OpenAI、Responses APIにシェルツール・エージェントスキル・コンテキスト圧縮を追加しエージェント開発基盤を強化

概要

OpenAIはResponses APIに対して大規模な機能拡張を実施し、複雑なエージェントワークフローを構築するための基盤機能を一式追加した。今回の更新により、開発者はカスタム実行環境を自前で構築せずとも、単一のプロンプトから長時間にわたるタスクをこなすAIエージェントを作れるようになる。追加された主要機能は、シェルツール、組み込みエージェント実行ループ、ホスト型コンテナワークスペース、サーバーサイドコンパクション、そして再利用可能なエージェントスキルの5つだ。

シェルツールとコンテナ環境

新たに追加されたシェルツールにより、エージェントはUnixコマンド（grep、curl、awkなど）を含むターミナル環境で作業できるようになった。従来のPython実行だけでなく、Go、Java、Node.jsなど多様な言語・ランタイムの利用が可能になっている。ホスト型コンテナワークスペースは、ファイルシステムやオプションのSQLiteデータベース、制限されたネットワークアクセスを備えた隔離された実行環境を提供する。セキュリティ面では、APIキーなどの認証情報はモデルから見えないよう外部でプレースホルダーに置き換えられる仕組みになっており、組織レベルと個別リクエストレベルの二層アローリストでネットワーク権限を制御できる。

組み込みエージェント実行ループとコンパクション

今回のアップグレードの核心は、Responses APIに組み込まれた新しいエージェント実行ループだ。従来の「リクエストに即時回答する」モデルから、「モデルがアクションを提案→環境で実行→結果をフィードバック→タスク完了まで繰り返す」という反復型のエージェントランタイムへと転換される。長時間稼働するエージェントがコンテキスト上限に近づいた際の問題には、サーバーサイドコンパクションで対応する。過去のやり取りを単純に切り捨てるのではなく、モデルが過去のアクションをコンパクトな状態に要約することで、本質的なコンテキストを保ちながらトークン消費を抑える。手動で管理することなく自動的に動作する点が特徴だ。

再利用可能なエージェントスキル

エージェントスキルは、複雑で繰り返し発生するタスクをモジュール化・再利用可能にするための仕組みだ。具体的にはSKILL.md（メタデータと実行手順）とサポートリソース（APIスペック、UIアセットなど）をまとめたフォルダバンドルとして定義される。モデルはメタデータを参照してスキルを呼び出すか判断し、必要に応じてフル手順を読み込む。実際の開発事例では、スキルの説明文に「この場合に使う／この場合は使わない」というルーティングロジックを書いたり、当初スキルベースのルーティング精度が約20%低下したが、ネガティブ例やエッジケースの説明を追加することで回復したという報告もある。スキルはテンプレートを内部に持てるため、関係のないクエリでは不要なトークンを消費しない設計になっている。

開発者への影響と今後の展望

今回の拡張により、OpenAI Responses APIは単なるLLM推論APIから、エージェントの実行基盤へと進化した。ファイル処理、プロンプト最適化、安全なネットワークアクセス、タイムアウト・リトライ管理といったインフラ課題をOpenAI側が担うことで、開発者はエージェントのロジック設計に集中できる。AIエージェントを活用したソフトウェア開発や業務自動化の複雑性を大きく下げる可能性があり、競合他社のエージェントフレームワークとの差別化要因となりそうだ。