GPT-5.6のProgrammatic Tool Callingとは？function callingとの違い・使い方・注意点

一言でいうと：toolの呼び出し手順を、modelがJavaScriptで組み立てる

Programmatic Tool Callingは、Responses API request内でmodelがJavaScriptを生成・実行し、複数toolの呼び出し、parallel処理、loop、condition、中間結果の絞り込みを組み立てる仕組みです。通常のfunction callingを無条件に置き換えるものではなく、予測可能なcontrol flowを小さなstructured resultへ縮約できるstageで使います。

direct tool callingとの違い

isolated V8 runtimeでできること・できないこと

programmatic_tool_callingとallowed_callers

const response = await client.responses.create({
  model: "gpt-5.6-terra",
  input: "複数店舗の在庫を比較し、欠品候補だけをJSONで返してください。",
  tools: [
    {
      type: "function",
      name: "get_inventory",
      description: "店舗別の在庫数を返す",
      parameters: {
        type: "object",
        properties: { store_id: { type: "string" } },
        required: ["store_id"],
        additionalProperties: false
      },
      output_schema: {
        type: "object",
        properties: { store_id: { type: "string" }, units: { type: "number" } },
        required: ["store_id", "units"],
        additionalProperties: false
      },
      allowed_callers: ["programmatic"]
    },
    { type: "programmatic_tool_calling" }
  ]
});

この例は最小構成です。application側はclient-owned function callを実行し、call_idとcallerの関係を保って結果を返し、program_outputまたは最終messageまで継続する必要があります。generated JavaScriptを自分のNode.js processで実行する設計ではありません。

supported tools・MCP approval・ZDR

• programmatic callerに対応する主なtool typeはfunction / custom、MCP、apply_patch、local / hosted shell、code_interpreter
• MCPのrequire_approvalはprogramを停止して人間承認を待てる
• ZDRはorganizationまたはprojectで有効化が必要で、store: falseだけではZDRにならない
• model、tools、third-party servicesを含むrequest全体のretention条件を確認する
• OpenAI-hosted toolも個別のdata retentionとsecurity guidanceを見る

multi-agentとの違い

Programmatic Tool Callingは一つのmodel response内でcodeがtoolをorchestrateする仕組みです。Responses APIのmulti-agent betaは、複数subagentを並列に動かして結果を統合する仕組みです。ultraに近い並列分担と、toolのfilter・join処理を同じものとして扱わないでください。

retry・stop条件と安全境界

• programを使うbounded stageと利用toolを明示する
• 必要なresult shapeとevidenceを定義する
• stop conditionとretry上限を先に決める
• 完了済みcallを繰り返さない
• side effectをprogrammatic stageへ混ぜない
• 高影響actionはapplication-level approvalを必須にする
• argumentとpermissionをapplication側でも検証する

baseline比較で見る指標

Programmatic Tool Callingは中間tool出力をmodel contextへ戻す量を減らせますが、token削減や高速化をすべてのtaskで断定できません。direct tool callingをbaselineにし、代表taskで正確性、完全性、evidence、input / total tokens、latency、cost、tool call、retry、安全性を比較します。

prompt cachingとの費用境界

GPT-5.6以降はcache writeがuncached inputの1.25倍、cache readは90%割引です。explicit cache breakpointと最低30分のcache lifeを使えますが、1回しか再利用しない長文を毎回writeすると得とは限りません。Programmatic Tool Callingの効果とcachingの効果を分けて計測します。