Agent builder 全機能解説　まとめ

OpenAIのAIワークフロー

（2025年10月7日）

ノーコード／ローコードで「ワークフローとして組み立てるAI」が一気に普及し、
単発のプロンプトやモデル呼び出しではなく、複数ステップをつなげて業務を自動化する時代が来ています。
Dify の視覚的ワークフロー、n8n のエンタープライズ自動化、
そして Google の Opal に見られる自然言語ベースのミニAI生成。
いずれも「設計しやすく、実行しやすい」体験を軸に進化してきました。

そして本日（2025年10月7日）、OpenAI もこの潮流に本格参入しました。
AgentKit は、

• Agent Builder（ワークフロー設計）
• ChatKit（フロントエンド埋め込み）
• Evals／トレースグレーディング（評価・改善）

これらを一体化し、エージェントの「設計 → 検証 → 本番運用」を
短いフィードバックループで回せるようにする総合ツールキットです。

この記事では、AgentKit を用いたワークフロー構築の基本手順と実践的ポイントを解説します。

---

はじめに — AgentKit を今すぐ触る

（Agent Builder からスタート）

まずはここからアクセスして動かしてみましょう。

• Agent Builder: https://platform.openai.com/agent-builder 。Agent Builder からエージェントの作成・テスト・デプロイを開始できます。
• ドキュメント（公式ガイド）: https://platform.openai.com/docs/guides/agents — 概念図、API、ガードレールや評価（Evals）に関する詳細がまとまっています。

---

公式チュートリアル（動画）

公式のハンズオン／チュートリアル動画（YouTube）も分かりやすいです。最初のワークフロー作成やツール接続の流れを動画で追いたい場合はこちらを参照してください：
https://www.youtube.com/watch?v=44eFf-tRiSg

---

Agent Builder — ノードリファレンス（Node Reference）

Agent Builder は、ノードと接続線で構成された ビジュアルワークフローキャンバス です。
各ノードがタスクや判断などのステップを表し、接続線が処理の流れを定義します。
ここでは、利用できる主要なノード群をわかりやすくまとめます。

---

🧩 Core Nodes（基本ノード）

Start

ワークフローの入力を定義します。
チャット型エージェントでは、次の2つの動作を行います：

1. ユーザー入力を会話履歴に追加する
2. input_as_text 変数に入力内容を格納する

必要に応じて、状態変数（state variables）も追加できます。
→ すべてのチャットフローは Start ノード から始まります。

---

Agent

モデルの動作・指示・ツール設定を定義する中心的ノード。
以下を設定できます：

• Instructions：モデルへの指示
• Tools：外部ツールやAPIの呼び出し設定
• Model Config：モデル、温度、トークン設定など
• Evaluations：Evalsによる評価を追加可能

💡複数の Agent ノードを組み合わせることで、サブタスクごとに専門化した構成が可能です。

例：

• Agent A：入力をより明確にリライト
• Agent B：質問を分類（Q&A or 情報検索）
• Agent C：分類結果ごとに応答を生成

---

Note

コメントや補足説明を記入するためのノード。
実行には影響せず、設計メモとして利用します。

---

🛠 Tool Nodes（ツールノード）

外部データやAPIと連携するためのノード群です。

File Search

OpenAI プラットフォーム上のベクターストアを検索します。

• 検索対象：ベクターストア ID
• クエリ：モデルが探すべき情報（前段の出力を変数として組み込み可能）

OpenAI ホスト外のデータ検索には MCP ノードを使用します。

📂 File Search ベクターストアで使用可能なファイル形式

ベクターストア
File Search ノードでは、OpenAI プラットフォーム上の ベクターストア（Vector Store） に格納したファイルを検索できます。
登録できるファイルは下表の MIME タイプに対応しており、text/ 形式の場合は utf-8 / utf-16 / ascii のいずれかのエンコーディングである必要があります。

拡張子	MIME Type
.c	text/x-c
.cpp	text/x-c++
.cs	text/x-csharp
.css	text/css
.doc	application/msword
.docx	application/vnd.openxmlformats-officedocument.wordprocessingml.document
.go	text/x-golang
.html	text/html
.java	text/x-java
.js	text/javascript
.json	application/json
.md	text/markdown
.pdf	application/pdf
.php	text/x-php
.pptx	application/vnd.openxmlformats-officedocument.presentationml.presentation
.py	text/x-python または text/x-script.python
.rb	text/x-ruby
.sh	application/x-sh
.tex	text/x-tex
.ts	application/typescript
.txt	text/plain

---

💡 利用例

• .pdf や .docx ファイルをアップロードして、ドキュメント検索を自動化。
• .json や .md を知識データとして格納し、FAQ やコードリファレンス検索を構築。
• .py や .js を登録し、コード解析や関数検索を行う開発者向けエージェントの構築。

---

Guardrails

入力・出力を監視し、不正利用や不適切な内容（PII、脱獄、幻覚など）を防ぎます。
基本は pass/fail 判定。不合格時の挙動（終了／再試行）を設定可能。

例：

• 不正入力 → ワークフロー終了
• 注意喚起メッセージを返して再入力を促す

---

MCP (Model Context Protocol)

外部サービスを呼び出すためのノード。
OpenAI コネクタや自前のサーバー、サードパーティ API と接続可能です。
たとえば Gmail、Zapier、Notion などの外部アプリにデータアクセスが可能です。

---

🔁 Logic Nodes（ロジックノード）

制御フローや条件分岐を担当するノード群です。

If / Else

条件分岐を行います。
CEL（Common Expression Language） 式を使用して条件を記述。

例：

if classification == "QnA" → QnA用エージェントへ  
else if classification == "Fact" → 情報検索エージェントへ  
else → 終了

