OpenAI：Responses APIのウェブ検索でテキスト結果に加えて画像も返すように

OpenAIは2026年6月9日、v1/responsesエンドポイント（Responses API）内のウェブ検索ツールのアップグレードを発表した：通常のテキスト結果に加えて、検索が画像結果（image results）も返すようになった。この変更はビジュアルコンテキストが応答をより質が高く完全なものにするアプリケーション向けに設計されている。

ウェブ検索ツールで何が変わったか？

これまで、Responses API内のウェブ検索ツールはテキスト結果のみを返していた——ページタイトル・関連コンテンツのスニペット・URLだ。ビジュアル素材も必要なユーザーは、別の画像取得ステップを実装するか、ユーザーを別のビジュアル検索にリダイレクトする必要があった。

本日より、同じウェブ検索ツールの呼び出しがテキストとともにウェブ上で見つかった関連画像も返せる。画像はツールの標準的な応答に統合されており——別のエンドポイントも、特別なフラグ（flag）もベータアクセスキーも不要だ。この変更はv1/responses内でウェブ検索を使用するすべての既存および新規の実装に対して自動的に有効だ。

返される画像はウェブ検索がリアルタイムで公開されているサイトで見つけたものだ——AIモデルが生成した画像ではなくウェブの写真だ。結果の品質と利用可能性は通常のウェブ検索の変数に依存する：インデックスされたコンテンツの品質とソースの利用可能性だ。

画像とテキストを合わせることで価値をもたらすユースケース

OpenAIはテキスト結果とともに画像を返すことでユーザー体験が具体的に向上するいくつかのカテゴリを示している：

商品写真 — Eコマース・価格比較・カタログレビュー向けのアプリケーションが、別の画像APIや写真データベースへの呼び出しなしに、テキストの説明とともにアイテムのビジュアル表現を表示できる。

観光地と場所 — 旅行ガイド・旅行プランナー・都市探索アプリケーションが、場所のテキスト説明とともに写真やイラストを即座に表示できる。

イベントと人物 — ニュースツール・ニュースサマライザー・現在の出来事を追うアシスタントが、追加のAPI呼び出しなしに——イベントの写真や人物の肖像を——テキスト情報とともにビジュアルコンテキストを表示できる。

ビジュアルリファレンス — ユーザーが「Xはどんな見た目ですか？」または「Yを見せてください」と尋ねるあらゆるアプリケーションが、ユーザーを別のビジュアル検索にリダイレクトする代わりに統合して応答できる。

開発者向けの技術的な注意点

すでにResponses API内でウェブ検索を使用している開発者にとって、この変更はコードレベルで透明だ——既存の実装に変更は不要だ。画像はツールの通常の応答の一部として返される。

画像結果が含まれる場合の応答の構造に関する完全なドキュメントは、このchangelogエントリとともに更新されたOpenAIのウェブ検索ガイド（web search guide）で入手可能だ。

---

このアップグレードは的を絞った実際的なものだ：ビジュアルリッチなアプリケーションを構築する開発者の必要なAPI呼び出し数を削減し、ソリューションのアーキテクチャを簡素化する。ワークフローの追加ステップとして画像取得の別のオーケストレーションの代わりに、ウェブ検索ツールが同じ呼び出しの中でそれを行う。ウェブベースのビジュアルコンテンツに依存するアプリケーション——特に商品・場所・イベントのカテゴリ——にとって、これは小さいが歓迎すべき変更だ。