や情報をつなぐための共通規格です。外部サービスの検索だけで済むなら環境なしから、ファイル処理が必要なら実行環境を付ける、という順で必要性を判断できます。

OpenAIが用意する環境でも設定は必要になる

OpenAI-hosted環境にはLinuxの作業領域があり、PythonやNode.jsなどを使えます。入力ファイルや追加パッケージを設定でき、通信は有効、無効、許可したホストだけに制限する方式から選べます。OpenAI-hosted環境の説明

外部通信が不要な集計なら、通信を無効にした構成から試す方法があります。逆に外部データの取得が必要なら、取得先と認証方法を先に確認します。「環境があるから何でも接続できる」と考えず、入力、道具、通信先を一つずつ対応させましょう。

OpenAI Agents APIとSDK・Responses APIの違い

選択の基準は、エージェントの実行ループと作業状態を誰が管理するかです。SDKはSoftware Development Kitの略で、開発に必要な機能をまとめたものを指します。Agents SDKとAgents APIは、名称が近くても同じものではありません。

AIエージェントの作り方

AIエージェントを「どう作り、どう育てるか」を、GiftX記事制作エージェントの実物で解説。

無料ダウンロード →

実行を任せるか、アプリ内で制御するか

公式の比較では、Agents APIはOpenAI管理のCodexハーネスを使う方式、Agents SDKはアプリ内で実行ループを制御する方式です。Responses APIはモデル応答を直接扱い、自分のアプリに統合する入口です。機能名の多さより、実装で持ちたい責任の範囲を見て比較しましょう。実行方式の公式比較

現在の実装がどこを管理しているかを先に書き出すと、選択しやすくなります。タスクの継続処理まで作っているなら、その責任を移したいかを検討します。単発の応答で要件を満たしているなら、継続する実行基盤が本当に必要かを確かめます。

新しいAPIへの置き換えを目的にしない

名称が新しいことだけを理由に、既存の実装を置き換える必要はありません。入力が同じでも、使える道具や状態の管理方法が異なると、結果や処理時間の比較が難しくなります。まず同じ小さな依頼を両方で試し、完成条件を満たすかを比べる方が判断材料になります。

試作では、正常に終わる依頼だけでなく、入力が不足する依頼も用意します。不足を説明して止まれるか、追加情報を受け取って続けられるかまで確認すると、実際の利用に近い評価ができます。

関連記事：GPT-6 Astra APIの使い方｜Responses API実装・移行手順

OpenAI Agents APIの使い方

最初は、機密情報を含まない小さな入力と、正解を自分で確認できる成果物を用意します。以下は公式クイックスタートに沿った準備と操作の整理であり、特定の業務での動作や精度を保証するものではありません。

APIキーと対応SDKを準備する

公式手順では、アプリ側のAPIキーに api.agents.read、api.agents.write、api.responses.write の権限が必要です。Agents APIのベータ名前空間を含むOpenAI SDKを用意します。APIキーはエージェントのサンドボックス内へ置かず、アプリ側で管理します。公式クイックスタート

HTTPで直接呼び出す場合には、ベータ用ヘッダー OpenAI-Beta: agents=v1 を指定する手順です。対応SDKではこの扱いが組み込まれています。古いサンプルを写す前に、利用するSDKが現在の手順に対応しているかを確認しましょう。

キーを取得する担当者と、実装する担当者が異なる場合は、使うプロジェクトと権限を共有しておきます。キー文字列を依頼文や確認用資料に貼り付ける必要はありません。権限不足とプログラムの誤りを切り分けられるように、エラーの内容を確認します。

セッションに依頼と環境を渡す

セッションの作成では、使うモデルと指示、初期入力、必要なら実行環境を指定します。SDKでは client.beta.agents.sessions.create が入口になります。最初の依頼は、入力ファイル、行う処理、出力先が明確なものにすると結果を照合しやすくなります。セッション作成の手順

たとえば、テスト用の表から合計を計算し、結果をファイルへ保存する依頼が考えられます。入力の数値をあらかじめ手元で計算し、計算結果と保存された内容を確認します。単に「分析して」と頼むより、何ができれば成功かを共有しやすくなります。

OpenAI-hosted環境では、セッションを作成した応答だけで環境の準備完了とは判断しません。環境の状態が connected になったことを確認してから、稼働中のファイル操作へ進む手順が示されています。環境の準備確認

