---
title: "OCI生成AIでエージェントを作る2つの方法：Generative AI AgentsとEnterprise AI（Responses API）の違い"
url: "https://www.issoh.co.jp/tech/details/3712/"
published: 2024-10-02
updated: 2026-09-30
categories: ["AIエージェント・MCP"]
publisher: "株式会社一創"
---

# OCI生成AIでエージェントを作る2つの方法：Generative AI AgentsとEnterprise AI（Responses API）の違い

Oracle Cloud Infrastructure（OCI）でRAGやAIエージェントを作る手段は、2026年3月31日を境に2系統になりました。2024年9月にGAになった**OCI Generative AI Agents**（日本語ドキュメントでは「生成AIエージェント」）と、OCI Generative AIの中で一般提供が始まった**Enterprise AI Agents**（OpenAI互換のOCI Responses API）です。

この記事では、2つの基盤のツール構成、RAGに入れられるデータの条件、大阪リージョンの制限、Oracleの価格APIから取得した単価を整理し、OpenAI SDKとOCI ADKのコードをローカルで確かめた結果も載せます。

## まとめ：OCI生成AIのエージェント基盤（2026年9月時点）

- Generative AI Agentsはコンソール中心の構成です。RAG・SQL・エージェント・関数呼び出し・API呼び出しの5種のツールを持たせます。
- Enterprise AI AgentsはOpenAI Responses APIと同じ書式で呼べます。OpenAI SDKの接続先・APIキー・プロジェクトOCID・モデル名をOCI向けに変えれば、既存のコードの書き方をそのまま使えます。
- 日本で使えるのは大阪（ap-osaka-1）です。東京リージョンにはどちらの基盤もありません。Generative AI Agentsでは、エージェント1つあたりのツール数が大阪で5、シカゴで20までに制限されています。
- Generative AI Agentsの単価は、入力・内部モデル処理・出力の合計10,000文字（10,000トランザクション）あたり0.003ドル、ナレッジベースのストレージは1GB・1時間あたり0.0084ドル（1か月730時間で約6.13ドル）です。
- Generative AI Agentsのリリースノートの最新は2026年2月5日（モデル選択）で、それ以降の新機能はEnterprise AI側で出ています。これから作るならEnterprise AIを第一候補にします。

## OCI生成AIの全体像：モデル・Agents・Enterprise AIの関係

OCI Generative AIのドキュメントは、2026年9月時点で「Enterprise AI Models」「Enterprise AI Agents」「Enterprise AI Governance」の3領域で構成されています。Generative AI Agentsは、これとは別のサービスとしてドキュメントとリリースノートを持っています。

| サービス                     | 一般提供（GA）   | 主な使い方               | API                         |
| ------------------------ | ---------- | ------------------- | --------------------------- |
| OCI Generative AI        | 2024年1月24日 | チャット・埋め込み・リランク      | OCIネイティブAPI／OpenAI互換        |
| OCI Generative AI Agents | 2024年9月25日 | コンソールでRAG・SQLエージェント | Agent Runtime API・ADK       |
| Enterprise AI Agents     | 2026年3月31日 | コードで組むエージェント        | OCI Responses API（OpenAI互換） |

RAG（検索拡張生成）を担うのは、Generative AI AgentsではRAGツール、Enterprise AIでは`File Search`ツールとVector Stores APIです。

OCI全体のサービス構成とAWSとの違いは[OCIのサービス構成と料金の実額をまとめた記事](/tech/details/3681/)で扱っています。

## Generative AI Agentsの構成とツール5種

Generative AI Agentsでは、エージェントにツールを持たせ、エンドポイントを作ってチャットさせます。公式の概要ページが挙げるツールは、SQLツール・RAGツール・エージェントツール（別のエージェントをツールとして呼ぶ）・関数呼び出しツール・APIエンドポイント呼び出しツールの5種です。エンドポイントには、コンテンツモデレーション、プロンプトインジェクション検知、個人情報（PII）検知のガードレールを設定できます。人が介入するHuman-in-the-loopも任意で有効にできます。

