Programmatic Tool Callingの使い方｜GPT-5.6にJavaScriptで複数ツールを実行させる方法

Programmatic Tool Callingは、GPT-5.6がResponses API内でJavaScriptを書き、複数のツール呼び出しを並列実行したり、ループや条件分岐で処理したりできる仕組みです。

通常のTool Callingでは、モデルがツールを1つずつ選び、結果を読んで次の判断をします。Programmatic Tool Callingでは、処理手順が明確な部分をコードへまとめ、中間結果を絞り込んでからモデルへ返せます。

この記事では、通常のTool Callingとの違い、向いている処理、V8実行環境の制約、JavaScriptでの実装例、安全に使うための設計を解説します。

情報確認日：2026年7月11日（日本時間）

結論：予測できる複数ツール処理をJavaScriptへまとめる機能

Programmatic Tool Callingとは？

Programmatic Tool Callingは、モデルがツールを呼び出すためのJavaScriptプログラムを生成し、そのプログラムをResponses API内のホスト環境で実行する機能です。

たとえば在庫と注文数を別々のツールから取得する場合、通常はモデルが在庫を取得し、結果を読み、次に注文数を取得して計算します。Programmatic Tool Callingでは、2つの取得をPromise.all()で並列に行い、差分だけを最終結果として返せます。

これにより、モデルのコンテキストへ大量の中間データをそのまま追加せず、コードでフィルター、結合、重複削除、集計、検証を行える場合があります。

通常のTool Calling・Function Callingとの違い

Tool Callingの基本を確認したい場合は、Tool Callingとは？AIに外部ツールを使わせる仕組みと、Function Callingの使い方から読むと整理しやすくなります。

Programmatic Tool Callingが向いている処理

• 複数の独立したデータ取得を並列実行する
• 大量の結果を条件で絞り込む
• 複数の結果を結合し、重複を削除する
• 数値を集計し、小さなJSONへまとめる
• 後続ツールの引数を前の結果から機械的に作る
• 明確な終了条件と再試行回数がある処理

直接のTool Callingを使うほうがよい処理

• 1回の検索や1つの操作で終わる
• 各結果を読んで、次の検索方針を意味的に変える
• 送信、削除、購入、更新など、承認が必要な操作を行う
• 引用やネイティブな成果物をそのまま維持する必要がある
• ツールの戻り値の構造が事前に決められない

JavaScriptが実行される環境の制約

生成されたプログラムは、OpenAIが用意する新しい分離済みV8環境で実行されます。一般的なNode.jsサーバーではありません。

外部システムへアクセスする場合は、プログラムが直接HTTP通信を行うのではなく、リクエストで許可されたFunction、MCP、Shellなどのツールを通します。

Programmatic Tool Callingを有効にする設定

基本設定は2つです。

1. tools配列へ{ type: "programmatic_tool_calling" }を追加する
2. プログラムから使わせるツールへallowed_callers: ["programmatic"]を設定する

ツールの戻り値が決まっている場合は、output_schemaも定義します。生成されたJavaScriptが、説明文を解析せずにフィールドを利用できるためです。

Programmatic Tool CallingのJavaScript実装例

次の例では、在庫数と注文数を別のFunctionから取得し、不足数を計算します。モデルは2つのFunctionをprogram内で並列に呼び出せます。

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.OPENAI_API_KEY,
});

const implementations = {
  get_stock: async ({ sku }) => ({ sku, available: 42 }),
  get_orders: async ({ sku }) => ({ sku, requested: 58 }),
};