進行状況を受け取り、成果物を確かめる

進行状況は、ストリーミングやWebhookで受け取れます。ストリーミングは処理中のイベントを順に受け取る方式、Webhookは状態の変化を指定した宛先へ知らせる方式です。利用者へ細かい進捗を見せたいか、アプリの裏側で状態変化を扱いたいかで設計します。進捗と結果の受け取り

完了時には、回答文に書かれた内容と成果物を照合します。ファイルを作る依頼なら、実際にファイルを取得できるか、開けるか、依頼した項目があるかを確認します。修正する場合は、直したい条件を明記して同じ仕事として継続します。

接続を閉じたことと、タスクを止めたことも同一ではありません。公式の環境説明では、イベントストリームを閉じてもタスクは取り消されないとされています。終了処理まで含めて実装し、不要になった作業が残らないかを確認しましょう。環境の終了と削除

OpenAI Agents APIの料金を見積もる方法

Agents API自体の追加料金はなく、利用するモデルのトークンやツールなどに料金が発生します。無料でタスクを実行できるという意味ではありません。トークンは、モデルが入力や出力を処理する際の文章などの単位です。料金に関する公式発表

モデル・ツール・環境を分けて確認する

下表は2026年9月に公式ページを確認した課金項目の例です。モデル利用料だけを見積もると、検索やコード実行の費用を取りこぼすことがあります。実際に呼ぶツールと実行環境を、選んだモデルの単価に加えて確認してください。OpenAI API料金表

コンテナには、対象セッションで分単位・最低5分となる課金条件も記載されています。容量、継続時間、適用される単位を確認しましょう。自前環境を選ぶ場合も、自社で負担する計算資源の費用は別に考える必要があります。

依頼一件を完了する費用で測る

試作で記録したいのは、一回の呼び出し料金だけでなく、一件の仕事を完了するまでの費用です。途中の修正や再試行が多いと、同じ成果物でも使用量が変わります。成功件数、再試行、モデルとツールの使用量を対応させて比較します。

マルチエージェントで仕事を分担する場合も、担当数だけで効果を判断しません。分担後に成果物を取りまとめ、重複や矛盾を確認する工程まで含めて、単独で進める構成との差を確かめます。

AI活用実態調査レポート

全国8,000人調査で、AIの活用方法によって生産性向上に約3.8倍の差が生まれることが判明。

無料ダウンロード →

OpenAI Agents APIのデータ管理と運用条件

実行環境を選ぶ前に、扱うデータの保存場所や保持条件を確認します。サンドボックスを自分で用意することだけでは、AIの実行基盤まで自社内で完結するとはいえません。

自前環境でもOpenAIがハーネスを管理する

公式概要では、Agents APIのデータ所在地は米国のみで、ZDRには対応しないとされています。ZDRはZero Data Retentionの略で、データを保持しない取り扱いを指します。この条件は、self_hosted環境を選んだ場合も適用されます。データ保持と所在地の説明

日本の組織で試す場合は、自社で許可された送信先やデータ分類と照合する必要があります。実行するコンピューターの場所と、依頼や作業状態を処理するサービスの場所を分けて確認しましょう。試作の段階では、公開情報やテスト用データから始めると、必要な要件を整理しやすくなります。

成果物の回収と後片付けを設計する

セッションの保存、作業環境の寿命、成果物の取得は別の確認事項です。OpenAI-hosted環境では、ターン完了時に /workspace/outputs 配下のファイルが成果物として公開される仕組みがあります。必要な出力を取得してから、セッションの削除を進めます。ファイルと環境の寿命

ここでいう公開は、成果物としてダウンロード可能にするAPI上の仕組みです。社外の誰に見せるかは、アプリ側の共有機能として別に設計します。依頼者以外の利用者へ誤って結果が渡らないよう、仕事の識別子と表示先を対応させておきましょう。

運用前には「入力が足りない」「道具が失敗する」「利用者が中断する」という条件も試します。正常終了だけを確認して公開するより、止まった理由を利用者へ伝えられる状態にしておくことが、問い合わせ時の切り分けに役立ちます。

OpenAI Agents APIで陥りがちな3つの落とし穴

実行基盤が整っても、仕事の範囲と完成条件が曖昧なままでは評価が難しくなります。最初の実装で起こりやすい行き違いを整理し、小さく試せる形にしてから機能を増やしましょう。

