jpskill.com
💼 ビジネス コミュニティ 🟡 少し慣れが必要 👤 経営者・事業責任者・マーケ

💼 Open AI Automation

OpenAI Automation

OpenAIのAPIを使って、テキストだけでなく画??

⏱ 競合分析レポート 3日 → 半日

📺 まず動画で見る(YouTube)

▶ 【自動化】AIガチ勢の最新活用術6選がこれ1本で丸分かり!【ClaudeCode・AIエージェント・AI経営・Skills・MCP】 ↗

※ jpskill.com 編集部が参考用に選んだ動画です。動画の内容と Skill の挙動は厳密には一致しないことがあります。

📜 元の英語説明(参考)

Automate OpenAI API operations -- generate responses with multimodal and structured output support, create embeddings, generate images, and list models via the Composio MCP integration.

🇯🇵 日本人クリエイター向け解説

一言でいうと

OpenAIのAPIを使って、テキストだけでなく画??

※ jpskill.com 編集部が日本のビジネス現場向けに補足した解説です。Skill本体の挙動とは独立した参考情報です。

⚡ おすすめ: コマンド1行でインストール(60秒)

下記のコマンドをコピーしてターミナル(Mac/Linux)または PowerShell(Windows)に貼り付けてください。 ダウンロード → 解凍 → 配置まで全自動。

🍎 Mac / 🐧 Linux
mkdir -p ~/.claude/skills && cd ~/.claude/skills && curl -L -o openai-automation.zip https://jpskill.com/download/1879.zip && unzip -o openai-automation.zip && rm openai-automation.zip
🪟 Windows (PowerShell)
$d = "$env:USERPROFILE\.claude\skills"; ni -Force -ItemType Directory $d | Out-Null; iwr https://jpskill.com/download/1879.zip -OutFile "$d\openai-automation.zip"; Expand-Archive "$d\openai-automation.zip" -DestinationPath $d -Force; ri "$d\openai-automation.zip"

完了後、Claude Code を再起動 → 普通に「動画プロンプト作って」のように話しかけるだけで自動発動します。

💾 手動でダウンロードしたい(コマンドが難しい人向け)
  1. 1. 下の青いボタンを押して openai-automation.zip をダウンロード
  2. 2. ZIPファイルをダブルクリックで解凍 → openai-automation フォルダができる
  3. 3. そのフォルダを C:\Users\あなたの名前\.claude\skills\(Win)または ~/.claude/skills/(Mac)へ移動
  4. 4. Claude Code を再起動

⚠️ ダウンロード・利用は自己責任でお願いします。当サイトは内容・動作・安全性について責任を負いません。

🎯 このSkillでできること

下記の説明文を読むと、このSkillがあなたに何をしてくれるかが分かります。Claudeにこの分野の依頼をすると、自動で発動します。

📦 インストール方法 (3ステップ)

  1. 1. 上の「ダウンロード」ボタンを押して .skill ファイルを取得
  2. 2. ファイル名の拡張子を .skill から .zip に変えて展開(macは自動展開可)
  3. 3. 展開してできたフォルダを、ホームフォルダの .claude/skills/ に置く
    • · macOS / Linux: ~/.claude/skills/
    • · Windows: %USERPROFILE%\.claude\skills\

Claude Code を再起動すれば完了。「このSkillを使って…」と話しかけなくても、関連する依頼で自動的に呼び出されます。

詳しい使い方ガイドを見る →
最終更新
2026-05-17
取得日時
2026-05-17
同梱ファイル
1

💬 こう話しかけるだけ — サンプルプロンプト

  • OpenAI Automation で、私のビジネスを分析して改善案を3つ提案して
  • OpenAI Automation を使って、来週の会議用の資料を作って
  • OpenAI Automation で、現状の課題を整理してアクションプランに落として

これをClaude Code に貼るだけで、このSkillが自動発動します。

📖 Skill本文(日本語訳)

※ 原文(英語/中国語)を Gemini で日本語化したものです。Claude 自身は原文を読みます。誤訳がある場合は原文をご確認ください。

OpenAI Automation

OpenAI API ワークフローを自動化します。Responses API を使用してテキストを生成(マルチモーダルな画像+テキスト入力や構造化 JSON 出力を含む)、検索やクラスタリングのための埋め込みを作成、DALL-E および GPT Image モデルで画像を生成、利用可能なモデルを一覧表示します。

ツールキットのドキュメント: composio.dev/toolkits/openai


セットアップ

  1. Composio MCP サーバーをクライアントに追加します: https://rube.app/mcp
  2. プロンプトが表示されたら OpenAI アカウントを接続します(API キー認証)
  3. 以下のワークフローの使用を開始します

コアワークフロー

1. レスポンスの生成(テキスト、マルチモーダル、構造化)