const tools = [
  {
    type: "function",
    name: "get_stock",
    description: "Return the available stock for one SKU.",
    parameters: {
      type: "object",
      properties: { sku: { type: "string" } },
      required: ["sku"],
      additionalProperties: false,
    },
    output_schema: {
      type: "object",
      properties: {
        sku: { type: "string" },
        available: { type: "number" },
      },
      required: ["sku", "available"],
      additionalProperties: false,
    },
    allowed_callers: ["programmatic"],
  },
  {
    type: "function",
    name: "get_orders",
    description: "Return requested order units for one SKU.",
    parameters: {
      type: "object",
      properties: { sku: { type: "string" } },
      required: ["sku"],
      additionalProperties: false,
    },
    output_schema: {
      type: "object",
      properties: {
        sku: { type: "string" },
        requested: { type: "number" },
      },
      required: ["sku", "requested"],
      additionalProperties: false,
    },
    allowed_callers: ["programmatic"],
  },
  { type: "programmatic_tool_calling" },
];

const input = [
  {
    role: "developer",
    content:
      "Use Programmatic Tool Calling for the stock comparison. " +
      "Call independent tools in parallel, then return one JSON object " +
      "with sku, available, requested, and shortage. Do not change data.",
  },
  {
    role: "user",
    content: "Check whether sku_123 has enough stock.",
  },
];

while (true) {
  const response = await client.responses.create({
    model: "gpt-5.6-sol",
    store: false,
    input,
    tools,
    include: ["reasoning.encrypted_content"],
  });

  if (response.status !== "completed") {
    throw new Error(`Response ended with: ${response.status}`);
  }

  // program・reasoning・messageを含め、出力を順番どおり保持する
  input.push(...response.output);

  const calls = response.output.filter(
    (item) => item.type === "function_call",
  );

  if (calls.length === 0) {
    const message = response.output.find(
      (item) => item.type === "message",
    );

    if (message) {
      console.log(response.output_text);
      break;
    }

    continue;
  }

  const outputs = await Promise.all(
    calls.map(async (call) => {
      const run = implementations[call.name];
      if (!run) throw new Error(`Unknown tool: ${call.name}`);

      const result = await run(JSON.parse(call.arguments));

      return {
        type: "function_call_output",
        call_id: call.call_id,
        output: JSON.stringify(result),
        // どのprogramを再開するか判断するため、callerを維持する
        caller: call.caller,
      };
    }),
  );

  input.push(...outputs);
}

このコードでは、OpenAI側が生成したJavaScriptをアプリが直接実行するわけではありません。OpenAIの実行環境から返されたfunction_callだけをアプリが処理し、結果をfunction_call_outputとして戻します。

レスポンスに追加される主な項目

programは複数回停止し、Functionの結果を待つ場合があります。最終的なmessageが返るまで、出力項目を順番どおり保持して処理を継続します。store: falseでは、program、reasoning、Function呼び出し、Function結果を含む履歴を再送します。

安全に実装するためのポイント

「効率よく使って」のような曖昧な指示だけでは、直接呼び出しとProgrammaticの境界が不明確になります。「この集計部分だけprogramで実行し、公開や更新は直接呼び出しで承認を取る」のように役割を分けます。

Programmatic Tool Callingの効果を確認する方法

すべての処理でProgrammatic Tool Callingが速く安くなるとは限りません。まず直接のTool Callingを基準にし、同じ入力データで比較します。

• 最終結果の正確さ
• 中間データを含む入力トークン量
• 処理時間
• ツール呼び出し回数と重複
• 失敗時の再試行と復旧のしやすさ
• 承認やログを追跡しやすいか

よくある質問

まとめ

Programmatic Tool Callingは、GPT-5.6に複数ツールの制御用JavaScriptを生成させ、並列取得、条件分岐、ループ、集計などをResponses API内で実行する機能です。

• 予測可能な複数処理をコードへまとめる
• 意味判断や承認が必要な処理は直接呼び出しを使う
• allowed_callersとoutput_schemaを明確にする
• アプリ側で引数、権限、承認を検証する
• 直接のTool Callingを基準に、速度、料金、精度を比較する

最初は、2つの読み取り専用Functionを並列に呼び、結果を1つの小さなJSONへまとめる処理から試すと、通常のTool Callingとの違いを確認しやすくなります。

参考リンク

• OpenAI API：Programmatic Tool Calling
• OpenAI API：Using tools
• OpenAI API：Function calling
• OpenAI API：GPT-5.6のモデルガイド