2026年9月、OpenAIはAIエージェントをクラウド上で構築・実行できる「Agents API」を試験公開しました。Agents APIでは、AIに任せる仕事や使用するモデル、利用するツール、作業環境などを設定し、Codexを支えている仕組みを自社のサービスや業務に取り入れられます。
さらに、長時間の作業で必要な情報を保つ機能や、目的に合ったツールを使う機能、複数のAIに仕事を分担させる仕組みなども用意されています。AIを質問に答えるだけの存在から、複数の工程を進める存在へ広げる動きとして注目されるため、本プロジェクトの詳細を考察します。
AIエージェントを動かす「土台」まで提供するAgents API
生成AIの活用は、質問への回答や文章作成だけでなく、調査や分析、プログラムの作成など、複数の工程を続けて進める形へ広がっています。ただし、AIに長い仕事を任せるには、高性能なAIモデルを用意するだけでは十分ではありません。途中までに確認した情報を引き継ぎ、必要なツールを使いながら、ファイルを扱ったりプログラムを動かしたりできる仕組みも必要です。
OpenAIは、CodexやChatGPT for Workを大規模に提供してきた経験から、長時間動くAIエージェントには、作業中の情報を整理する機能や、ツールを効率よく利用する仕組み、複数のAIをまとめる仕組み、安定して作業できる環境が必要だと説明しています。Agents APIは、こうしたAIの周辺部分をOpenAIが管理し、開発者が利用できるようにしたサービスです。
そのため、開発者はAIを動かす仕組みをすべて一から作るのではなく、自社で使いたい情報やツール、仕事の進め方などに力を入れやすくなります。Agents APIは、新しいAIモデルを提供するだけではなく、「AIが仕事を続けるための土台」までまとめて提供する取り組みと考えると、その役割が分かりやすくなります。
参照：OpenAI「Introducing the Agents API」
Agents APIで選べる3つの実行環境
AIエージェントが実際に仕事をするには、プログラムを動かしたりファイルを扱ったりする場所が必要です。Agents APIでは、この作業場所を一つに固定せず、企業の目的や運用方法に合わせて選べます。OpenAIが用意する環境から、自社で管理する環境、外部事業者の環境まで対応している点が特徴です。
OpenAIが管理する環境ですぐに始められる
Agents APIでは、「OpenAI-hosted sandbox」と呼ばれるOpenAI管理の作業環境を利用できます。難しく聞こえますが、簡単にいえば、AIがプログラムを実行したりファイルを扱ったりするための専用スペースをOpenAI側が準備する仕組みです。CodexやChatGPTでも使われている技術がもとになっています。
開発者は、この環境に必要なファイルや追加のプログラム、AIに覚えさせたい作業方法などを設定できます。AIが作った資料やファイルなどを成果物として残すことも可能です。自社でサーバーなどを一から準備する手間を減らせるため、まずAIエージェントを動かしてみたい企業や、環境管理よりもサービス開発に力を入れたい場合には使いやすい選択肢と考えられます。
自社で管理する環境を使うこともできる
Agents APIは、OpenAIが用意した環境だけでなく、企業自身が管理する環境とつなげることもできます。この場合、AIが仕事を進めるための中心的な仕組みはOpenAI側で動きますが、実際にプログラムを実行したり、ファイルを読み書きしたりする部分は企業側の環境で行います。
公式ドキュメントでは、企業が管理するパソコンやコンテナ、離れた場所にある作業環境などを接続できると説明されています。既存のシステムや社内ルールに合わせてAIを動かしたい企業にとっては、選択肢を広げる仕組みです。特に、扱うファイルや使用する計算環境を自社で細かく管理したい場合には、OpenAI側へすべてを任せるのではなく、自社環境を生かした構成を検討できます。
外部サービスの環境とも組み合わせられる
Agents APIでは、OpenAIと自社環境の二つだけではなく、外部事業者が提供する作業環境も利用できます。OpenAIはBlaxel、Cloudflare、Daytona、DigitalOcean、E2B、Modal、Oracle、Runloop、Vercelなどと連携しています。
連携先やサービスの構成によって、運営会社に管理を任せる方法や、企業専用のネットワーク環境に配置する方法などを選べます。さらに、ファイルや重要な情報の保存方法、CPUやGPU、メモリといった処理性能についても、用途に合わせた選択肢があります。たとえば、大量の処理を早く終わらせたい業務と、できるだけ費用を抑えたい業務では、適した環境は異なります。Agents APIは一つの環境を全企業へ当てはめるのではなく、それぞれの条件に合わせて仕事をする場所を選べる仕組みになっています。