テキスト、画像分析、OCR、構造化 JSON 出力を含むワンショットモデルレスポンスには OPENAI_CREATE_RESPONSE を使用します。

Tool: OPENAI_CREATE_RESPONSE
Inputs:
  - model: string (required) -- 例: "gpt-5", "gpt-4o", "o3-mini"
  - input: string | array (required)
    Simple: "Explain quantum computing"
    Multimodal: [
      { role: "user", content: [
        { type: "input_text", text: "What is in this image?" },
        { type: "input_image", image_url: { url: "https://..." } }
      ]}
    ]
  - temperature: number (0-2, optional -- reasoning モデルではサポートされていません)
  - max_output_tokens: integer (optional)
  - reasoning: { effort: "none" | "minimal" | "low" | "medium" | "high" }
  - text: object (structured output config)
    - format: { type: "json_schema", name: "...", schema: {...}, strict: true }
  - tools: array (function, code_interpreter, file_search, web_search)
  - tool_choice: "auto" | "none" | "required" | { type: "function", function: { name: "..." } }
  - store: boolean (モデル蒸留をオプトアウトする場合は false)
  - stream: boolean

構造化出力の例: text.format{ type: "json_schema", name: "person", schema: { type: "object", properties: { name: { type: "string" }, age: { type: "integer" } }, required: ["name", "age"], additionalProperties: false }, strict: true } に設定します。

2. 埋め込みの作成

ベクトル検索、クラスタリング、レコメンデーション、RAG パイプラインには OPENAI_CREATE_EMBEDDINGS を使用します。

Tool: OPENAI_CREATE_EMBEDDINGS
Inputs:
  - input: string | string[] | int[] | int[][] (required) -- 最大 8192 トークン、最大 2048 アイテム
  - model: string (required) -- "text-embedding-3-small", "text-embedding-3-large", "text-embedding-ada-002"
  - dimensions: integer (optional, text-embedding-3 以降のみ)
  - encoding_format: "float" | "base64" (デフォルト "float")
  - user: string (optional, 悪用監視のためのエンドユーザー ID)

3. 画像の生成

GPT Image または DALL-E モデルを使用してテキストプロンプトから画像を生成するには OPENAI_CREATE_IMAGE を使用します。

Tool: OPENAI_CREATE_IMAGE
Inputs:
  - model: string (required) -- "gpt-image-1", "gpt-image-1.5", "dall-e-3", "dall-e-2"
  - prompt: string (required) -- 最大 32000 文字 (GPT Image), 4000 (DALL-E 3), 1000 (DALL-E 2)
  - size: "1024x1024" | "1536x1024" | "1024x1536" | "auto" | "256x256" | "512x512" | "1792x1024" | "1024x1792"
  - quality: "standard" | "hd" | "auto" | "high" | "medium" | "low"
  - n: integer (1-10; DALL-E 3 は n=1 のみサポート)
  - background: "transparent" | "opaque" | "auto" (GPT Image モデルのみ)
  - style: "vivid" | "natural" (DALL-E 3 のみ)
  - user: string (optional)

4. 利用可能なモデルの一覧表示

API キーでアクセス可能なモデルを検出するには OPENAI_LIST_MODELS を使用します。

Tool: OPENAI_LIST_MODELS
Inputs: (none)

既知の落とし穴

落とし穴 詳細
DALL-E の非推奨化 DALL-E 2 と DALL-E 3 は非推奨であり、2026/05/12 にサポートが終了します。GPT Image モデルを推奨します。
DALL-E 3 の単一画像のみ DALL-E 3 を使用した OPENAI_CREATE_IMAGEn=1 のみをサポートします。複数の画像には GPT Image モデルまたは DALL-E 2 を使用してください。
埋め込みのトークン制限 埋め込みモデルの場合、入力はアイテムあたり 8192 トークン、バッチあたり 2048 アイテムを超えてはなりません。
推論モデルの制限 temperaturetop_p は推論モデル(o3-mini など)ではサポートされていません。代わりに reasoning.effort を使用してください。
構造化出力の厳密モード json_schema 形式で strict: true の場合、すべてのスキーマプロパティが required 配列にリストされている必要があります。
プロンプトの長さはモデルによって異なる 画像プロンプトの最大長は異なります: 32000 (GPT Image), 4000 (DALL-E 3), 1000 (DALL-E 2)。

クイックリファレンス

ツールスラッグ 説明
OPENAI_CREATE_RESPONSE 構造化出力サポート付きでテキスト/マルチモーダルレスポンスを生成
OPENAI_CREATE_EMBEDDINGS 検索、クラスタリング、RAG 用のテキスト埋め込みを作成
OPENAI_CREATE_IMAGE テキストプロンプトから画像を生成
OPENAI_LIST_MODELS API キーで利用可能なすべてのモデルを一覧表示

Powered by Composio

📜 原文 SKILL.md(Claudeが読む英語/中国語)を展開

OpenAI Automation

Automate your OpenAI API workflows -- generate text with the Responses API (including multimodal image+text inputs and structured JSON outputs), create embeddings for search and clustering, generate images with DALL-E and GPT Image models, and list available models.