### RAGツールに入れられるデータとファイル要件

RAGツールのナレッジベースに使えるデータソースは、Object Storage・Oracle Database・HeatWave MySQL・OpenSearchの4種類です。Object Storageはサービス側で取り込みと索引付けを行います。一方、Oracle Databaseは自分で作ったベクトル埋め込みを持ち込む方式で、対象はOracle AI Database 26ai（Base DatabaseとAutonomous AI Database）です。OpenSearchも、索引付け済みのデータをそのまま接続する方式です。

Object Storageを使う場合の条件は次のとおりです。

| 項目           | 条件                         |
| ------------ | -------------------------- |
| 対応形式         | PDF・txt・JSON・HTML・Markdown |
| 1ファイルの上限     | 100MB（超えたファイルは無視）          |
| PDF内の画像・図表・表 | 8MBまで                      |
| JSON         | UTF-8の英語のみ・ネスト50段まで        |
| HTML内の画像     | JPEGのみ・1枚6MBまで・相対パス        |
| Markdown内の画像 | 取り込まれない                    |

日本語の社内文書で注意したいのはJSONです。公式ガイドラインはJSONについて「UTF-8 encoding in English」だけを対応としています。日本語のFAQデータをJSONで持っている場合は、Markdownかtxtに変換してから入れます。パスワード付きPDFは取り込みに失敗し、ステータスログにファイル失敗として記録されます。

### SQLツールの対象データベースと生成されるSQL

SQLツールは自然言語の質問からSQLを生成し、設定すれば実行まで行います。対象はOracle Database（Base DatabaseとAutonomous AI Database）です。生成・実行されるのはSELECT文だけで、結合・複数条件・集計を含められます。方言はOracle SQLとSQLiteから選べます。

作成時には、主キー・外部キー・データ型を含むスキーマを渡す必要があります。データ型や主キーが欠けたスキーマは検証で弾かれます。SQLを実行させる、または自己修正させる場合は、Database Toolsの接続と、パスワードを格納するOCI Vaultが必要です。モデルは「small」と「large」から選びます。公式ドキュメントでは、単純な集計はsmall、上位5製品の地域別平均のような複雑な質問はlargeが向くとされています。

### ルーティングLLMの選択（2026年2月の変更）

2026年2月5日のリリースで、エージェントがどのツールに振り分けるかを判断するルーティングLLMを選べるようになりました。OCI Generative AIのオンデマンドモデルか、専用AIクラスタのエンドポイントから選びます。指定しない場合の既定はMeta Llama 3.3 70Bで、選択肢にはLlama 4 Maverick／Scoutとgpt-oss-120b／20bが並びます。RAGツールの回答生成に使うモデルも、既定モデル・Generative AIのモデル・専用エンドポイントの3つから選べます。

## Enterprise AI Agents：Responses APIによるエージェント構築

Enterprise AI Agentsは、2026年3月31日にOCI Generative AIの機能として一般提供が始まりました。中心になるOCI Responses APIは、OpenAIのResponses APIと同じリクエスト書式で呼べます。認証にはOCI Generative AIのAPIキーかOCI IAMを使います。リクエストはOCI経由で処理されますが、Google GeminiとxAI Grokのモデル推論は外部ホストへの呼び出しを伴います。

### Enterprise AIの対応ツールと周辺API

Responses APIで使えるツールは、`File Search`・Code Interpreter・Function Calling・MCP Callingなどです。対応するxAIモデルでは、X（旧Twitter）の投稿を検索する`x_search`などのxAI提供ツールも使えます。対応範囲はモデルとリージョンによって異なります。周辺のAPIとして、Files・Vector Stores・Containers・Conversationsもあります。会話の状態と長期記憶はプロジェクト単位で管理されます。プロジェクトは、限定提供（LA）期間に使われていた会話ストアに代わる資源です。

