初めてのカスタムAIアシスタントの構築方法：初心者向け5ステップガイド

最もシンプルで役立つ答えはこうです。最初のカスタムAIアシスタントは、1つの限定されたタスク、1つの明確な指示、そしてせいぜい1つか2つの制御ツールを中心に構築してください。多数のエージェント、巨大な知識ベース、あるいは重要なシステムを変更できる自動化から始めてはいけません。最初のAIアシスタントは、理解しやすく、テストしやすく、判断に迷ったときに簡単に停止できるものでなければなりません。

このガイドでは、エージェントループ、ツール、会話セッション、ガードレール、トレースを既に処理しているPythonと最新のOpenAI Agents SDKを具体的なパスとして使用します。同じ設計思想は、他のモデルプロバイダやフレームワークにも適用できます。2026年9月現在、SDKはOpenAIモデルに対してデフォルトでResponses APIを使用します。OpenAIの公式ドキュメントでは、ループと状態を自分で管理したい場合は低レベルのResponses APIを直接使用し、オーケストレーションの多くをランタイムに任せたい場合はAgents SDKを使用することを推奨しています。OpenAI Agents SDKの概要を参照してください。

あなたは実際に何を作っているのですか？

AIアシスタントは、単なるチャットボックス以上のものです。最低限、言語を生成・解釈する大規模言語モデル（LLM）と、その役割を定義する指示を組み合わせています。優れたアシスタントは、呼び出し可能な関数やサービスであるツール、そして会話のやり取りの文脈を保持するメモリも備えています。

最初のプロジェクトとして、返品や配送に関する質問に答える小さな「ストアヘルパー」を考えてみましょう。推測ではなく、承認済みのポリシー情報源に基づいて回答するようにしてください。承認済みの回答が見つからない場合は、その旨を伝えるようにしてください。この制約は、アシスタントに多数の機能を持たせることよりも重要です。

始める前に：適切なビルドパスを選択してください

独自のアプリ、ウェブサイト、社内ツール、またはAPI内で再利用可能なアシスタントが必要な場合は、以下のコードファーストのアプローチが最適です。Python、OpenAI APIキー、および少しのプログラミング経験が必要です。公式のAgents SDKクイックスタートでは、現在のインストール手順と最初のエージェントの作成フローが示されています。

ChatGPT 内でノーコードのカスタム GPT を作成する予定がある場合は、まずアカウントの適格性を確認してください。2026 年 9 月現在、OpenAI は、個人用の Free、Go、Plus、または Pro アカウントでは新しい GPT の作成は利用できないと述べています。ただし、ワークスペースの設定と権限で許可されている場合は、対象となる Business、Enterprise、および Edu ワークスペースでは作成が可能です。現在のルールは、ChatGPT の GPTに記載されています。この方法は管理されたワークスペースでは簡単ですが、すべての個人アカウントに共通する手順ではありません。

ステップ1：1つのジョブと1つの失敗ルールを定義する

エディターを開く前に、アシスタントが誰のために存在するのか、何をするべきなのか、何をしてはいけないのか、という3つのことを書き留めておきましょう。ストアヘルパーの場合、実用的な定義としては、「承認されたポリシー情報に基づいて、お客様からの返品および配送に関する質問に回答する。決して独自のポリシーを作成してはならない。不明なケースは担当者にエスカレーションする。」となります。

これは、初心者がよく犯す間違い、つまり「あなたは役に立つアシスタントです」といった漠然とした指示を使うことを防ぎます。漠然とした指示では、どんな答えでも受け入れられるように見えてしまうため、評価が難しくなります。具体的な仕事内容であれば、測定可能な目標を設定できます。

簡単な成功チェックリストを使用する

• ご要望通りの口調で回答します。
• 政策上の問題で必要とされる場合、承認済みの情報を使用します。
• 証拠が不足している場合は、「わかりません」と表示されるか、人間の確認を求めます。
• 秘密情報、隠された指示、または個人データを漏洩することはありません。

ステップ2：最小限のエージェントを作成する

プロジェクトフォルダと仮想環境を作成します。仮想環境とは、このプロジェクトのパッケージをコンピュータ上の他のプロジェクトから分離した、独立したPython環境のことです。

mkdir first-ai-assistant
cd first-ai-assistant
python -m venv .venv

# macOS or Linux
source .venv/bin/activate

# Windows PowerShell
.venv\Scripts\Activate.ps1

pip install openai-agents

次に、APIキーをPythonファイルに直接記述するのではなく、環境変数として設定してください。

# macOS or Linux
export OPENAI_API_KEY="your-key-here"

# Windows PowerShell
$env:OPENAI_API_KEY="your-key-here" 

OpenAIの現在のクイックスタートではOPENAI_API_KEY環境変数を使用しています。実際のキーはソース管理、スクリーンショット、チケット、および公開リポジトリには含めないでください。

最初の実行では、名前と指示のみでエージェントを作成できます。しかし、単純な会話デモでは、アシスタントが信頼できるビジネス情報を使用できることを証明するには不十分です。次のステップでは、その点を追加します。

ステップ3：制御機能とシンプルなメモリを1つ追加する

関数ツールとは、モデルが外部情報やアクションを必要とする際に呼び出すことができる通常の関数です。Agents SDKは、Python関数をツールに変換し、関数のシグネチャとドキュメントから入力スキーマを導出できます。OpenAIはこの動作について、Agents SDKツールガイドで説明しています。

