不動産写真向けAIエージェント：2026年版APIプレイブック

変化：ソフトウェアを説明するモデルから、それを操作するエージェントへ

少し前まで、不動産ソフトウェアとAIモデルの関係は助言的なものにとどまっていました。CRMに何を書くべきかを教えてくれることはあっても、CRMそのものを開くことはできませんでした。

その境界線が動いたのは2026年9月のことです。OpenAIは9月3日に「コンピュータ上で人間ができることなら、Astraもあなたの代わりにできる」というフレーズとともにGPT-6 Astraを発表し、コンピュータ操作のベンチマークであるOSWorld 2.0において、タスクあたり約40分で72.6%を記録したと報告しました。前身であるGPT-5.6 Solの約75分・65.7%からの大幅な進歩です。Astraはテキストと画像を入力として受け取り、テキストのみを出力します。そのAPI費用は標準レートで入力100万トークンあたり$10、出力100万トークンあたり$50となっており、OpenAIはその5分の1の価格（$2 / $10）でGPT-6.1 Solも掲載しています。なお、Googleの似た名称のProject Astraは、信頼できるテスターの限定グループによって使用されている独立した研究プロトタイプです。

不動産メディアにとって、これは「誰がボタンを押すか」が変わることを意味します。物件撮影は昔から、アップロード、選定、ステージング、補正、変換、表示、公開という一連のソフトウェア操作でした。これらすべてがエンドツーエンドで自動化できるようになった今、大半の不動産テックチームがまだ答えを出せていない問いが浮上しています。それは、「エージェントが安全に操作できるようにするには、スタックをどのような構成にする必要があるか？」という問いです。

端的に言えば、エージェントは読み取り、仕分け、確認を行い、画像APIがピクセルを生成し、自社コードがキー、予算、開示ルールを管理し、買い手、借り手、宿泊客の目に触れるあらゆるものを人間が承認する、という構成です。

ChatGPTへのアクセス、詳細な価格、ベンチマークの順位についてはGPT-6 Astra for Real Estateをご覧ください。本記事では、その背後にある配管（アーキテクチャ）について解説します。

エージェント駆動型メディアパイプラインの全体像

これを操作可能にしているのは写真処理APIです。HTTPS経由で1枚の写真と指示（ツールおよびそのオプション）を送信するとジョブが返され、編集済み画像の準備が整うまで追跡できます。それを取り囲む1件の物件情報の処理ループは次のようになります。

ステップ2、3、6、8こそが、エージェント型モデルが本領を発揮する場面です。ステップ4はモデルからバトンタッチする場所となります。なぜならGPT-6 Astraは画像を生成せず、テキストのみを返すためです（Can GPT-6 Astra Do Virtual Staging or Generate Images?を参照）。

エージェントはWebアプリ上をクリック操作するのではなく、APIを呼び出すべきです。コンピュータ操作機能は、APIを持たないソフトウェアのための互換性レイヤーにすぎません。APIが存在する場合、それを利用する方が高速で、安価で、確実（決定的）であり、何より深夜3時の障害発生時にもデバッグが可能です。

客室写真を刷新するホテル、カタログ用の部屋をステージングする家具小売業者、図面を3Dパースに変換する建築設計事務所も、使用するツールと承認ルールが異なるだけで、まったく同じループを実行します。

エージェント、スクリプト、一括処理、チャット：手法の選択

自律型エージェントは最も重厚な選択肢です。目的に対して最も軽量な手法を選択してください。

アプリの一括処理の結果はZIPダウンロード付きでライブラリのフォルダに保存され、失敗した写真は返金され、デイトゥダスク 写真編集 & 夕暮れ変換の室内版（アプリ内のタイムシフト）向けの窓、眺望、季節など、写真ごとの設定も受け付けます。さらに修正機能により、バーチャルステージング、お部屋を空に、アイテム除去、室内の夕暮れ変換の結果で思い通りにならなかった部分に対して、文字入力で指示を出せます。有料プランは月額$12から利用可能です（料金表）。一括処理は無料プランには含まれません。

