OpenAI DevDay Exchange Tokyo Recap: Practical Uses of dots and Codex

OpenAIは2026年10月20日、ベルサール新宿グランドで開発者向けイベント「DevDay Exchange Tokyo」を開催しました。開発者や研究者、学生など500名超が参加。OpenAIの登壇者らが、先月末にサンフランシスコで開いたDevDayの発表をもとに、製品・技術とその活用方法を紹介しました。

キーノートを中心に、dotsやCodexの活用、ChatGPTと外部サービスをつなぐ仕組みをレポートします。

日本ではdotsの週間アクティブユーザー数が世界第2位

オープニングには、OpenAI Japan代表執行役社長の長﨑忠雄氏が登壇しました。日本の開発者コミュニティに向けてイベントの趣旨を説明するとともに、国内での利用の広がりを示しました。

オープニングに登壇したOpenAI Japan代表執行役社長の長﨑忠雄氏

OpenAIが今回示したデータによると、日本はdotsの週間アクティブユーザー数で世界第2位、アジア太平洋地域では最多となっています。日本のdots週間アクティブユーザーの6割近くが同じ週に3日以上使っており、6割超がその週にSpacesまたはPagesも利用しています。

企業向けサービスでは、日本のChatGPT Enterpriseの契約席数（利用者用ライセンス数）が前年比で2倍超に増加しました。ChatGPT BusinessとEnterpriseを合わせた契約席数は、前年比でほぼ2倍となっています。APIの利用も広がり、OpenAI APIのアクティブアカウント数は前年の同じ時期に比べて60％超増えています。

dotsがクラウドで進める調査や開発

次に、OpenAIでアプリケーション部門のCTOを務めるVijaye Raji氏が登壇し、dotsやSpacesなどを仕事に活用する方法を解説しました。なお、サンフランシスコのDevDayで発表された製品・技術の詳細は、先月のレポートでまとめています。

DevDayの発表内容を紹介するVijaye Raji氏

dotsは、利用者の目標や過去のやり取りを踏まえ、調査や資料作成、ソフトウェア開発などをクラウドで進めるAIエージェントです。単発の依頼に加え、日時を指定した定期実行や、対応する連携サービスの更新をきっかけにした作業も任せられます。作業中もメッセージや音声通話で相談し、指示を追加したり、方針を変えたりできます。[1]

Raji氏は、仕事の状況を継続的に把握し、利用者が見落としていた課題を知らせたり、次の対応を提案したりする点もdotsの特徴に挙げました。公式ガイドでも、読み取り権限のある情報を自発的に調べ、過去の仕事と結び付けて提案や確認を行うと説明しています。たとえば、予定を知らせたり、以前に話していた仕事の進み具合を尋ねたりします。

講演のスライドでは、翌年の投資計画に向けて、事業部門間の予算配分を提案する使い方も示しました。

予算配分の提案から不具合修正まで、dotsへの依頼例

開発での活用例として、Raji氏はSlackに寄せられた不具合報告への対応を取り上げました。dotsが原因を調べ、コードの修正とテストを経て、プルリクエストを作成します。

開発での別の活用例。終了予定のAPIからの移行を依頼し、レビュー用のプルリクエストを用意

dotsは、接続したアプリや手元のPCのデータ・ツールも利用できます。クラウド上の作業はPCを閉じた後も続きますが、手元のPCを使う作業には、そのPCをオンラインに保ち、ChatGPTアプリを開いておく必要があります。

Raji氏は、経理、メールマーケティング、法務分析、問い合わせ対応などに向けたSpecialist dotsを、エンタープライズ顧客向けのプレビューとして紹介しました。

Raji氏は講演で、人とエージェントがページやファイルを共有して作業する場として、ChatGPT Spacesも取り上げました。調査結果や計画、作成した資料を同じ場所に集め、チームメンバーやエージェントと一緒に内容を確認・修正できます。

具体例として、ミーティングプラグインで作成した会議メモを共有ページに保存したり、プレゼンテーション資料を作成・編集したりする使い方を挙げました。さらに、継続的に情報を調べ、ページの内容を最新に保つ運用も取り上げました[2]。

