シャドーイング練習: Introducing the Agents API - 動画で英語スピーキングを学ぶ
練習モードを選ぶ
各モードは全画面の練習ルームで開きます。
25 文
文が短すぎたり長すぎる場合は、Editをタップして調整してください。
1
Getting a long-running agent into production takes a lot of work, even with a capable model.
2
You need to connect tools, track progress, manage context, and secure and maintain the infrastructure around it.
3
Today, we're launching the Agents API to handle that infrastructure for you.
4
The Agents API brings a hosted version of the Codex Harness to your applications.
5
OpenAI handles orchestration, sessions, and context management so that you can stay focused on building.
6
Let's look at an example.
7
Suppose we want to build an agent that helps investigate incidents in our production stack.
8
It would need access to observability data and recent code changes, along with our team's instructions for how to handle an outage.
9
We can connect all of our necessary tools through MCPs and give the agent our investigation runbook via a skill.
10
You control the agent's execution environment and the tools it has access to.
11
That includes connecting a sandbox, whether it's through through OpenAI, a third party provider, or using your own infrastructure.
12
In a situation like this, we'd also be working through a ton of logs, likely more than we could fit in the model's context window.
13
With programmatic tool calling, the agent can process those logs and filter the results in code,
14
meaning fewer tokens spent passing around raw data and more spent on the information the agent needs.
15
For the largest tasks, independent work can be delegated via multi-agent orchestration.
16
In this case, we might want one sub-agent to examine recent changes, another to check telemetry, and then have the lead agent unify their findings.
17
But even in a single agent session, long-running context windows still work really well with compaction.
18
It gives the model a summary of all prior work completed so the agent can continue its investigation.
19
Once the work is complete, the findings should be served as a report that the on-call team can review, a likely root cause, the supporting evidence,
20
and suggested next steps bundled into a single shareable file.
21
And there we have it.
22
With the agents API, we were able to drive an entire workflow without building or maintaining any of our own agent infrastructure.
23
Infrastructure that will continue to get better alongside new models and new capabilities.
24
We're excited to bring you an ever-improving harness behind one API.
25
Happy building.
アプリをダウンロード
流暢に話すために必要なすべて
AI発音採点文ごとに採点
IPA練習すべての音をマスター
単語学習自分の単語帳を作る
単語ゲーム遊びながら覚える
同じチャンネル
B24
Introducing GPT-Image-2.5 in the API
Daily ConversationWorking Adults
B21
Introducing GPT-6 Astra for developers
Daily ConversationUniversity StudentsWorking Adults
B21
Introducing GPT-6 Astra: the most intelligent and aligned model in the world.
Business EnglishUniversity StudentsWorking Adults
B14
Introducing dots, always-on agents built to handle everything.
Business EnglishWorking Adults
C13
Reimagining IT with ChatGPT
Business EnglishUniversity StudentsWorking Adults
B2Using Voice in ChatGPT Work
Business EnglishWorking Adults
FOR YOU
おすすめ動画
C18
24 文
Introducing Automations: always-on coding agents
Business EnglishUniversity StudentsWorking Adults
C11
143 文
MCP vs API: The protocol every developer needs to know
Business EnglishUniversity StudentsWorking Adults
C15
222 文
The Multi-Agent Architecture That Actually Ships — Luke Alvoeiro, Factory
Business EnglishUniversity StudentsWorking Adults
C11
309 文
Claude Code: The Advanced Guide (99% of Devs Skip These Features)
Business EnglishUniversity StudentsWorking Adults
C16
10 文
What's new in Google Cloud in less than 1 minute
Business EnglishUniversity StudentsWorking Adults
C11
141 文
How AI is Changing Data Scientist's Workflow
Business EnglishUniversity StudentsWorking Adults
C111
98 文
What are AI Agents?
