エージェント

エージェントは OpenAI Agents SDK の主要な構成要素です。Agent は、次の設定を持つ Large Language Model (LLM) です。

Instructions – モデルに「何者か」と「どのように応答すべきか」を伝える system prompt
Model – 呼び出す OpenAI モデルと、任意のモデル調整パラメーター
Tools – タスクを達成するために LLM が呼び出せる関数や API の一覧

import { Agent } from '@openai/agents';

const agent = new Agent({
  name: 'Haiku Agent',
  instructions: 'Always respond in haiku form.',
  model: 'o4-mini', // optional – falls back to the default model
});

このページでは、すべての Agent 機能を詳しく説明します。

基本設定

Agent コンストラクターは単一の設定オブジェクトを受け取ります。よく使われるプロパティは次のとおりです。

Property	Required	Description
`name`	yes	短い人間可読の識別子
`instructions`	yes	System prompt（文字列または関数 – Dynamic instructions を参照）
`model`	no	モデル名またはカスタムの `Model` 実装
`modelSettings`	no	調整パラメーター（temperature、top_p など）
`tools`	no	モデルが呼び出せる `Tool` インスタンスの配列

import { Agent, tool } from '@openai/agents';
import { z } from 'zod';

const getWeather = tool({
  name: 'get_weather',
  description: 'Return the weather for a given city.',
  parameters: z.object({ city: z.string() }),
  async execute({ city }) {
    return `The weather in ${city} is sunny.`;
  },
});

const agent = new Agent({
  name: 'Weather bot',
  instructions: 'You are a helpful weather bot.',
  model: 'o4-mini',
  tools: [getWeather],
});

コンテキスト

エージェントはそのコンテキスト型に対してジェネリックです（例: Agent<TContext, TOutput>）。コンテキストは、あなたが作成して Runner.run() に渡す依存性注入オブジェクトです。これはすべてのツール、ガードレール、ハンドオフなどに転送され、状態の保存や共有サービス（データベース接続、ユーザーメタデータ、フィーチャーフラグ、…）の提供に役立ちます。

import { Agent } from '@openai/agents';

interface Purchase {
  id: string;
  uid: string;
  deliveryStatus: string;
}
interface UserContext {
  uid: string;
  isProUser: boolean;

  // this function can be used within tools
  fetchPurchases(): Promise<Purchase[]>;
}

const agent = new Agent<UserContext>({
  name: 'Personal shopper',
  instructions: 'Recommend products the user will love.',
});

// Later
import { run } from '@openai/agents';

const result = await run(agent, 'Find me a new pair of running shoes', {
  context: { uid: 'abc', isProUser: true, fetchPurchases: async () => [] },
});

出力タイプ

デフォルトでは、エージェントは プレーンテキスト（string）を返します。モデルに構造化オブジェクトを返させたい場合は、outputType プロパティを指定します。SDK は次を受け付けます。

Zod スキーマ（z.object({...})）
JSON‑schema 互換の任意のオブジェクト

import { Agent } from '@openai/agents';
import { z } from 'zod';

const CalendarEvent = z.object({
  name: z.string(),
  date: z.string(),
  participants: z.array(z.string()),
});

const extractor = new Agent({
  name: 'Calendar extractor',
  instructions: 'Extract calendar events from the supplied text.',
  outputType: CalendarEvent,
});

outputType が指定されている場合、SDK はプレーンテキストではなく自動的に structured outputs を使用します。

マルチエージェントのシステム設計パターン

エージェントを組み合わせる方法は多数あります。プロダクションアプリでよく見られるパターンは次の 2 つです。

マネージャー（エージェントをツールとして） – 中央のエージェントが会話を所有し、ツールとして公開された特化エージェントを呼び出します
ハンドオフ – 最初のエージェントがユーザーのリクエストを特定した後、会話全体をスペシャリストに委譲します

これらのアプローチは補完的です。マネージャーはガードレールやレート制限を一元的に適用でき、ハンドオフは各エージェントが会話の制御を保持せずに単一のタスクに集中できるようにします。