---

While

特定条件が真の間、ループ処理を繰り返します。
再試行や段階的処理など、動的制御に有効です。
例： 回答精度が一定スコアに達するまで再生成を繰り返す、など。

---

Human Approval

人間の承認を挟むためのノード。
たとえば、エージェントがメール下書きを作成し、
「このメールを送信しますか？」とユーザーに確認 → 承認後 MCP ノードで送信、というフローが実現可能です。

---

💾 Data Nodes（データノード）

データの保持・加工を担うノード群です。

Transform

出力データの形式を変換します（例：オブジェクト → 配列）。
スキーマ整合性を保ち、次のノードが理解しやすい形に変える際に使います。

---

Set State

グローバル変数を定義します。
あるノードで生成したデータを他ノードで再利用可能にします。
例： ユーザー名やセッションIDなどを全体で共有。

---

📘 まとめ

ノードカテゴリ	主な目的	代表ノード例
Core Nodes	フローの基本構成	Start / Agent / Note
Tool Nodes	外部データ・安全性	File Search / Guardrails / MCP
Logic Nodes	条件分岐・制御	If/Else / While / Human Approval
Data Nodes	データ管理・整形	Transform / Set State

💻 ノードを Agent SDK のコードに変換する

Agent Builder で設計したワークフローは、「Get code」 ボタンから
TypeScript または Python 用の Agent SDK コード に変換できます。

これにより、ビジュアルで作成したフローをそのままコード化し、
既存のアプリケーションやバックエンドに統合することが可能になります。

---

🔧 エクスポート対応言語

言語	対応状況	主な用途
TypeScript	✅ 対応	Web / Node.js アプリへの組み込み
Python	✅ 対応	サーバーサイド、データ処理、API統合など

---

🧠 生成されるコードの構造（例）

TypeScript

import { OpenAI } from "openai";
import { runGuardrails } from "openai/guardrails";
import { AgentInputItem, Runner } from "openai/agents";

// 共通クライアント設定
const client = new OpenAI({ apiKey: process.env.OPENAI_API_KEY });

// Guardrails設定
const guardrailsConfig = { guardrails: [] };
const context = { guardrailUm: client };

// Guardrails判定ユーティリティ
function guardrailsHasTripwire(results) {
  return (results ?? []).some(r => r?.tripwireTriggered === true);
}

function getGuardrailSafeText(results, fallbackText) {
  for (const r of results ?? []) {
    if (r?.info && "checked_text" in r.info) {
      return r.info.checked_text ?? fallbackText;
    }
  }
  return fallbackText;
}

Python

from openai import OpenAI
from openai.guardrails import run_guardrails
from openai.agents import AgentInputItem, Runner

# クライアント設定
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

# Guardrails設定
guardrails_config = {"guardrails": []}
context = {"guardrailUm": client}

# ユーティリティ関数例
def has_tripwire(results):
    return any(r.get("tripwireTriggered") for r in results or [])

def get_safe_text(results, fallback_text):
    for r in results or []:
        if "checked_text" in r.get("info", {}):
            return r["info"]["checked_text"]
    return fallback_text

何ができるのか

Agent Builder 上で設計したノード（Agent、File Search、Guardrails など）を
そのまま SDK コードとして利用可能

ローカル環境や自社クラウド上でワークフローを実行

ChatKit なしで API / CLI ベースの自動化エージェントを構築

Guardrails や MCP、File Search といった要素を
コードレベルで柔軟に制御・拡張可能

---

🧩 Agent Builder プレビュー — ノード構成とリアルタイムテスト

Agent Builder の最大の特徴のひとつが、ビジュアルなワークフロープレビュー画面です。
エージェントを構築したその場で、ChatGPTのようなUIで対話的にテストし、すぐにデプロイまで行えます。

---

💡 プレビュー画面の特徴

• 🎨 直感的なノード構成

  • Start、Agent、Transform、User Approval などのノードをキャンバス上に自由に配置。
  • 接続線で処理フローを定義し、ノードごとの動作を視覚的に理解できます。

• 💬 ChatGPT風のインターフェース

  • 画面右側にチャット欄があり、実際のエージェントの応答をリアルタイムにテスト可能。
  • 入力と出力の流れを視覚的に確認できるため、プロンプトの改善やフロー調整が容易です。

• 🧠 ノードごとの動作確認

  • Agent ノードの出力、Transform ノードでのデータ変換、User Approval ノードでの承認待ちなどを即座に確認。
  • 条件分岐やループ動作もその場でテストできます。

• ⚡️ 即時デプロイ

  • 動作確認後、そのままワークフローをデプロイ可能。
  • OpenAI がホスティングを担当するため、サーバー構築なしで即座に実運用に移行できます。

---

🔁 典型的なワークフロー例

Start → Agent（応答生成）→ Transform（データ整形）→ Human Approval（承認）

上記のような流れを作成すれば、
ユーザー入力 → モデル応答 → データ加工 → 承認・送信
という一連の処理を視覚的に構築し、数分で実装できます。

---

🚀 すぐに試してすぐデプロイ

Agent Builder のプレビューは「試作と検証を同時に進められる」環境。
コードを書かずにロジックを調整し、テスト完了後は ワンクリックでデプロイ。
そのまま ChatKit でUIに埋め込んだり、Agent SDKとしてエクスポートできます。

---

✅ まとめ

AgentKit は、エージェント開発のすべての工程をひとつのプラットフォームに統合しました。
Agent Builder で視覚的にワークフローを設計し、ChatKit でユーザー体験を作り、
Agent SDK でコードとして拡張・デプロイできる――
まさに「AIワークフロー時代」の開発環境といえます。

これからは、プロンプトを書くよりも「フローを組む」ことでエージェントを作る時代。
ぜひ Agent Builder から触ってみてください。