長時間の仕事を任せるために用意された3つの仕組み
AIエージェントに複雑な仕事を任せる場合、一度質問して回答を受け取るだけでは終わりません。調査した内容を覚えながら次の作業へ進み、必要に応じて外部の機能を使い、大きな仕事を分けながら進める必要があります。Agents APIには、そのような仕事を続けやすくする仕組みが用意されています。
長時間の作業でも大切な情報を引き継げる
AIが何時間も仕事を続けると、会話や調査結果などの情報が増えていきます。AIが一度に扱える情報量には上限があるため、そのまま情報を増やし続けるだけでは、長い仕事を安定して進めにくくなります。
Agents APIでは、作業中の情報量が上限に近づいた際に、以前の内容を自動的に整理して小さくまとめる仕組みが用意されています。その際、単純に古い情報を捨てるのではなく、その後の仕事に必要な内容を残しながら整理します。これにより、開発者が毎回過去の情報をまとめ直し、AIへ渡す仕組みを一から作る負担を減らせます。
たとえば、長い時間をかけて資料を調べたり、システムで発生した問題の原因を順番に確認したりする場合でも、それまでの作業内容を踏まえて次の工程へ進みやすくなります。
必要なツールを効率よく選べる
業務でAIを利用すると、Web検索や社内データの確認、自社システムの操作など、多くの機能を使うことがあります。しかし、使える機能をすべて最初からAIに読み込ませると、AIが処理する情報が増え、利用料金や処理効率に影響することがあります。
Agents APIでは、「Tool search」という仕組みによって、その仕事に関係するツールの情報を必要になったときに読み込めます。また、「Programmatic Tool Calling」という仕組みを使うと、複数の処理を同時に動かしたり、続けて実行したり、大量の結果から必要な内容だけを選び出したりできます。
Agents APIは、外部サービスとつなぐMCP、自社で用意した機能、OpenAIが提供するWeb検索などにも対応しています。ツールが多くなるほど、すべてを使うのではなく、必要なものを必要な場面で選べることが重要になります。
複雑な仕事を複数のAIへ分けられる
Agents APIでは、一つのAIだけですべての作業を順番に進めるのではなく、大きな仕事を複数の「サブエージェント」に分けて任せることができます。サブエージェントとは、中心となるAIから一部の仕事を任される別のAIと考えると分かりやすいでしょう。
それぞれのAIは担当する仕事に必要な情報を持ち、複数の作業を同時に進められます。最後は中心となるAIがそれぞれの結果を受け取り、全体をまとめます。たとえば、一つのテーマについて資料を探す役割、データを分析する役割、プログラムを確認する役割などに分ける使い方が考えられます。
OpenAIは、調査や分析、プログラム開発など、複数の作業を同時に進めやすい仕事で時間短縮につながる可能性を示しています。複数のAIを動かすための仕組みを開発者がすべて一から用意しなくてもよい点も特徴です。
OpenAIが管理しながら中身も確認できる仕組み
Agents APIを支えているのは、「Codex harness」と呼ばれる仕組みです。難しい言葉ですが、AIへの指示、利用するツール、作業中の情報などをまとめながら、AIが仕事を進められるようにする土台と考えると分かりやすくなります。このCodex harnessはオープンソースとして公開されており、開発者は中心となる仕組みのコードを確認できます。
一方で、Agents APIとして利用する場合は、OpenAIがこの仕組みの運用や保守を担当します。つまり、開発者自身がすべてを管理しなくても利用できる一方で、どのような仕組みが使われているのかを公開されたコードから確認したり、学んだりできる形です。
また、OpenAIはモデルの更新に合わせて、この土台も継続して改善すると説明しています。新しいAIモデルが登場するたびに、開発者が周辺の仕組みを大きく作り直す負担を減らすことが狙いです。
Agents APIは2026年9月10日時点で全開発者向けのパブリックベータとして提供されています。Agents APIそのものに追加料金はありませんが、利用したAIモデルやツールには通常の料金が発生します。また、OpenAIが管理する作業環境を利用する場合は、標準のコンテナ料金が別途発生します。試験公開の段階であるため、OpenAIは利用者からの意見を取り入れながら正式提供に向けて改善を続けるとしています。
今後の展望
Agents APIによって、企業のAI活用は「生成AIを導入する」という段階から、AIにどの仕事を任せ、人とどのように分担するかを考える段階へ進む可能性があります。今後はAIの性能だけでなく、仕事の進め方や役割分担、費用対効果まで含めた設計が重要になると考えられます。
