ツール

ツールは、エージェントが アクションを実行 できるようにします。データ取得、外部 API 呼び出し、コード実行、さらにはコンピュータの使用まで対応します。JavaScript/TypeScript SDK は次の 4 つのカテゴリーをサポートします:

組み込みツール（Hosted） – OpenAI サーバー上でモデルと並行して実行されます。(Web 検索、ファイル検索、コンピュータ操作、Code Interpreter、画像生成)
関数ツール – 任意のローカル関数を JSON スキーマでラップし、LLM が呼び出せるようにします
エージェントをツールとして – エージェント全体を呼び出し可能なツールとして公開します
ローカル MCP サーバー – マシン上で動作する Model Context Protocol サーバーを接続します

1. 組み込みツール（Hosted）

OpenAIResponsesModel を使用すると、次の組み込みツールを追加できます:

ツール	型文字列	目的
Web 検索	`'web_search'`	インターネット検索
ファイル / 取得検索	`'file_search'`	OpenAI にホストされたベクトルストアへのクエリ
コンピュータ操作	`'computer'`	GUI 操作の自動化
Code Interpreter	`'code_interpreter'`	サンドボックス環境でコードを実行
画像生成	`'image_generation'`	テキストに基づく画像生成

import { Agent, webSearchTool, fileSearchTool } from '@openai/agents';

const agent = new Agent({
  name: 'Travel assistant',
  tools: [webSearchTool(), fileSearchTool('VS_ID')],
});

正確なパラメーターセットは OpenAI Responses API と一致します。rankingOptions やセマンティックフィルターなどの高度なオプションは公式ドキュメントを参照してください。

2. 関数ツール

tool() ヘルパーで、任意の関数をツールにできます。

import { tool } from '@openai/agents';
import { z } from 'zod';

const getWeatherTool = tool({
  name: 'get_weather',
  description: 'Get the weather for a given city',
  parameters: z.object({ city: z.string() }),
  async execute({ city }) {
    return `The weather in ${city} is sunny.`;
  },
});

オプションリファレンス

フィールド	必須	説明
`name`	いいえ	デフォルトは関数名（例: `get_weather`）
`description`	はい	LLM に表示される明確で人間に読みやすい説明
`parameters`	はい	Zod スキーマまたは元 JSON スキーマオブジェクトのいずれか。Zod のパラメーターを使うと自動的に strict モードが有効になります
`strict`	いいえ	`true`（デフォルト）の場合、引数が検証に失敗すると SDK はモデルエラーを返します。あいまい一致にするには `false` に設定します
`execute`	はい	`(args, context) => string \| Promise<string>` – ビジネスロジック。2 番目の引数は任意で、`RunContext` です
`errorFunction`	いいえ	内部エラーをユーザーに見える文字列に変換するためのカスタムハンドラー `(context, error) => string`

非 strict の JSON スキーマツール

無効または不完全な入力をモデルに推測させたい場合は、元 JSON スキーマを使うときに strict モードを無効化できます:

import { tool } from '@openai/agents';

interface LooseToolInput {
  text: string;
}

const looseTool = tool({
  description: 'Echo input; be forgiving about typos',
  strict: false,
  parameters: {
    type: 'object',
    properties: { text: { type: 'string' } },
    required: ['text'],
    additionalProperties: true,
  },
  execute: async (input) => {
    // because strict is false we need to do our own verification
    if (typeof input !== 'object' || input === null || !('text' in input)) {
      return 'Invalid input. Please try again';
    }
    return (input as LooseToolInput).text;
  },
});

3. エージェントをツールとして

会話を完全にハンドオフすることなく、別のエージェントを支援させたい場合があります。agent.asTool() を使います:

import { Agent } from '@openai/agents';

const summarizer = new Agent({
  name: 'Summarizer',
  instructions: 'Generate a concise summary of the supplied text.',
});

const summarizerTool = summarizer.asTool({
  toolName: 'summarize_text',
  toolDescription: 'Generate a concise summary of the supplied text.',
});

const mainAgent = new Agent({
  name: 'Research assistant',
  tools: [summarizerTool],
});

内部的に SDK は次を行います:

単一の input パラメーターを持つ関数ツールを作成
ツールが呼び出されたら、その入力でサブエージェントを実行
最後のメッセージ、または customOutputExtractor で抽出された出力を返却

4. ローカル MCP サーバー

ローカルの Model Context Protocol サーバー経由でツールを公開し、エージェントに接続できます。MCPServerStdio を使ってサーバーを起動・接続します:

import { Agent, MCPServerStdio } from '@openai/agents';

const server = new MCPServerStdio({
  fullCommand: 'npx -y @modelcontextprotocol/server-filesystem ./sample_files',
});

await server.connect();

const agent = new Agent({
  name: 'Assistant',
  mcpServers: [server],
});

完全な code examples は filesystem-example.ts を参照してください。

ツール使用の挙動

モデルがツールをいつどのように使用すべきか（tool_choice、toolUseBehavior など）を制御するには、エージェントを参照してください。

ベストプラクティス

短く明示的な説明 – ツールが 何をするか と いつ使うか を記述
入力の検証 – 可能な限り Zod スキーマで厳格な JSON 検証を実施
エラーハンドラーで副作用を避ける – errorFunction は有用な文字列を返し、throw しない
ツールごとに単一責務 – 小さく合成可能なツールはモデルの推論を向上

次のステップ

ツール使用の強制について学ぶ
ツールの入力や出力を検証するためにガードレールを追加
tool() と各種組み込みツール（Hosted）タイプの TypeDoc リファレンスを参照