【2026年版】OpenAI Agents SDK 入門|自律型AIエージェントを Python で30分で構築

はじめに:自律型AIエージェントが実装可能な時代

2025年、OpenAIが Agents SDKを正式リリースし、自律型AIエージェントの実装が格段に容易になりました。LangChain / LangGraph より シンプルな API で始められるのが特徴です。

• Agents SDK の基本概念(Agent / Tool / Handoff / Guardrails)
• Python で最小エージェント構築
• マルチエージェント連携
• Tracing / Observability
• LangChain / LangGraph との違い

基本概念

Agent

AIエージェント本体。LLMモデル + 指示 + ツール群で構成。

Tool

エージェントが呼び出せる関数(DB検索・API呼出・計算等)。Pythonの関数を @function_toolデコレートするだけ。

Handoff

別エージェントにタスクを引き継ぐ機能。マルチエージェント構成に必須。

Guardrails

入出力の検証機構。不適切な出力・情報漏洩を防ぐ。

セットアップ

pip install openai-agents

export OPENAI_API_KEY=sk-...

最小エージェント実装

from agents import Agent, Runner, function_tool

@function_tool
def get_weather(city: str) -> str:
    """指定都市の天気を取得"""
    # 実際はAPI呼び出し
    return f"{city}の天気は晴れです"

@function_tool
def get_time(timezone: str) -> str:
    """指定タイムゾーンの現在時刻を取得"""
    from datetime import datetime
    return datetime.now().isoformat()

agent = Agent(
    name="Assistant",
    instructions="あなたは親切なアシスタントです。ツールを活用してユーザーに回答してください。",
    model="gpt-5",
    tools=[get_weather, get_time]
)

result = Runner.run_sync(agent, "東京の天気と現在時刻を教えて")
print(result.final_output)

👉 これだけで ツールを自律的に選択・実行するエージェントが動きます。

マルチエージェント連携(Handoff)

from agents import Agent, Runner

japanese_agent = Agent(
    name="JapaneseAgent",
    instructions="日本語で簡潔に回答するエージェント",
    model="gpt-5"
)

english_agent = Agent(
    name="EnglishAgent",
    instructions="Reply concisely in English",
    model="gpt-5"
)

triage_agent = Agent(
    name="TriageAgent",
    instructions="""ユーザーの質問言語を判別し、適切なエージェントに引き継いでください。
    日本語なら JapaneseAgent、英語なら EnglishAgent にハンドオフ。""",
    model="gpt-5",
    handoffs=[japanese_agent, english_agent]
)

result = Runner.run_sync(triage_agent, "こんにちは")
print(result.final_output)  # JapaneseAgent が応答

Guardrails で安全性担保

from agents import Agent, Guardrail

async def input_guardrail(input_text: str) -> dict:
    # 機密ワード検出
    if "パスワード" in input_text or "APIキー" in input_text:
        return {"blocked": True, "reason": "機密情報を含む質問は受け付けません"}
    return {"blocked": False}

agent = Agent(
    name="SafeAgent",
    instructions="...",
    model="gpt-5",
    input_guardrails=[Guardrail(input_guardrail)]
)

Tracing / Observability

Agents SDK は OpenAI Dashboard にトレース自動送信:

• どのエージェントがどのツールを呼んだか可視化
• 応答時間・コスト・エラーを一覧表示
• 再現実験が容易

無効化は Runner.run_sync(agent, input, trace=False)。

LangChain / LangGraph との違い

👉 OpenAI エコシステム中心なら Agents SDK、マルチLLMや複雑ワークフローなら LangGraph。

本番運用のベストプラクティス

• Guardrailsで入出力検証を厳格に
• Toolは副作用の少ないものから導入
• Tracingを本番でも有効化(デバッグ用)
• Rate limiting実装(過剰呼び出し防止)
• コスト管理(Agentごとの呼び出し回数制限)

活用シーン例

• 社内ヘルプデスクBot(FAQ検索+エスカレーション)
• データ分析エージェント(SQL生成+可視化)
• カスタマーサポート自動化(質問分類→適切な回答)
• DevOpsエージェント(ログ分析→アラート送信)
• リサーチエージェント(複数ソース調査→レポート作成)

よくある質問(FAQ)

Q. API コストは?

Toolを呼ぶたびにLLMコスト発生。GPT-5使用で 1リクエスト $0.01〜$0.1程度。月間1,000リクエストで$10〜$100。

Q. Python 以外は?

TypeScript版 SDK もあり。Node.js環境でも同等の機能。

Q. LangChainから乗り換えるべき?

OpenAIメインなら Agents SDK は簡潔で魅力的。既存LangChain資産があるならそのまま使い続けでOK。

Q. 複雑なワークフロー(分岐・ループ)は?

Agents SDK は基本シーケンシャル。複雑なワークフローは LangGraph のGraph設計が得意。

Q. セキュリティ考慮点は?

Guardrails で入出力検証、Tool定義で副作用を限定、Rate limiting、Tracing で監視。Tool は最小権限原則で設計。

まとめ:30分で動くエージェントが作れる

• Agents SDK は OpenAI公式のエージェントフレームワーク
• Agent + Tool + Handoff + Guardrails の4要素
• Python/TypeScript両対応
• LangChainより学習コスト低い

社内Bot・業務自動化エージェントの第一歩として、今日試してみてください。

関連記事

👉 【2026年版】Vercel AI SDK vs LangChain 徹底比較
👉 【2026年版】エンジニアのためのRAG実装入門
👉 【2026年版】Claude APIでSlack社内Botを作る完全ガイド
👉 【2026年版】ChatGPT活用の実務7パターン
👉 【2026年版】ベクトルDB入門