GA時点で対応していたモデルは、OpenAIのgpt-oss-20b／120b、xAIのGrok 3・Grok 4系、GoogleのGemini 2.5 Pro／Flash／Flash-Liteです。このうちGrok 3・Grok 4系は2026年8月15日にオンデマンド提供が終わり、後継にはGrok 4.3が指定されています。API Keysのページのサンプルには引退済みの`xai.grok-3`が残っているので、モデルIDは公式の引退日一覧（[Retiring the Models](https://docs.oracle.com/en-us/iaas/Content/generative-ai/deprecating-on-demand.htm)）で確かめてから書きます。2026年9月6日には、自分で取り込んだモデル（Model Import）もResponses APIから呼べるようになりました。長い処理向けのバックグラウンドモード（`background=true`）は、2026年7月29日に追加されています。

MCPとRAGの役割の違いは[MCPとRAGの違いと併用アーキテクチャの記事](/tech/details/15347/)、MCPで外部ツールを接続するときの権限設計は[AIエージェントにMCPで外部ツールを接続する実装手順](/tech/details/15365/)で説明しています。

### NL2SQLとDatabase Tools MCP Serverの生成・実行分担

Enterprise AIのNL2SQLは、Generative AI AgentsのSQLツールと設計が違います。NL2SQLはSQLを生成するだけで、実行はDatabase Tools MCP Serverがエンドユーザーのデータベース権限で行います。接続は、メタデータを読むエンリッチメント用と、権限を絞った問い合わせ用の2本を分けて作ります。

対象はOracle Autonomous AI Databaseだけです。モデルを指定しなければ`openai.gpt-oss-120b`が使われます。公式ドキュメントは、NL2SQL向けにベンチマークしたのはこのモデルだけだとしています。

### Enterprise AIのホスト型アプリケーションと配置設定

LangGraphなどのOSSフレームワークで書いたエージェントや、自作のMCPサーバーは、コンテナイメージとしてOCI Container Registryにpushし、Applications／Deploymentsとして動かせます。アプリケーション側で、スケーリング、管理ストレージ（OCI PostgreSQL・OCI Cache・Autonomous Database）、VCN、公開／プライベートエンドポイント、IAMアイデンティティドメインを設定します。

## Generative AI AgentsとEnterprise AIの選び方

新しく作るならEnterprise AIを選びます。理由は、Generative AI Agentsのリリースノートが2026年2月5日で止まっていて、MCP、バックグラウンド実行、取り込みモデルの利用といった2026年の追加はすべてEnterprise AI側に出ているからです。Generative AI Agentsの提供終了はリリースノートでは告知されていないので、既に動いているエージェントを急いで移す必要はありません。

| 判断軸          | Generative AI Agents | Enterprise AI Agents        |
| ------------ | -------------------- | --------------------------- |
| 作り方          | コンソール＋ADK            | コード（OpenAI SDK）             |
| RAG          | RAGツール（4種のデータソース）    | `File Search`＋Vector Stores |
| SQL          | 生成と実行（Base DB・ADB）   | 生成のみ（ADBのみ）                 |
| MCP          | ADKのMCPClient（手元で実行） | MCP Calling                 |
| 既存のOpenAIコード | Agents API・ADK向けに変更  | 接続先・認証・project・モデル等を変更      |

MCPの扱いも違います。Enterprise AIのMCP Callingは、リモートのMCPサーバーをResponses APIのツールとして指定する方式です。Generative AI AgentsではADKの`MCPClient`がMCPサーバーのツールを関数ツールに変換し、呼び出しは手元のアプリケーション側で行います。

Generative AI Agentsが向いているのは、Object Storageに置いたPDFをコンソール操作だけでRAG化したい場合と、HeatWave MySQLやOpenSearchの既存索引をそのままナレッジベースにしたい場合です。Enterprise AIのNL2SQLはAutonomous AI Databaseしか対象にしないため、Base DatabaseにSQLを投げたいときもGenerative AI Agentsが残ります。

OCI外へのデータ送信を禁止する要件では、GrokとGeminiを選びません。公式のモデル・リージョン一覧には「The Google Gemini and xAI Grok models are hosted externally」とあり、呼び出すとGoogleやxAIの拠点への通信になります。その場合は、gpt-ossなどOCI内でホストされるモデルを選びます。