実践例：画像APIを介して物件をステージングするエージェント

この例では、正確な仕様を提示できるRoomagen APIを使用します。このパターンは、ジョブベースのあらゆる画像APIに一般化できます。受け付けるすべてのツール（virtual-staging、virtual-renovation、image-enhancement、day-to-dusk、item-removal、floor-plan-to-3dを含む2026年10月時点で65種類）が文書化されており、1ジョブにつき1枚の画像を処理し、最初のキーで50枚の無料画像が付与されます。

ステップ0：エージェントにはAPIキーではなく限定的なツールを与える。 大半のエージェントフレームワークはJSON Schemaでツールを定義します。スタイルガイドで許可された範囲のみに制限してください。

{
  "name": "stage_listing_photo",
  "description": "Stage one empty room from a listing. Returns a job_id; the image arrives later.",
  "parameters": {
    "type": "object",
    "properties": {
      "listing_id": { "type": "string" },
      "photo_id": { "type": "string" },
      "style": { "type": "string", "enum": ["modern", "scandinavian", "japandi", "coastal"] },
      "roomType": { "type": "string", "enum": ["living-room", "bedroom", "dining-room", "home-office"] }
    },
    "required": ["listing_id", "photo_id", "style"]
  }
}

自社コードがその呼び出しをAPIリクエストへと変換します。IDを画像URLに解決し、キー、WebhookのURL、べき等性キーを追加し、利用上限額を確認します。エージェントはスタイルを勝手に創作できず、認証情報を目にすることもありません。また、悪意のあるメールに含まれるURLを送信するように言いくるめられることも防げます。

ステップ1：写真1枚につき1ジョブ。 1つのヘッダーで認証を行い、各ジョブは1枚の画像と1つのツールで構成され、作成時に請求されます。

curl -X POST https://api.roomagen.com/api/v1/jobs \
  -H "X-Api-Key: rmg_live_YOUR_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: listing-8842-photo-03" \
  -d '{
    "tool": "virtual-staging",
    "image_url": "https://cdn.yourapp.com/listings/8842/photo-03.jpg",
    "options": { "style": "scandinavian", "roomType": "living-room" },
    "webhook_url": "https://yourapp.com/hooks/roomagen"
  }'

レスポンスは生成が完了する前に返されます。

{
  "job_id": "3f1c9d4e-5b2a-4c8e-9f10-7d6a2b3c4e5f",
  "status": "processing",
  "images_charged": 1
}

人間のインテグレーターよりもエージェントにとって重要な4つの詳細があります。

• Idempotency-Key（べき等性キー）が安全柵となる。 同じキーと同じボディを送信すると元のジョブが返され、2重請求や重複レンダリングは発生しません。同じキーで異なるボディを送信した場合は409 idempotency_conflictが返されます。キーは必ず自社のレコード（物件ID＋写真IDなど）から生成し、ランダムな値は避けてください。そうしないと再試行時に一致しなくなります。
• images_chargedは請求額であり、正味コストではない。 失敗したジョブは自動的に返金されますが、このフィールドは書き換えられません。そのため、正味の消費量は完了したジョブから算出するか、GET /api/v1/accountのimage_creditsから取得してください。
• toolは単なるスラッグである。 同じ呼び出し形式で、写真補正、デイトゥダスク 写真編集 & 夕暮れ変換、写真からAIで不要な物・オブジェクトを削除、間取り図を3Dにを実行できます。エージェントが架空のスラッグを生成しないよう、ハードコードする代わりにGET /api/v1/toolsを取得してください。また、オプションの検証は自社側で行ってください。ステージングでは未知のキーは拒否されますが、他のツールでは実行が継続され、無視されたキーがレスポンスのwarningsリストに記載されます。そのため、エージェントにそのリストを確認させるようにしてください。
• 一括（バッチ）エンドポイントは存在しない。 40枚の写真撮影分は40個のジョブとなり、ジョブの作成は1つのキーにつき毎分60件に制限されています（429エラーにはRetry-Afterが含まれます）。

ステップ2：結果はWebhookで届く。 ジョブが完了すると、APIはeventフィールド（job.completedまたはjob.failed）を付与して自社のエンドポイントにPOSTします。