Business EnglishUniversity StudentsWorking Adults
C12
338 文
I Wrapped an API Into a Real SaaS (full build / step-by-step)
Business EnglishUniversity StudentsWorking Adults
C12
144 文
WWDC26: Run local agentic AI on the Mac using MLX | Apple
Business EnglishUniversity StudentsWorking Adults
C12
68 文
Prompt engineering - Introduction
Business EnglishUniversity StudentsWorking Adults
C12
540 文
Incremental Cooking in UE 5.7: A Dive Into the UE Cook Pipeline | Unreal Fest Chicago 2026
Business EnglishUniversity StudentsWorking Adults
このレッスンの語彙とスピーキングのポイント
このC1レベルのスピーキングレッスンは、動画「Introducing the Agents API」を教材にしています。 繰り返し出てくる語は次のとおりです：agent, infrastructure, Api, tool, context。 この動画には、シャドーイング用の文が25文、単語が392語あります。 音声の長さは2:17です。 話す速さは1分あたり約172語で、日常会話に近い自然なペースです。 英語の頻出3,000語に含まれる単語は81%だけなので、語彙は難しめです。
この動画の重要語彙
動画の中で特に難しい単語8語を、発音と意味つきで紹介します。
| 単語 | 発音 | 意味 |
|---|---|---|
| compaction 名詞 | /kəmˈpækʃən/ | 圧密 |
| sandbox 名詞 | /ˈsæn(d).bɑks/ | 砂場, 砂箱 |
| workflow 名詞 | /ˈwɝkfloʊ/ | ワークフロー |
| delegate 名詞 | /ˈdɛlɪɡət/ | 代表, 使節 |
| token 名詞 | /ˈtoʊkən/ | トークン |
| bundle 名詞 | /ˈbʌn.dl̩/ | 束 |
| stack 名詞 | /stæk/ | 塚 |
| capability 名詞 | /ˌkeɪ.pəˈbɪl.ɪ.ti/ | 能力 |
注意したい発音
話し手はwe're, we'dなど、短縮形や弱形を3回使っています。聞こえたとおりの短い形で発音しましょう。
- 「sh」と「zh」の音: compaction /kəmˈpækʃən/, shareable /ˈʃɛəɹ.ə.bəl/
- 長い単語（アクセントの位置に注意）: programmatic /ˌpɹəʊ.ɡɹəˈmæt.ɪk/, telemetry /tɪˈlɛm.ɪ.tɹi/, capability /ˌkeɪ.pəˈbɪl.ɪ.ti/
日本語話者が苦手な音：
- /r/ と /l/ の区別 — /l/ は舌先を歯茎につけ、/r/ はどこにもつけない: shareable /ˈʃɛəɹ.ə.bəl/, telemetry /tɪˈlɛm.ɪ.tɹi/
- 子音の連続 — 間に母音を入れない: programmatic /ˌpɹəʊ.ɡɹəˈmæt.ɪk/, sandbox /ˈsæn(d).bɑks/, workflow /ˈwɝkfloʊ/, bundle /ˈbʌn.dl̩/, stack /stæk/
この動画での練習方法
- まず声を出さずに動画を最後まで聞き、知らない単語をメモします。
- まず0.75倍速で一文ずつシャドーイングし、慣れてきたら通常の速度に戻します。
- 自分の声を録音して元の音声と比べます。compaction, sandbox, workflowなどの単語に特に注意しましょう。
シャドーイングとは？英語上達に効果的な理由
シャドーイング（Shadowing）は、もともとプロの通訳者養成プログラムで開発された言語学習法で、多言語習得者として知られるDr. Alexander Arguelles によって広く普及されました。方法はシンプルですが非常に効果的：ネイティブスピーカーの英語を聞きながら、1〜2秒の遅延で声に出してすぐに繰り返す——まるで「影（shadow）」のように話者を追いかけます。文法ドリルや受動的なリスニングと異なり、シャドーイングは脳と口の筋肉が同時にリアルタイムで英語を処理・再現することを強制します。研究により、発音精度、抑揚、リズム、連音、リスニング力、そして会話の流暢さが大幅に向上することが確認されています。IELTSスピーキング対策や自然な英語コミュニケーションを目指す方に特におすすめです。