## 大阪リージョンで使うときの制限

Generative AI Agentsの提供リージョンは、アッシュバーン・サンパウロ・フランクフルト・大阪・ロンドン・シカゴ・フェニックスの7つです。Enterprise AI Agentsは、シカゴ・アッシュバーン・フェニックス・フランクフルト・ロンドン・大阪・ハイデラバード・サンパウロ・リヤドの9つでGAになりました。日本では、どちらも大阪（ap-osaka-1）だけです。

OCIのGenerative AIを呼び出す他のOCIサービスについては、東京（NRT）からの呼び出しの宛先は大阪（KIX）と定められていて、リージョンをまたぐ呼び出しになります。データを東京リージョン内で完結させる要件がある場合は、この時点で要件を満たせません。

大阪でGenerative AI Agentsを使うときは、ツール数の上限に注意します。1つのエージェントに持たせられるツールは、フランクフルト・ロンドン・シカゴでは20個、アッシュバーン・サンパウロ・大阪では5個です。この上限は変更を申請できない固定値です。RAGとSQLに加えて関数呼び出しを4つ以上持たせる設計は、大阪では1つのエージェントに収まりません。その場合は、エージェントツールで役割ごとのエージェントに分けます。

その他の既定の上限は次のとおりです（出典：[Limits and Limitations for Generative AI Agents](https://docs.oracle.com/en-us/iaas/Content/generative-ai-agents/limits.htm)）。

| 項目                | 既定値        | 引き上げ  |
| ----------------- | ---------- | ----- |
| テナンシのエージェント数      | 2          | 申請可   |
| テナンシのナレッジベース数     | 3          | 申請可   |
| エージェントあたりのナレッジベース | 2          | 不可    |
| 取り込みジョブあたりのファイル数  | 10,000     | 申請可   |
| ユーザーメッセージの最大文字数   | 24,000     | 不可    |
| セッションのアイドルタイムアウト  | 既定1時間・最大7日 | 設定で変更 |

エージェント数の既定値が2なので、検証用と本番用を1つずつ作ると枠が埋まります。部門ごとに作る計画なら、着手前に上限の引き上げを申請しておきます。

## 料金：価格APIで取得した単価と試算

次の単価は、2026年9月30日にOracleの公開価格API（cetools）から取得した米ドル建ての従量課金です。価格は改定されるので、契約前に[OracleのCloud Price List](https://www.oracle.com/cloud/price-list/)で確認してください。

| 品目                           | 単価          | 単位             |
| ---------------------------- | ----------- | -------------- |
| Generative AI Agents         | $0.003      | 10,000トランザクション |
| Agents ナレッジベース保存             | $0.0084     | GB・時間          |
| Agents データ取り込み               | $0.0003     | 10,000トランザクション |
| Enterprise AI Vector Store保存 | $0.0042     | GB・時間          |
| Enterprise AI Vector Store検索 | $0.20       | 1,000リクエスト     |
| Enterprise AI メモリ取り込み        | $0.20       | 1,000イベント      |
| gpt-oss-120b 入力／出力           | $0.15／$0.60 | 100万トークン       |
| gpt-oss-20b 入力／出力            | $0.07／$0.30 | 100万トークン       |

保存料金は1時間単位なので、1か月（730時間）に直すと差が見えます。1GBのナレッジベースを置いておくと、Generative AI Agentsでは月約6.13ドル、Enterprise AIのVector Storeでは月約3.07ドルです。

Enterprise AIでgpt-oss-120bに1回あたり入力3,000トークン・出力500トークンの質問を1,000回投げると、入力300万トークンで0.45ドル、出力50万トークンで0.30ドル、合計0.75ドルです。`File Search`でベクトル検索を1回ずつ行えば、検索料金0.20ドルが加わります。Generative AI Agentsのトランザクションは、入力の文字数、エージェント内部のモデルが生成・消費した文字数、出力の文字数を合計して数えます。質問が短くても、RAGで検索した文書をモデルが読み込む分だけ課金対象の文字数が増えるので、見積もりは回答1回あたりの実測文字数から出します。

## OpenAI SDKとOCI ADKによる呼び出しコード

次の2つの例は、OCIの実アカウントには接続していません。代わりに、2026年9月30日時点の最新版（openai 3.22.1、oci 2.187.1）をPython 3.13に入れ、送信内容とスキーマの生成をローカルで確かめました。