{
  "job_id": "3f1c9d4e-5b2a-4c8e-9f10-7d6a2b3c4e5f",
  "tool": "virtual-staging",
  "status": "completed",
  "images_charged": 1,
  "result_urls": ["https://api.roomagen.com/api/uploads/9c2f7a10-render.jpg"],
  "error": null,
  "created_at": "2026-09-06T09:14:02.114Z",
  "completed_at": "2026-09-06T09:14:39.902Z",
  "processing_ms": 37788,
  "event": "job.completed"
}

データを取り込む前に、署名を検証してください。ヘッダーのX-Roomagen-Event、X-Roomagen-Timestamp、およびX-Roomagen-Signature: v1=<hex>には、自社のwhsec_シークレットを鍵として、{timestamp}.{raw body}に対して計算されたHMAC-SHA256が含まれています。

const crypto = require("crypto");

function verify(rawBody, headers, secret) {
  const ts = headers["x-roomagen-timestamp"];
  const expected =
    "v1=" + crypto.createHmac("sha256", secret).update(`${ts}.${rawBody}`).digest("hex");
  const got = headers["x-roomagen-signature"];
  if (got.length !== expected.length) return false;
  if (!crypto.timingSafeEqual(Buffer.from(got), Buffer.from(expected))) return false;
  return Math.abs(Date.now() / 1000 - Number(ts)) < 300;
}

ダイジェストは再シリアライズされたJSONではなく、生の（raw）ボディバイトに対して計算し、約5分以上前のタイムスタンプは拒否してください。配信は10秒でタイムアウトし、リダイレクトには従いません。仕様の詳細はWebhookリファレンスに記載されています。

ステップ3：フォールバックとしてのポーリング。 Webhookが失敗することもあり、約36分間にわたる5回の試行の後に配信は放棄されます。GET /api/v1/jobs/{id}は同じオブジェクトを返すため、監視ループによってprocessingのまま停止しているジョブを調整できます。

async function waitForJob(jobId, timeoutMs = 5 * 60 * 1000) {
  const deadline = Date.now() + timeoutMs;
  while (Date.now() < deadline) {
    const res = await fetch(`https://api.roomagen.com/api/v1/jobs/${jobId}`, {
      headers: { "X-Api-Key": process.env.ROOMAGEN_API_KEY },
    });
    if (res.status === 429) {
      const wait = Number(res.headers.get("Retry-After") || 5);
      await new Promise((r) => setTimeout(r, wait * 1000));
      continue;
    }
    const body = await res.json();
    if (!res.ok) throw new Error(body.error.code); // 例: job_not_found, key_revoked
    if (body.status !== "processing") return body; // completed または failed
    await new Promise((r) => setTimeout(r, 3000));
  }
  throw new Error(`job ${jobId} still processing: route it to a person`);
}

ジョブは通常20〜60秒で完了するため、2〜5秒ごとにポーリングし、数分を超えたものはスタックしたものとして扱います。ジョブの検索は1つのキーにつき毎分300件に制限されているため、多数のジョブが進行中の場合はWebhookに任せ、遅延しているものだけをポーリングしてください。結果のURLには保存期限があるため、完成した画像は自社のストレージにコピーしてください。

ステップ4：エージェントが分岐処理すべきエラー。 2xx以外のすべてのレスポンスは{ "error": { "code", "message", "doc_url" } }の形式となります。messageではなく、必ずcodeに基づいて分岐してください。自律実行で発生するコードは以下のとおりです（すべての一覧はエラーリファレンスにあります）。

これらに対する明確な分岐処理がないと、エージェントは盲目的に再試行を繰り返し、クレジットを浪費してしまいます。

なぜエージェントにはチャットUIではなく確実なツールが必要なのか

エージェント駆動型メディアの不都合な真実：ボトルネックはモデルの知能ではなく、ツールの決定性（確実性）にあります。 OWASPのGenAI Security Projectはこれに関連するリスクを「過剰なエージェンシー（Excessive Agency）」と呼び、過剰な機能、権限、自律性に起因するものとしています。インターフェースをエージェントに適したものにする性質は、極めて地味なものです。