一度に多くの道具と仕事を渡す

最初から検索、更新、配信まで任せると、失敗した工程を特定しにくくなります。まず読み取りから成果物の作成までに絞り、書き換え処理は別の検証に分けます。

環境の選定だけで検証が終わる

どこでコードを動かすかを決めても、仕事の正解は決まりません。入力例と期待する出力を先に用意し、作成された内容を人が照合できる状態にしておきます。

完了表示だけを成功とみなす

処理が終わっていても、必要な項目が欠けたり、保存先が違ったりする場合があります。回答文に加え、成果物の中身と取得方法まで完成条件に含めましょう。

スモールスタートで1業務をAIエージェントに任せる

まずは繰り返し発生する1業務から、入力と出力の形が決まっている工程を選びます。たとえば一定形式のファイルから必要項目を集め、確認用の資料にする範囲です。担当者が正解を判断できる題材なら、道具の設定と成果物の評価を同時に進められます。

検証では、作業にかかった時間だけでなく、人が修正した箇所と、その理由も残します。入力不足が原因なら入力の渡し方を直し、判断基準の不足なら指示を補います。原因を分けることで、モデルを変える前に改善できる部分が見えてきます。

その1業務で再現できる手順ができてから、対象ファイルや連携先を広げます。大きな構想を先に固めるよりも、小さな成果物を確かめながら、自社で維持できる形へ育てていく進め方が現実的です。GiftXのAIエージェント構築支援でも、最初に任せる1業務の整理から相談できます。

OpenAI Agents APIのよくある質問

導入前には、アプリの利用とAPIの利用、実行環境とデータ処理の場所を混同しないことが大切です。最後に、方式を選ぶときに残りやすい疑問を整理します。

ChatGPTの画面から使う機能ですか？

Agents APIは、開発者が自分のアプリからエージェントを利用するための窓口です。ChatGPTの画面で使う機能の操作手順とは異なります。利用者向け画面、認証、結果の表示など、作りたい製品に必要な部分はアプリ側で用意します。

最初からサンドボックスは必要ですか？

必要とは限りません。公式構成には environment.type: none があり、関数ツールやリモートMCPを利用できます。コード実行や作業ファイルが必要かを確認して選びます。環境なしで使える道具と、環境が必要な道具を混同しないようにしましょう。環境なしの構成

Agents SDKから移行しなければなりませんか？

公式の実行方式比較では、Agents SDKもアプリ内で実行ループを制御する選択肢として案内されています。今回の発表をSDKの改名や一律の移行指示と読む必要はありません。既存の構成で困っている点と、実行基盤へ任せたい部分を対応させて判断します。実行方式の選び方

本番投入前に何を確認すればよいですか？

完成条件、使う道具、データの扱い、費用、失敗時の動作を確認します。特に、入力が足りないときや道具が応答しないときに、利用者へ状況を説明できるかが大切です。小さな試作でこれらを確かめてから、対象の仕事を広げましょう。

まとめ

OpenAI Agents APIは、Codexの実行基盤と継続する仕事の管理をOpenAIに任せる選択肢です。Agents SDKやResponses APIとの違いは、実行ループと状態を誰が管理するかにあります。

実行環境を選んだら、利用する道具とデータの扱いを確認し、小さな入力から成果物を作る試作を進めましょう。料金はモデル、ツール、環境を分けて把握します。1業務の完成条件を決め、正常終了だけでなく修正や中断も確かめることが、運用へつなげる出発点になります。

AIエージェントの業務実装を相談したい方へ

APIの選択肢が分かっても、自社のどの工程から任せるか、必要な権限や完成条件をどう決めるかで迷うことがあります。最初の1業務を具体化する段階から整理すると、検証する範囲と担当者の役割を決めやすくなります。

GiftXのAIエージェント構築支援では、自社業務を題材に、小さく始める実装の進め方をご相談いただけます。現在の入力資料、手作業の流れ、期待する成果物をもとに、最初に試す工程から一緒に整理します。

▶ GiftX AIエージェント構築支援の詳細・お問い合わせはこちら

関連記事

• AIエージェントとは？生成AI・チャットボットとの違い、仕組み・導入方法を解説