### Enterprise AI：OpenAI SDKによるResponses API呼び出し

OpenAI SDKの`base_url`をOCIのエンドポイントに、`api_key`をOCI Generative AIのAPIキーに、`project`をOCI Generative AIのプロジェクトOCIDに置き換えます。APIキーは、使うモデルと同じリージョンで作成し、IAMポリシーで利用権限を付与します。この例では、指定するプロジェクト内に社内規程を取り込み済みのベクトルストアを用意し、そのIDを設定します。

```
from openai import OpenAI

client = OpenAI(
    base_url="https://inference.generativeai.ap-osaka-1.oci.oraclecloud.com/openai/v1",
    api_key="<OCI Generative AIのAPIキー>",
    project="ocid1.generativeaiproject.oc1.ap-osaka-1.xxxx",
)

response = client.responses.create(
    model="openai.gpt-oss-120b",
    input="社内規程の有給休暇の繰り越し上限を教えて",
    tools=[{"type": "file_search", "vector_store_ids": ["<ベクトルストアID>"]}],
)
print(response.output_text)
```

HTTPの送信を差し替えて捕捉すると、宛先は`…/openai/v1/responses`でした。APIキーは`Authorization: Bearer`ヘッダーで、`project`引数は`OpenAI-Project`ヘッダーで送られます。本文の`tools`も、OpenAIに送る場合と同じ形のままです。

なお、API Keysのページには`/20231130/actions/v1`で終わる別のベースURLの例も載っています。一方、Responses APIのページはプロジェクトの指定を必須としていて、例も`/openai/v1`を使っています（[OCI Responses API](https://docs.oracle.com/en-us/iaas/Content/generative-ai/responses-api.htm)）。新しく書くコードは`/openai/v1`に合わせるのが安全です。

### Generative AI Agents：ADKによる関数ツールの同期

ADK（Agent Development Kit）は`pip install "oci[adk]"`で入り、Python 3.10以上が必要です。コンソールでツールなしのエージェントとエンドポイントを作り、ツールはコード側で定義して`setup()`でリモートに同期します。OCIのサーバーに送られるのは関数名・引数・説明の定義だけで、関数の本体は手元のアプリケーションで実行されます。

```
from typing import Dict
from oci.addons.adk import Agent, AgentClient, tool

@tool
def get_order_status(order_id: str) -> Dict[str, str]:
    """Get shipping status of an order.

    Args:
        order_id(str): Order number such as A-1001
    """
    return {"order_id": order_id, "status": "shipped"}

client = AgentClient(auth_type="api_key", profile="DEFAULT", region="ap-osaka-1")
agent = Agent(
    client=client,
    agent_endpoint_id="<エージェントエンドポイントのOCID>",
    instructions="注文状況の問い合わせにツールで答える",
    tools=[get_order_status],
)
agent.setup()   # ローカルの指示とツールをリモートのエージェントへ同期
agent.run("A-1001は発送済み？").pretty_print()
```

oci 2.187.1で`FunctionTool.from_callable()`に渡すと、型ヒントとdocstringの`Args`から次のスキーマが生成されました。

```
{"name": "get_order_status", "description": "Get shipping status of an order.",
 "parameters": {"type": "object",
   "properties": {"order_id": {"type": "string", "description": "(str) Order number such as A-1001"}},
   "required": ["order_id"]}}
```

docstringの`(str)`がそのまま説明文に入るので、LLMに見せたい説明はArgsの行に書きます。`Agent`の`tools`引数は、関数のほかに`AgenticRagTool`・`AgenticSqlTool`、別の`Agent`も受け取ります。ADKを使わずにOCI SDKから直接呼ぶ場合は、`GenerativeAiAgentRuntimeClient`の`create_session`と`chat`を使います。

ADKをMCPと組み合わせる場合は、mcpパッケージの版に注意が必要です。`oci[adk]`の依存指定は`mcp>=1.6.0`で上限がないため、2026年9月30日にインストールするとmcp 2.2.0が入ります。この組み合わせでは`from oci.addons.adk.mcp import MCPClientStreamableHttp`が`ImportError: cannot import name 'streamablehttp_client'`で失敗しました。`pip install "mcp<2"`で1.30.0に下げると読み込めます。

