（この記事は AIエージェント構築＆運用 Advent Calendar 2025 の記事です）
はじめに
リリースされた際に気になりつつ、長らく試せていなかった「OpenAI の Agent builder」を試してみた話です。
●Agent Builder | OpenAI API
https://platform.openai.com/docs/guides/agent-builder
その中で、直近でリリースされたばかりの「GPT Image 1.5」を絡めた内容にしてみます。
さっそく試す
早速、以下の公式のページの情報も少し見つつ、試していきます。
●Agent builder - OpenAI API
https://platform.openai.com/agent-builder
ワークフロー作成画面を見てみる
上記のページから、ワークフロー作成画面へと進みます。
●Agent builder - new workflow - OpenAI API
https://platform.openai.com/agent-builder/edit
初期状態の確認
画面内の「My agent」をクリックします。そうすると、以下の内容が表示されます。
いくつかの項目がありますが、例えば Tools という部分を見ると以下の内容が選べるようです。
「More」と書かれた部分を押すと、「Evaluate」の関連項目が色々出てきたりもしました。
また、「Start」のほうは以下の内容が出てきました。
テンプレートの 1つを見てみる
テンプレートとして用意されていたものも、試しに 1つ見てみることにします。具体的には以下の「Data enrichment」を開いてみました。
また、用意されている内容を順番に見てみます。「Start」はデフォルト設定のままのようです。
次の「Web research agent」は以下の内容になっています。
さらにプロンプトと出力の内容は、以下のとおりです。
You are a helpful assistant. Use web search to find information about the following company I can use in marketing asset based on the underlying topic.
「Tools」に何も設定されていないので、Web検索をしないで提示できる情報を、上記の JSON の項目に合わせて出すもののようです。
3つ目の「Summarize and display」も確認していきます。
Put the research together in a nice display using the output format described.
出力は以下となっていて、どうやら ChatKit widgets が使われているようです。
この画面の「Edit」を選ぶと、それを編集するための ChatKit Studio のWidget Builder が開きました。
内容の編集は行わず、サンプルを動かしてみます。
処理の実行1
画面上部の再生ボタンを押すと、画面右に以下の内容が表示されました。
とりあえず「マイクロソフトの情報」というプロンプトを入れてみました。
最終出力は以下となっているようでした。
処理の実行2
さらに「OpenAI」という内容だけを入力して試してみます。
この時の最終出力は、以下となりました。
少し手を加えてみる
先ほどの内容に、少しだけ手を加えてみます。「Summarize and display」のプロンプトに、以下のように「The text is translated into Japanese.」という内容を加えてみました。
処理を実行してみる
あとは処理を実行してみます。「OpenAI」という内容で試してみたところ、「Summarize and display」の処理のところで日本語への翻訳が行われ、最終出力のとことを日本語に変えられました。
コードなどの出力
最後に、画面右上にある「Code」という部分を押してみました。そうすると、以下のようなコードなどを出力できるようでした。
コードのほうの内容は、以下のとおりです。
※ 【Workflow ID】 の部分は、もとは「 wf_ という文字列と、その後に続く英数字」だったのを置きかえています
import { z } from "zod";
import { Agent, AgentInputItem, Runner, withTrace } from "@openai/agents";
const WebResearchAgentSchema = z.object({
companies: z.array(
z.object({
company_name: z.string(),
industry: z.string(),
headquarters_location: z.string(),
company_size: z.string(),
website: z.string(),
description: z.string(),
founded_year: z.number(),
})
),
});
const SummarizeAndDisplaySchema = z.object({
company_name: z.string(),
industry: z.string(),
headquarters_location: z.string(),
company_size: z.string(),
website: z.string(),
description: z.string(),
founded_year: z.number(),
});
const webResearchAgent = new Agent({
name: "Web research agent",
instructions:
"You are a helpful assistant. Use web search to find information about the following company I can use in marketing asset based on the underlying topic.",
model: "gpt-5-mini",
outputType: WebResearchAgentSchema,
modelSettings: {
reasoning: {
effort: "low",
summary: "auto",
},
store: true,
},
});
const summarizeAndDisplay = new Agent({
name: "Summarize and display",
instructions:
"Put the research together in a nice display using the output format described. The text is translated into Japanese.",
model: "gpt-5",
outputType: SummarizeAndDisplaySchema,
modelSettings: {
reasoning: {
effort: "minimal",
summary: "auto",
},
store: true,
},
});
type WorkflowInput = { input_as_text: string };
// Main code entrypoint
export const runWorkflow = async (workflow: WorkflowInput) => {
return await withTrace("New agent", async () => {
const state = {};
const conversationHistory: AgentInputItem[] = [
{
role: "user",
content: [{ type: "input_text", text: workflow.input_as_text }],
},
];
const runner = new Runner({
traceMetadata: {
__trace_source__: "agent-builder",
workflow_id: "【Workflow ID】",
},
});
const webResearchAgentResultTemp = await runner.run(webResearchAgent, [
...conversationHistory,
]);
conversationHistory.push(
...webResearchAgentResultTemp.newItems.map((item) => item.rawItem)
);
if (!webResearchAgentResultTemp.finalOutput) {
throw new Error("Agent result is undefined");
}
const webResearchAgentResult = {
output_text: JSON.stringify(webResearchAgentResultTemp.finalOutput),
output_parsed: webResearchAgentResultTemp.finalOutput,
};
const summarizeAndDisplayResultTemp = await runner.run(
summarizeAndDisplay,
[...conversationHistory]
);
if (!summarizeAndDisplayResultTemp.finalOutput) {
throw new Error("Agent result is undefined");
}
const summarizeAndDisplayResult = {
output_text: JSON.stringify(summarizeAndDisplayResultTemp.finalOutput),
output_parsed: summarizeAndDisplayResultTemp.finalOutput,
};
});
};