AI開発の差が「技術」だけでなく「仕事の作り方」に表れる可能性
Agents APIが広く使われるようになれば、企業のAI活用では、AIを動かす土台そのものを一から作ることよりも、「自社の仕事をAIにどう進めてもらうか」が重要になると考えられます。OpenAIも、Agents APIによって共通の仕組みを提供することで、開発者が独自のツールや知識、仕事の流れに集中できると説明しています。
たとえば、顧客から問い合わせを受ける業務を考えると、AIが質問へ答えるだけでは本当の業務とはいえません。過去の対応履歴を確認し、社内ルールを調べ、必要であれば別の部署へ確認し、その結果をもとに回答を作るといった複数の工程があります。AIにこうした仕事を任せるには、「最初に何を確認するのか」「どの条件なら次へ進むのか」「どこから人が判断するのか」を整理する必要があります。
このため、今後はAIの担当者だけが導入を進めるのではなく、実際の仕事を知っている社員とシステムを作る担当者が一緒に業務の流れを整理する場面が増える可能性があります。
同じAgents APIと同じAIモデルを使ったとしても、企業ごとに持っている知識や仕事の手順、確認ルールは異なります。AIそのものの性能だけで差がつくのではなく、「自社の仕事をどこまで分かりやすく整理してAIへ渡せるか」が、AI活用の成果を左右する可能性があります。Agents APIはAIを導入する技術であると同時に、これまで人が感覚的に行っていた仕事を見直すきっかけにもなり得ると考えられます。
一つのAIを使う形から「AIのチーム」を動かす形へ広がる可能性
これまで生成AIは、人が一つのAIに質問を送り、その回答を確認する使い方が中心でした。Agents APIでは、大きな仕事を複数に分け、それぞれを別のAIへ任せることができます。そのため将来的には、一つのAIをアシスタントとして使う考え方から、役割の違う複数のAIを一つのチームのように動かす考え方へ広がる可能性があります。
たとえば、新しい商品の市場調査を行う場合、競合商品を調べるAI、利用者の声を整理するAI、数字を分析するAIなどへ仕事を分ける方法が考えられます。各AIが同時に作業し、その結果を中心となるAIが集めてまとめれば、一つのAIがすべてを順番に調べる方法とは異なる仕事の進め方ができます。
この変化によって、人の仕事も変わる可能性があります。人がAIへ細かな作業を一つずつ指示するのではなく、「何を調べるのか」「どこまでAIに任せるのか」「完成した結果をどの基準で確認するのか」を決める役割がより重要になると考えられます。
ただし、AIの数を増やせば自動的に仕事の質が上がるわけではありません。誰に何を担当させるのか、意見が違った場合にどのように判断するのか、最終確認を人が行うのかといったルールが必要です。今後はAIモデルの能力だけでなく、人と複数のAIをどのように組み合わせるかという仕事の設計が、企業のAI活用を左右する要素になる可能性があります。
AIの価値を「利用回数」ではなく「仕事の成果」で見る動きが進む可能性
AIエージェントが実際の業務に入っていくと、企業がAIの効果を測る方法も変わっていく可能性があります。これまでであれば、何人がAIを利用したか、何回質問したかといった数字でも利用状況を確認できました。しかし、AIエージェントが一つの仕事を最初から最後まで進めるようになると、利用回数だけでは実際の成果を判断しにくくなります。
OpenAIがAgents APIの発表で紹介しているSafetyKitの事例では、案件を確認する業務をAgents APIへ移した結果、従来と同程度の性能を保ちながら、1件当たりのコストが60％下がったと報告されています。これはSafetyKitによる個別の事例であり、Agents APIを導入したすべての企業で同じ結果が出ることを意味するものではありません。ただし、AIの成果を考えるうえで、「1件の仕事を終えるためにどれだけ費用がかかったか」という見方が重要になる例といえます。
今後は、問い合わせ1件の処理時間をどれだけ短くできたか、調査に必要だった人の作業を何時間減らせたか、最終的に人が修正した割合はどの程度だったかといった指標が重視される可能性があります。
また、Agents APIでは使ったAIモデルやツールなどに応じて料金が発生するため、すべての仕事に最も高性能なモデルを使う方法が最適とは限りません。難しい仕事には高い能力を持つモデルを使い、簡単な処理には別の方法を選ぶなど、仕事内容に合わせた使い分けも考えられます。
AIエージェントが企業活動の一部になるにつれて、「AIを導入しているか」ではなく、「一つの仕事をどれだけ正確に、早く、適切な費用で終えられるか」が、AIへの投資を考える新しい基準の一つになる可能性があります。