GPT-6.1 SolとAgents APIが支えるエージェント開発

エージェントを継続的に動かすうえでは、推論の品質に加え、応答速度やコストも重要です。Raji氏は講演でGPT-6.1 Solと、高速に出力するUltrafastモードを紹介しました[3]。

GPT-6.1 Solは、複雑なコーディングや業務で、GPT-6 Astraに近い性能と低いコストの両立を図るモデル。公式の料金・仕様によると、通常のAPI料金では、入力と出力のトークン単価がAstraの5分の1に設定されています。[4]

Raji氏は、3Dのロケットを作成して打ち上げるデモで、通常モードとUltrafastモードの速度を比較しました。通常モードがまだ作成を進めている間に、Ultrafastモードでは画面上のロケットが完成し、打ち上がりました。

開発者向けには、分類や判定などを低遅延で処理するDecisions APIと、Codexの実行基盤を使って独自のアプリにエージェント機能を組み込むAgents APIも取り上げました[5]。

Codexで作業を継続する仕組みとエージェントの役割分担

OpenAIでApplied AI Engineering（API）の責任者を務めるBonnie Chatterjee氏は、「⁠What Comes After Loops?」と題して、エージェントが長時間の仕事を進める仕組みと、複数のエージェントを組み合わせる考え方を解説しました。

その基盤となるのが、Codexのハーネス（harness）です。モデルに渡す指示や会話の履歴、ツールの実行結果を管理し、モデルが要求したツールを実行します。モデルは返された結果をもとに次の行動を判断し、このやり取りを繰り返して調査や実装、検証を進めます。

長時間の作業では、読み込んだファイルやツールの実行結果が蓄積し、モデルが一度に扱える情報量の上限に近づきます。そこでCompaction（コンテキスト圧縮）を使い、作業の続きに必要な情報を残しながら、モデルに渡す情報量を減らします。

Codexハーネスの構成。モデルとのやり取り、ツールの実行、コンテキストの圧縮を組み合わせて作業を進める

必要な情報を残せても、作業が未完了のまま、途中の成果を報告したところで処理が止まってしまうことがあります。この課題に対し、Chatterjee氏はCodexの/goalを紹介しました。目標を設定しておくと、Codexが中間報告を返した後も達成状況を確認し、未達であれば作業を続けられる仕組みです。スライドでは、検索が遅くなった原因を調べ、修正を試し、効果を検証する例を示しました。

/goalで検索速度の改善を依頼し、分析・修正・検証へ進む例

/goalに関する公式ガイドでは、目標に加えて検証方法や作業範囲を定める使い方を示しています。作業を無制限に続けるわけではなく、設定した予算の上限に達したときや、利用者が一時停止したとき、利用者の入力なしでは進められなくなったときなどに止まります。

こうした仕組みによって、一つのエージェントでも長時間の作業を進められます。複数のエージェントに分担させると、役割の調整や重複作業にコストがかかります。このため、Chatterjee氏は、まず目標と検証方法を明確にし、一つのエージェントから始めるという考え方を示しました。大型の改修やゲーム制作など、独立して進められる作業がある場合に、複数のエージェントへの分担を検討します。

Chatterjee氏は、作業を分担させる際には、各エージェントの成果物、担当範囲、共通の制約を決めることも説明しました。その範囲では、各エージェントが判断して作業を進められるようにします。関係するエージェント同士が直接連携し、重複した編集や過度な仲介を避けます。ただし、成果物や担当範囲の変更が必要な場合や、問題を解決できない場合には、報告・相談するよう指示しておきます。

各担当の認識をそろえるため、共通の作業ログも使います。Chatterjee氏は、エージェントへの指示を記すAGENTS.mdの例をスライドで示しました。

目標、現在の指示、担当者、未完了の作業、決定事項を記載した作業ログを1つ作成してください。新しい指示は既に進行中の作業と照合し、関連する項目を更新してください。決定事項とその結果を記録し、関係者には個別に直接通知してください。作業完了または引き継ぎ後は、作業ログを読み、作業を続ける前に現在の状態を確認してください。

ゲーム制作の例では、レベル配置や協力プレイなどの作業を分担し、目標や決定事項を共有ログにまとめます。

ゲーム制作における作業分担と共有ログ

Chatterjee氏は、仕事に応じてモデルを使い分ける構成例も示しました。その例では、Solを使うエージェントが中心となり、難しい問題ではAstraに助言を求め、定型的な仕事は軽量モデルのLunaに振り分けます。

