Overview

This skill guides building automated research systems by using official Deep Research APIs instead of browser automation. It highlights OpenAI, Gemini, and Perplexity as of 2026, emphasizing reduced ToS risk and improved reliability over Playwright-based scraping. Additional candidates like Tavily and Exa are noted as future options.

How This Skill Works

Instead of controlling a browser to perform research, call the official Deep Research APIs directly. Choose among OpenAI (/responses with o3-deep-research-2025-06-26), Gemini (Interactions API with Gemini 3 Pro), or Perplexity (sonar-deep-research with Opus 4.5) to run automated inquiries, extract results, and synthesize findings. The system can toggle between providers based on latency, cost, and feature needs, avoiding UI automation entirely.

When to Use It

• リサーチ自動化システムの技術選定時
• 「Playwrightでディープリサーチを自動化したい」という要望が出た時
• APIベースの情報収集パイプラインを設計する時
• 公式Deep Research APIの特徴を比較検討して最適なパートナーを決める時
• 長時間の自動調査要件を満たす場合にGeminiの60分調査枠を検討する時

Quick Start

1. Step 1: OpenAI /responses、Gemini Interactions、Perplexity sonar-deep-research のいずれかを選択し、APIドキュメントとモデル/エンドポイントを確認する。
2. Step 2: 小規模なトピックでAPI呼び出しのテストを実装し、回答の品質と出典を検証する。必要なフィールドとエラーハンドリングを追加する。
3. Step 3: キャッシュ、レートリミット、エラーハンドリングを組み込み、初期パイプラインを実運用環境へ移行する。

Best Practices

• 公式のDeep Research APIを優先して使用し、ブラウザ自動化を避けることでToSリスクと脆弱性を低減する。
• OpenAI /responses、Gemini Interactions、Perplexity sonar-deep-researchの各特徴を比較し、MCP連携、サイト制限、調査時間の制約を把握する。
• APIベースの情報収集パイプライン設計時にモジュール化と再利用性を確保し、キャッシュとエラーハンドリングを実装する。
• 出典の検証とQuality GuardとしてSimpleQAスタイルの検証を組み込み、回答の再現性を高める。
• コストとレイテンシをモニタリングし、リトライ戦略とフェイルセーフを設定する。

Example Use Cases

• OpenAIのDeep Research API (/responses)を使い、文献リストと要約を自動生成する研究ボットを構築。
• Gemini Interactions API (Gemini 3 Pro) により最大60分の連続リサーチを実行する長時間調査ワークフローを設計。
• Perplexity sonar-deep-research (Opus 4.5) を用いたSimpleQA中心の研究サマリ生成パイプラインを構築。
• PlaywrightベースのWeb UI操作を公式Deep Research APIへ置換し、再現性と法的リスクの低減を実現。
• 将来の選択肢として Tavily (private beta) や Exa (セマンティック検索特化) の統合を評価するための比較プロトタイプを作成。

Frequently Asked Questions