取り込みと推論の工程を分けたRAGの設計は[RAGパイプラインの工程設計の記事](/tech/details/16473/)で詳しく書いています。

## OCI生成AIの提供状況・モデル・製品名称の変更

2023〜2024年のベータ期に書かれた情報とは、次の点が変わっています。

- Generative AI Agentsは2024年1月にベータ、2024年9月25日にシカゴでGAになりました。「ベータ版で提供中」は現状と違います。
- 当時のモデルのうち、`cohere.command`と`meta.llama-2-70b`は2024年10月2日にオンデマンド提供を終えました。Command R／R+（08-2024）も2026年7月30日に終了し、現在の主力はCohere Command A、Meta Llama 4、Google Gemini 2.5、OpenAI gpt-oss、xAI Grok 4.3以降です。
- 日本では2024年11月にGenerative AI、2025年3月にGenerative AI Agentsが大阪で使えるようになりました。
- 2023年に予告されていたDatabase 23cは、現在はOracle AI Database 26aiで、RAGツールのデータソースになっています。Autonomous Databaseも「Autonomous AI Database」に改称されています。改称の経緯は[ATPとADWの違いと改称後の呼び方の記事](/tech/details/4203/)にまとめています。

## よくある質問

### OCIの生成AIとは何ですか？

OCI Generative AIは、Oracle Cloud上でLLMのチャット、埋め込み、リランクを使えるマネージドサービスです。エージェントを組む機能として、Generative AI Agentsと、2026年3月にGAになったEnterprise AI Agentsがあります。

### OCI Generative AI Agentsは東京リージョンで使えますか？

使えません。2026年9月時点の日本の提供リージョンは大阪（ap-osaka-1）だけです。Enterprise AI Agentsも同じく大阪で提供されています。

### OCI生成AIで使えるLLMは何ですか？

2026年9月時点のオンデマンドでは、Cohere Command A、Meta Llama 4（Maverick／Scout）、Google Gemini 2.5、OpenAI gpt-oss、xAI Grok 4.3以降などです。使えるモデルはリージョンごとに違うので、公式の「Generative AI Models by Region」で確認します。GrokとGeminiは外部のxAI・Googleがホストしているため、呼び出すとOCIの外への通信になります。

### Retrieval-Augmented Generation（RAG）とは何ですか？

質問に関係する文書を検索し、その内容をLLMに渡して回答を生成する方式です。OCIでは、Generative AI AgentsのRAGツールか、Enterprise AIの`File Search`とVector Storesで実装します。

### OCI Generative AI Agentsは無料で試せますか？

OCIのAlways Freeリソース一覧（2026年9月30日確認）に生成AIは載っていません。新規アカウントに付く300米ドル・30日間のトライアルクレジットの範囲で試せます。無料枠の範囲は[Oracle Cloud Free Tierの無料枠を組む手順の記事](/tech/details/17531/)にまとめています。

## 関連記事

- [Oracle Cloud Infrastructure（OCI）とは？サービス構成・料金の実額とAWSとの違いを実装者目線で解説【2026年8月時点】](/tech/details/3681/)
- [Oracle Cloud Free Tierの無料枠を2 OCPUで組む手順とホスト容量不足の回避策【2026年9月時点】](/tech/details/17531/)
- [MCPとRAGの違いとは？役割の違いと使い分け・併用アーキテクチャを実装者向けに解説【2026年版】](/tech/details/15347/)
- [RAGパイプラインとは？取り込み系と推論系に分ける工程設計と再索引の実装判断](/tech/details/16473/)
- [AIエージェントにMCPで外部ツールを接続する実装手順とは？tool定義・権限・認可の設計を解説【2026年版】](/tech/details/15365/)

---

出典: [OCI生成AIでエージェントを作る2つの方法：Generative AI AgentsとEnterprise AI（Responses API）の違い](<https://www.issoh.co.jp/tech/details/3712/>)（株式会社一創）