大規模な協調例として、講演ではナビエ・ストークス問題の研究にも触れました。OpenAIの研究発表によると、社内モデルを使う複数のエージェントグループが、この問題に異なるアプローチで取り組みました。そのうち、解決に至ったグループでは約1万のエージェントが同時に稼働したといいます。研究の過程では、Codexで各グループの有用な知見をまとめ、グループ間で共有しました。

プラグインで広がる外部サービスとの連携

OpenAIのDeveloper Experienceを担当するCorey Ching氏は「ChatGPT Platform with Plugins」と題して、プラグインを見つける仕組み、ChatGPT内での操作画面、開発から公開までの流れを解説しました。背景には、自作のプラグインを利用者に見つけてもらいたい、申請や審査を円滑に進めたいという開発者の要望があります。

発見を助けるのが、ChatGPTが会話の内容に応じて必要なプラグインを提案する機能です。スライドでは、既存のWebサイトをWebアプリにしたいという相談に対し、SupabaseとVercelのプラグインを用途の説明とともに提示。会話画面にインストールボタンも表示し、利用者がその場で導入に進める例を示しました。

プラグインの操作画面をChatGPTに組み込む仕組みが、Plugin Extensionsです。サイドバーからアプリを開いたり、会話の隣に操作画面を表示したり、対応するファイルを専用のビューアで扱ったりできます。

Ching氏は、生命科学研究向けの作業環境「Rosalind Workbench」のデモで、会話による解析と、分子の立体構造を表示するビューアを組み合わせました。ビューアで選んだ箇所がChatGPTにも伝わり、その部分を解析させたり、説明してもらったりできます。

Rosalind Workbenchのデモ。会話の隣に分子構造のビューアを表示

デザインツールのMagic Pathでは、音声で野球イベント向けのランディングページを依頼し、サイドパネルに生成結果を表示。その後、画面上でフォントや色を手作業で調整しました。

CanvaやShopifyを使い、デザイン制作や店舗データの確認などをChatGPT内で進める例も紹介しました。[6]

こうした連携の基盤となるMCPは、AIアプリケーションが外部のデータやツールとやり取りするためのプロトコル。公式ドキュメントでは、操作画面を組み込む機能を、MCPとMCP Appsを拡張するOpenAI MCP Extensionsとして案内しています。

Ching氏は、外部サービスの更新をきっかけにエージェントを動かすMCP Eventsも取り上げました。公式ドキュメントでは、利用者が監視する対象と更新時の対応を指定し、文書へのコメントなどの通知を受けてChatGPTが作業する仕組みを説明しています。

MCPサーバーの構築や運用の手間を減らす方法として、Ching氏はSitesの活用も取り上げました。SitesはWebサイトやアプリを作成・公開するサービスで、MCPサーバーもホストできます。スライドでは、エージェントが閲覧・更新できる共有TODOリストを作り、SitesへのデプロイとCodexプラグインへのパッケージ化まで依頼する例を示しました。

共有TODOリストの作成からSitesへのデプロイまでを依頼する例

Ching氏は、アプリ・プラグインの申請数が増えていることにも触れ、申請・審査の手順を説明しました。

2026年のアプリ・プラグイン申請数の増加を示すスライド

作成したプラグインを公開するには、パッケージをZIP形式でアップロードし、自動チェックの指摘に対応して審査へ進みます。現在の申請手順では、審査で承認された後、開発者が公開のタイミングを選べます。

ChatGPTのアカウントと利用枠を外部アプリへ

Ching氏は、ChatGPTのアカウントで外部アプリにサインインするSign in with ChatGPTも取り上げました。サインインに加え、対象のアプリでは、利用者のChatGPTプランの利用枠をAI処理に使えます[7]。講演では、この仕組みによってアプリ開発者の推論費用の負担を抑え、利用者も外部アプリを試しやすくなると説明しました。

この後も、エージェントの設計・実装や活用方法を扱うセッションが続きました。参加者がOpenAIのチームやほかの開発者と交流する機会もあり、AIを使ったものづくりについて知見を交わす場となりました。