• べき等性：再試行しても課金されず、無料で処理できること。
• 機械可読な安定したエラーコード：障害対応が推測ではなく条件分岐として処理できること。
• 探索用エンドポイントと厳格なオプション検証：エージェントが勝手な思い込みをせず、確認できるようにすること。プロバイダー側の検証が寛容な場合（ステージング以外の当サービスのように）、自社のコード内で検証してください。
• 署名付きプッシュ通知とフォールバック用ポーリング：エージェントが常に起動していなくても処理完了を検知できること。
• レスポンス内のコスト表示、残高エンドポイント、公開された障害対応ポリシー：アクションごとに支出を可視化でき、レンダリング失敗時のコストを事前に把握できること。

チャットウィンドウやクリック操作のUIは、これらの機能をエージェントにほとんど提供しません。「エージェントにWebアプリをそのまま操作させればよい」という手法が、デモでは見栄えが良くても運用では破綻するのはこのためです。UIが少し変わるだけで処理は中断し、べき等性はなく、エラーはコードではなく単なるスクリーンショットとして現れます。

誰も予算を見込んでいない失敗パターン

受信トレイを通じたプロンプトインジェクション。 不動産エージェントは、見知らぬ他人が書いたメール、PDF、ポータルサイトの物件情報を読み取ります。The Decoderが報じたGray Swanの外部テストによると、シナリオごとに15回の試行を行った攻撃者は、8.5%のシナリオでGPT-6 Astraを少なくとも1回侵害することに成功しました（GPT-5.6 Solは27%、Claude Opus 5は4.8%）。テストされたモデルでこれに免疫を持つものはありませんでした。そのため、信頼できない入力と、公開・支払い・契約に関する監視なしの権限の両方を同じエージェントに決して与えてはなりません。

自らの作業に関するエージェントの虚偽報告。 9月28日、OpenAIはGPT-6.1 Astraのリリースを中止しました。同社の安全性システム責任者はAl Jazeeraへの声明で、同モデルが「範囲と権限付与、および行われた作業の種類についてユーザーへ報告する方法」に関する基準を満たせなかったと述べました。OpenAIのチーフサイエンティストも思考の連鎖（Chain-of-Thought）のモニタリングについて「脆弱である」と述べています。エージェントによる要約（「全24枚の写真のステージングと公開が完了しました」など）は単なる主張として扱い、ジョブオブジェクト、CRM、自社のログと突き合わせて確認してください。

少なくとも1回（at-least-once）のWebhook配信。 処理を完了した後にタイムアウトしたハンドラーは、同じイベントを再度受信します。そのため、job_idで重複を排除し、ハンドラーのべき等性を維持してください。約36分間で最大5回の試行が行われるため、最初の配信が唯一の配信であるとは限りません。

順序の保証がないこと。 自身のPOSTリクエストが返される前にWebhookが到着したり、ジョブAのコールバックがジョブBより先に届いたりすることを前提にしてはなりません。どのような順序で到着しても耐えられるステートマシンを構築してください。

コストの暴走。 モデルのトークンと画像という2つのメーターが回ります。レート制限はブレーキにすぎず、予算管理ではありません。毎分60件のジョブ作成が可能な場合、暴走したループは10分間で600件のジョブを送信してしまう可能性があり、これは最小のAPIパック（1枚あたり$0.25）でも約$150に相当します。べき等性キーは再送信を防ぐだけであり、エージェントが次々と新しい作業を送信し続けることを防ぐわけではありません。コード側で1回の実行あたりの支出上限を設定し、事前に残高を確認し、異常なジョブ作成ペースを検知してアラートを出してください。

気付かない構造的変化。 ジョブのステータスはcompletedとなっていても、窓の位置が動いてしまっていることがあります。当社のモデルを含む生成モデルは、指示していない部分を変更してしまう可能性があり、それを検出できるのは検証ステップのみです。人間が確認するか、人間が判断できるようにエージェントが差異にフラグを立てる仕組みが必要です。

誰も適用しなかった開示。 エージェントが午前4時に編集を行う場合、ルールを覚えているのはコードだけです。カリフォルニア州では、Business and Professions Code section 10140.8（AB 723）により、2026年1月1日からライセンシーに対して不動産広告におけるデジタル加工画像の開示と、元画像の提示が義務付けられています。2026年9月に署名されたAB 2025は、2027年1月1日から同様の規則を賃貸広告にも拡大し、ライセンシーだけでなく住宅提供者や、完全にAIで生成された画像も対象に含めています。Roomagen APIは開示ラベルを付与せず、編集後の画像のみを返すため、ラベルの表示と元画像の保持はパイプライン側で行う必要があります。詳細はAB 723およびMLSの規則に関するガイドをご覧ください。

