OpenAIはShellツールのサポート、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、コンテキスト圧縮、再利用可能エージェントスキルを追加し、開発者がエージェント型ワークフローをより容易に構築できるようResponses APIを拡張すると発表した。
これらの新機能により、Responses APIを使用する開発者は現実世界のタスクを安全かつ信頼性高く実行するために独自の実行環境を構築する必要がなくなる、とOpenAIは述べている。代わりに、中間ファイルの管理、プロンプト使用量の最適化、安全なネットワークアクセスの確保、タイムアウトおよびリトライ処理のような、エージェント開発者が直面する実務上の課題に対応するために設計された組み込みインフラストラクチャを利用できる。
この新しい設計の中核にあるのがエージェント実行ループである。最終的な回答を即座に生成するのではなく、モデルはコマンドの実行、データのクエリ、インターネットからの情報取得などのアクションを「提案」できる。そのアクションは制御された環境で実行され、その結果がモデルにフィードバックされる。このサイクルはタスクが完了するまで反復的に繰り返される。
実行ループは新Shellツールを活用してコマンドライン経由でコンピュータと対話でき、初期状態で利用可能なgrep、curl、awkなどの一般的なUnixユーティリティやその他プログラムを使用してタスクを実行できる。
既存Code InterpreterがPythonのみを実行するのに対し、ShellツールはGoやJavaプログラムの実行、Node.jsサーバーの起動など、はるかに広範なユースケースを可能にします。この柔軟性により、モデルは複雑なエージェント型タスクを処理できるようになります。
理解するために重要なことは、モデルはツールの使用を提案できるだけであり、自ら実行することはできないという点である。
Shellツールに加えて、OpenAIはファイルやデータベースを配置でき、ポリシー制御を通じてネットワークアクセスが安全に管理されたコンテナ化実行環境も提供している。これらのツールはすべての入力を直接プロンプトコンテキストに詰め込む必要性を低減するよう設計されている。代わりにモデルはシェルコマンドを使用して特定のファイルにアクセスして利用可能な情報を解析または変換したり、データベースクエリを実行して関連する行のみを取得したり、ネットワークから直接データを取得したりできる。
ネットワークアクセスの安全性を確保するため、すべてのアウトバウンドトラフィックは、許可リストおよびアクセス制御を適用しつつトラフィックの可観測性を維持する集中管理型のポリシーレイヤーを経由する。認証情報はコンテナ内部に保存されず、モデルからは不可視のままであり、モデルが参照できるのは外部レイヤーで置き換えられるプレースホルダーのみである。
新Responses APIで導入されたもう一つの重要概念が「スキル」であり、あらかじめ定義されたパターンに従ってシェルコマンドを実行する複雑で反復可能なタスクを定義しやすくするものである。
エージェントスキルは、これらのパターンを再利用可能で組み合わせ可能なビルディングブロックとしてパッケージ化したものです。具体的には、スキルはSKILL.md（メタデータおよび指示を含む）と、API仕様やUIアセットなどの補助リソースを含むフォルダバンドルです。
新Responses APIは、不可避的にコンテキスト制限を超過しがちな長時間実行タスクにおける、コンテキストサイズ管理の課題にも対応している。これに対応するため、システムはコンパクション、Codex同様に重要な情報を保持しつつ、以前のステップをより短い表現に圧縮する手法を使用する。これによりトークン制限を超えることなく、多数のイテレーションにわたりエージェントが作業を継続できるようになる。
OpenAIによれば、Responses APIが提供するオーケストレーション機能にShellツール、コンテナベースのランタイムコンテキスト、スキル、コンパクションを組み合わせることで、開発者は単一プロンプトから長時間実行タスクを遂行可能なエージェントを構築できる。詳細全体についてはオリジナルアナウンスメントをご確認ください。