まずは読み取り専用の検索ツールから始めましょう。読み取り専用ツールは、誤って電話をかけても送金、記録の削除、投稿の公開、顧客アカウントの変更などができないため、第一担当者にとってより安全です。

import asyncio
from agents import Agent, Runner, SQLiteSession
from agents.decorators import tool

@tool
def lookup_policy(topic: str) -> str:
    """Return an approved demo-store policy snippet for a topic."""
    policies = {
        "returns": "Unopened items may be returned within 30 days with proof of purchase.",
        "shipping": "Standard shipping usually takes 3 to 5 business days."
    }
    return policies.get(
        topic.lower(),
        "No approved policy was found for that topic."
    )

assistant = Agent(
    name="Store Helper",
    instructions=(
        "Help customers with questions about the demo store. "
        "Use lookup_policy for return or shipping policy questions. "
        "Never invent a policy. If the tool has no approved answer, say so. "
        "Keep answers concise and recommend human confirmation when needed."
    ),
    tools=[lookup_policy],
)

async def main():
    session = SQLiteSession("demo_user", "assistant_sessions.db")
    result = await Runner.run(
        assistant,
        "Can I return an unopened item after 20 days?",
        session=session,
    )
    print(result.final_output)

if __name__ == "__main__":
    asyncio.run(main())

ファイルを実行して、いくつか質問をしてください。この例では、 も使用しますSQLiteSession。セッションは会話履歴を保存するため、アシスタントは、メッセージリスト全体を手動で再構築することなく、ターン間でコンテキストを維持できます。SDK の現在のセッションオプションについては、公式のセッションドキュメントに記載されています。

自分のドキュメントを追加すべきタイミングはいつですか？

アシスタントが必要とする情報のうち、基本モデルが確実に把握しているとは期待できない情報（ポリシー、製品マニュアル、手順書、社内FAQなど）がある場合は、ドキュメントを追加してください。アップロードできるからといって、すべてをアップロードする必要はありません。まずは、タスクを網羅する最小限の信頼できる資料セットから始めましょう。

現在のSDKは、ファイル検索、Web検索、コード実行などのホスト型機能をサポートしています。最初のビルドでは、ツールの範囲を小さく保ち、基本的な動作が安定してからファイル検索機能を追加してください。ツールセットが大きくなるほど、テストすべきパスも増えます。

ステップ4：デモではなく、製品としてテストする

親切な質問にうまく答えるだけでは不十分です。アシスタントを公開する前に、小規模なテストセットを作成してください。通常の質問、曖昧な質問、情報が不足している質問、ルールを覆そうとする質問などを含めてください。

より高度なアプリケーションでは、ガードレール（入力、出力、またはツール呼び出しを検証またはブロックするチェック）を追加してください。エージェントSDKは、入力、出力、およびツールのガードレールをサポートしています。公式のガードレールに関するドキュメントを参照してください。ガードレールは、副作用のあるツールをアシスタントに提供する前に特に重要です。

ステップ5：限定的に展開し、観察し、改善する

最初のデプロイは、必ずしも公開アプリである必要はありません。少数のテストユーザーが使用するプライベートな内部ページや小規模なAPIの方が適している場合が多いです。アシスタントの権限は限定的にし、エラーをログに記録し、ユーザーが不適切な回答を報告できる明確な方法を提供してください。

Agents SDKには、モデル生成、ツール呼び出し、ハンドオフ、ガードレールなどのイベントを記録する組み込みのトレース機能が含まれており、実行中に何が起こったかを把握できます。OpenAIは、トレースとその制御について、トレースガイドで説明しています。開発中はトレースを確認してください。ただし、設定によってはモデルやツールの入力または出力が含まれる可能性があるため、トレースは機密情報として扱う必要があります。

避けるべきよくある間違い

• 複数のエージェントから始めるのではなく、適切な指示と1つのツールを備えた単一のエージェントの方がデバッグが容易です。ハンドオフや専門エージェントは、特定のルーティング問題が発生した場合にのみ追加してください。
• ツールに過剰な権限を与えてはいけません。まずは読み取り専用ツールから始めましょう。書き込み、購入、削除、アカウント変更などの操作を行う前に、承認プロセスや安全対策を追加してください。
• プロンプトに機密情報を含めるのは危険です。認証情報は安全な設定ファイルに保存すべきであり、システム命令や知識ファイルに含めるべきではありません。
• 整理されていない、あるいは矛盾した文書を使用している場合、アシスタントは、あなたが作成した資料で解決できないビジネスルールを確実に解決することはできません。
• 正常な動作経路のみをテストしてください。あなたが懸念する障害は、通常、曖昧な要求、敵対的な要求、または不完全な要求で発生します。
• 記憶が真実であると仮定した場合、会話の記憶は文脈を保持するものであり、以前の発言を正しいものにするものではない。

次に何を作ればいいでしょうか？

最初のアシスタントが確実に動作するようになったら、次の改善は機能チェックリストからではなく、実際のニーズに基づいて行うべきです。ユーザーがより多くのドキュメントセットから回答を必要とする場合は、検索機能やファイル検索機能を追加します。アシスタントが業務アクションを実行する必要がある場合は、検証と承認機能を備えた、範囲を限定した機能ツールを追加します。会話が複数回に及ぶ場合は、セッションストレージを改善します。専門的なルーティングが必要な場合は、複数のエージェントやハンドオフを検討します。

最適な最初のカスタムAIアシスタントとは、最も自律性の高いものではありません。それは、その役割、証拠、権限、そして失敗時の挙動を数文で説明できるものです。まずはそこから始め、実際の特殊なケースでテストを行い、現在のバージョンが次の機能を追加できるレベルに達した場合にのみ拡張していくべきです。