web_search ツールを使用する

web_search ツールを使用すると、モデルは応答の生成中に Web から新しい情報を取得できます。

web_search ツールとは

web_search ツールを使用すると、生成 AI モデルは、実行時に現在の外部情報にアクセスできます。 モデルでは、トレーニング データのみに依存するのではなく、検索クエリを発行し、関連するソースを確認し、up-to-date コンテンツに基づいて回答を生成できます。

これは、価格、製品リリース、ポリシーの更新、現在のイベントなど、ファクトが頻繁に変更される可能性がある場合に特に便利です。

主な機能は次のとおりです。

• ライブ情報の取得 - 静的モデル トレーニング データでは使用できない最近の情報を取得する
• ソースベースの応答 - 取得した Web コンテンツから回答を作成する
• 幻覚リスクの低減 - 外部ソースをチェックして信頼性を向上
• 自動クエリ生成 - モデルは、ユーザーの意図に基づいて検索するタイミングと方法を決定します
• シームレスなユーザー エクスペリエンス - 検索と応答の生成が 1 つのフローで発生する

一般的なユース ケース

簡単な例

Web 検索を有効にして OpenAI Responses API を使用する最小限の例を次に示します。

from openai import OpenAI

client = OpenAI(
    base_url={openai_endpoint},
    api_key={auth_key_or_token}
)

# Get response using the web_search tool
response = client.responses.create(
    model={model_deployment},
    instructions="You are an AI assistant. Use web search when current information is required.",
    input="What are three major announcements from Microsoft Build this week?",
    tools=[{"type": "web_search"}]
)

print(response.output_text)

出力は現在の Web 結果によって異なりますが、最近のソースに基づく簡潔な回答を含める必要があります。

web_search ツールのしくみ

web_search ツールを使用する一般的なプロセスは次のとおりです。

1. 要求を送信する - ツール配列に Web 検索ツールを含めます。
2. モデルは質問を評価します 。新しい Web データが必要かどうかを判断します。
3. 検索が実行される - モデルは 1 つ以上の検索クエリを発行します。
4. 結果が確認されます - 関連するページが選択され、要約されます。
5. 応答が生成されます 。 モデルは、検索結果を最終的な回答に結合します。

ベスト プラクティス

• 時間に応じて明確に質問する - 必要に応じて、"latest"、"current"、または日付範囲などの単語を含めます
• ソースに対する期待値を設定 する - 正確性が重要な場合は、信頼できるソースまたは公式のソースを求める
• 簡潔な出力を要求する - ノイズを軽減するための重要なポイントを含む短いサマリーを要求する
• 重要な事実を確認 する - 高リスクのシナリオでは、重要な要求を個別に検証します
• 使用状況と待機時間を追跡 する - Web 取得によって応答時間とトークンの使用量が増加する

知っておくべき制限事項

• 結果は、クエリ時に一般公開され、インデックスを作成できる内容によって異なります
• ソースの品質は異なる可能性があるため、出力には人間によるレビューが必要な場合があります
• 取得されたコンテンツは時間の経過とともに変化する可能性があるため、繰り返し実行すると異なる回答が生成される可能性があります
• 一部の環境では、Web アクセスにリージョン、ポリシー、またはネットワークの制限が適用される場合があります

web_searchをよく使用すると、モデルが静的な知識から最新の情報に基づいた答えに変わり、実際のワークフローでより役立つようになります。