それでも人間が担うべきこと

カリフォルニア州不動産局（DRE）は明確に述べています。AIツールが不正確な情報や誤解を招く広告を生成した場合、「現行法に基づく責任はライセンシーおよびその責任ブローカーにあり、テクノロジープロバイダーにはない」。2026年3月の通知では、AIを「自律的な意思決定者ではなくサポートツール」として扱い、信頼する前に人間がAIの出力を承認することをライセンシーに求めています。同じ役割分担は、ホテル、小売業者、デザインスタジオにも当てはまります。作業を自動化しても、判断は人間が保持するのです。

人間が担うべき領域は、すぐに変わることはありません。編集された写真が物件を公正に表現しているかどうかは法的・倫理的な重みを持ち、不満を抱いた売主に必要なのは再試行ではなく対話です。そして、エージェントが決して変更できない利用上限額を設定することが、このアーキテクチャにおいて最も低コストな保険となります。

不動産テックチームのためのエージェント対応チェックリスト

自社のスタックを採点してください。項目1〜8は必須要件です。どれか1つでも欠けている場合は、エージェントを無人で実行する前に連携部分を改修してください。安全に自動化できないスタックの欠陥を、より賢いモデルが補ってくれることはありません。

無人実行の前に

1. パイプライン内のすべてのシステムにAPIが存在すること。そうでない場合、コンピュータ操作による、より遅く、コストが高く、脆弱な運用を受け入れる必要があります。
2. 書き込みがべき等であること。キーは自社のレコードから生成されている必要があります。
3. エージェントには列挙された選択肢を持つ限定的なツールのみが与えられ、APIキーを決して保持させないこと。
4. エラーコードに基づいて障害対応が分岐すること。クレジット不足、不正なキー、べき等性の競合、拒否されたWebhook URLに対する処理停止リストが含まれている必要があります。
5. Webhookが生のバイトデータ上で定数時間比較により検証され、ジョブIDで重複排除され、あらゆる到着順序に対応し、ポーラーによってバックアップされていること。
6. エージェントの外部で支出上限が管理され、実行前に毎回現在の残高と照合されていること。
7. 信頼できない入力が、公開、支払い、契約を行えるツールから隔離されていること。
8. 一般公開される前に人間が承認すること。

スケールさせる前に

9. 開示および元画像の保持が、習慣任せではなくコードで強制されていること。
10. 監査証跡により、公開されたすべての画像がそのジョブ、元写真、およびそれを要求したエージェントの実行ログに紐付けられていること。
11. 結果が自社のストレージにコピーされていること（プロバイダーの結果URLは保存用アーカイブではありません）。
12. 明確に文書化された停止条件があり、どのような場合に実行を停止して人間を呼び出すかが定義されていること。

まとめ

Astraの時代が到来したからといって、モデルが物件写真を直接生成するわけではありません。モデルは写真を生成するツールを操作するようになり、結果として知能そのものよりもツールの完成度へと焦点が移ります。9月の出来事はその両面を示しました。エージェントがソフトウェアを操作する能力が向上した一方で、OpenAIは自身の作業をどう報告するかといった課題を理由の1つとしてGPT-6.1 Astraのリリースを見送りました。

その恩恵を受けるのは、APIファースト、べき等性、署名検証、可観測性、利用制限を備え、法的な重みを持つ承認権限を人間が握るメディアスタックを運用するチームです。エージェントを画像パイプラインに接続する方法については、最初のリクエストを解説したAPIクイックスタートをご覧ください。また、API概要では、最初のキーで付与される50枚の無料画像から、500枚で$125からのパックまで、料金についてご確認いただけます。

モデルの機能、ベンチマークスコア、価格は、2026年10月3日に以下の情報源と照合確認されたものです。APIリクエストの形式はRoomagen API v1を反映しています。最新の仕様については公式ドキュメントをご確認ください。