Toolkit docs: composio.dev/toolkits/openai


Setup

  1. Add the Composio MCP server to your client: https://rube.app/mcp
  2. Connect your OpenAI account when prompted (API key authentication)
  3. Start using the workflows below

Core Workflows

1. Generate a Response (Text, Multimodal, Structured)

Use OPENAI_CREATE_RESPONSE for one-shot model responses including text, image analysis, OCR, and structured JSON outputs.

Tool: OPENAI_CREATE_RESPONSE
Inputs:
  - model: string (required) -- e.g., "gpt-5", "gpt-4o", "o3-mini"
  - input: string | array (required)
    Simple: "Explain quantum computing"
    Multimodal: [
      { role: "user", content: [
        { type: "input_text", text: "What is in this image?" },
        { type: "input_image", image_url: { url: "https://..." } }
      ]}
    ]
  - temperature: number (0-2, optional -- not supported with reasoning models)
  - max_output_tokens: integer (optional)
  - reasoning: { effort: "none" | "minimal" | "low" | "medium" | "high" }
  - text: object (structured output config)
    - format: { type: "json_schema", name: "...", schema: {...}, strict: true }
  - tools: array (function, code_interpreter, file_search, web_search)
  - tool_choice: "auto" | "none" | "required" | { type: "function", function: { name: "..." } }
  - store: boolean (false to opt out of model distillation)
  - stream: boolean

Structured output example: Set text.format to { type: "json_schema", name: "person", schema: { type: "object", properties: { name: { type: "string" }, age: { type: "integer" } }, required: ["name", "age"], additionalProperties: false }, strict: true }.

2. Create Embeddings

Use OPENAI_CREATE_EMBEDDINGS for vector search, clustering, recommendations, and RAG pipelines.

Tool: OPENAI_CREATE_EMBEDDINGS
Inputs:
  - input: string | string[] | int[] | int[][] (required) -- max 8192 tokens, max 2048 items
  - model: string (required) -- "text-embedding-3-small", "text-embedding-3-large", "text-embedding-ada-002"
  - dimensions: integer (optional, only for text-embedding-3 and later)
  - encoding_format: "float" | "base64" (default "float")
  - user: string (optional, end-user ID for abuse monitoring)

3. Generate Images

Use OPENAI_CREATE_IMAGE to create images from text prompts using GPT Image or DALL-E models.

Tool: OPENAI_CREATE_IMAGE
Inputs:
  - model: string (required) -- "gpt-image-1", "gpt-image-1.5", "dall-e-3", "dall-e-2"
  - prompt: string (required) -- max 32000 chars (GPT Image), 4000 (DALL-E 3), 1000 (DALL-E 2)
  - size: "1024x1024" | "1536x1024" | "1024x1536" | "auto" | "256x256" | "512x512" | "1792x1024" | "1024x1792"
  - quality: "standard" | "hd" | "auto" | "high" | "medium" | "low"
  - n: integer (1-10; DALL-E 3 supports n=1 only)
  - background: "transparent" | "opaque" | "auto" (GPT Image models only)
  - style: "vivid" | "natural" (DALL-E 3 only)
  - user: string (optional)

4. List Available Models

Use OPENAI_LIST_MODELS to discover which models are accessible with your API key.

Tool: OPENAI_LIST_MODELS
Inputs: (none)

Known Pitfalls

Pitfall Detail
DALL-E deprecation DALL-E 2 and DALL-E 3 are deprecated and will stop being supported on 05/12/2026. Prefer GPT Image models.
DALL-E 3 single image only OPENAI_CREATE_IMAGE with DALL-E 3 only supports n=1. Use GPT Image models or DALL-E 2 for multiple images.
Token limits for embeddings Input must not exceed 8192 tokens per item and 2048 items per batch for embedding models.
Reasoning model restrictions temperature and top_p are not supported with reasoning models (o3-mini, etc.). Use reasoning.effort instead.
Structured output strict mode When strict: true in json_schema format, ALL schema properties must be listed in the required array.
Prompt length varies by model Image prompt max lengths differ: 32000 (GPT Image), 4000 (DALL-E 3), 1000 (DALL-E 2).

Quick Reference

Tool Slug Description
OPENAI_CREATE_RESPONSE Generate text/multimodal responses with structured output support
OPENAI_CREATE_EMBEDDINGS Create text embeddings for search, clustering, and RAG
OPENAI_CREATE_IMAGE Generate images from text prompts
OPENAI_LIST_MODELS List all models available to your API key

Powered by Composio