OpenAIは2025年6月4日、エージェント開発のための新機能としてTypeScript対応のAgents SDKや、音声エージェント向けRealtimeAgent機能など4点のアップデートを発表した。
今回新たに「Agents SDK」がTypeScriptで利用可能になり、従来のPython版と同様に、ハンドオフ、ガードレール、トレース、MCPなどのコア機能を備えた。加えて、人間による承認（human-in-the-loop）機能が追加され、ツール実行の一時停止やエージェント状態のシリアライズ保存、処理の承認・拒否、エージェントの再開といった柔軟な制御が可能である。
音声エージェント開発に向けては、「RealtimeAgent」機能が追加された。これにより、クライアントサイドやサーバー上で動作する音声エージェントを構築できる。一連のフローはテキストベースのエージェントと同様の定義が可能で、ツールコールやハンドオフ、ガードレールに加え、音声や割り込みへの自動対応が特徴となる。
また、「Traces」ダッシュボードがRealtime APIセッションをサポートしたため、音声エージェントの各種実行状態やオーディオ入出力、ツール呼び出しや割り込みなどの可視化が容易になった。これにより、APIまたはAgents SDKで生成されたセッションの挙動を詳細に分析できる。
このほか、OpenAIは音声から音声へのAIモデルの改善も発表した。命令通りの挙動やツール呼び出しの一貫性、割り込み時の動作の信頼性が向上し、APIには音声再生速度を調節可能な「speed」パラメータも新設された。新しいモデルは「gpt-4o-realtime-preview-2025-06-03」としてRealtime APIで、「gpt-4o-audio-preview-2025-06-03」としてChat Completions APIで利用できる。
この記事は参考になりましたか？
- この記事の著者
-
CodeZine編集部（コードジンヘンシュウブ）
CodeZineは、株式会社翔泳社が運営するソフトウェア開発者向けのWebメディアです。「デベロッパーの成長と課題解決に貢献するメディア」をコンセプトに、現場で役立つ最新情報を日々お届けします。
※プロフィールは、執筆時点、または直近の記事の寄稿時点での内容です