マネージャー（エージェントをツールとして）

このパターンでは、マネージャーは決して制御を手放しません—LLM はツールを使用し、マネージャーが最終回答を要約します。詳しくはツールを参照してください。

import { Agent } from '@openai/agents';

const bookingAgent = new Agent({
  name: 'Booking expert',
  instructions: 'Answer booking questions and modify reservations.',
});

const refundAgent = new Agent({
  name: 'Refund expert',
  instructions: 'Help customers process refunds and credits.',
});

const customerFacingAgent = new Agent({
  name: 'Customer-facing agent',
  instructions:
    'Talk to the user directly. When they need booking or refund help, call the matching tool.',
  tools: [
    bookingAgent.asTool({
      toolName: 'booking_expert',
      toolDescription: 'Handles booking questions and requests.',
    }),
    refundAgent.asTool({
      toolName: 'refund_expert',
      toolDescription: 'Handles refund questions and requests.',
    }),
  ],
});

ハンドオフ

ハンドオフでは、トリアージエージェントがリクエストをルーティングしますが、ハンドオフが発生するとスペシャリストエージェントが最終出力を生成するまで会話を所有します。これによりプロンプトを短く保て、各エージェントを個別に考察できます。詳しくはハンドオフを参照してください。

import { Agent } from '@openai/agents';

const bookingAgent = new Agent({
  name: 'Booking Agent',
  instructions: 'Help users with booking requests.',
});

const refundAgent = new Agent({
  name: 'Refund Agent',
  instructions: 'Process refund requests politely and efficiently.',
});

// Use Agent.create method to ensure the finalOutput type considers handoffs
const triageAgent = Agent.create({
  name: 'Triage Agent',
  instructions: [
    'Help the user with their questions.',
    'If the user asks about booking, hand off to the booking agent.',
    'If the user asks about refunds, hand off to the refund agent.',
  ].join('\n'),
  handoffs: [bookingAgent, refundAgent],
});

動的 instructions

instructions は文字列ではなく関数にすることもできます。関数は現在の RunContext と Agent インスタンスを受け取り、文字列 または Promise<string> を返せます。

import { Agent, RunContext } from '@openai/agents';

interface UserContext {
  name: string;
}

function buildInstructions(runContext: RunContext<UserContext>) {
  return `The user's name is ${runContext.context.name}.  Be extra friendly!`;
}

const agent = new Agent<UserContext>({
  name: 'Personalized helper',
  instructions: buildInstructions,
});

同期関数と async 関数の両方がサポートされています。

ライフサイクルフック

高度なユースケースでは、イベントをリッスンして Agent のライフサイクルを監視できます

import { Agent } from '@openai/agents';

const agent = new Agent({
  name: 'Verbose agent',
  instructions: 'Explain things thoroughly.',
});

agent.on('agent_start', (ctx, agent) => {
  console.log(`[${agent.name}] started`);
});
agent.on('agent_end', (ctx, output) => {
  console.log(`[agent] produced:`, output);
});

ガードレール

ガードレールにより、ユーザー入力やエージェント出力の検証や変換ができます。inputGuardrails と outputGuardrails 配列で設定します。詳細はガードレールを参照してください。

エージェントのクローン作成／コピー

既存のエージェントを少しだけ変更したバージョンが必要ですか？clone() メソッドを使用すると、完全に新しい Agent インスタンスが返されます。

import { Agent } from '@openai/agents';

const pirateAgent = new Agent({
  name: 'Pirate',
  instructions: 'Respond like a pirate – lots of “Arrr!”',
  model: 'o4-mini',
});

const robotAgent = pirateAgent.clone({
  name: 'Robot',
  instructions: 'Respond like a robot – be precise and factual.',
});

ツール使用の強制

ツールを提供しても、LLM が必ず呼び出すとは限りません。modelSettings.tool_choice でツール使用を強制できます。

'auto'（デフォルト） – ツールを使うかどうかを LLM が決定
'required' – LLM はツールを呼び出す 必要がある（どれを使うかは選べる）
'none' – LLM はツールを呼び出しては ならない
特定のツール名（例: 'calculator'）– そのツールを必ず呼び出す

import { Agent, tool } from '@openai/agents';
import { z } from 'zod';

const calculatorTool = tool({
  name: 'Calculator',
  description: 'Use this tool to answer questions about math problems.',
  parameters: z.object({ question: z.string() }),
  execute: async (input) => {
    throw new Error('TODO: implement this');
  },
});

const agent = new Agent({
  name: 'Strict tool user',
  instructions: 'Always answer using the calculator tool.',
  tools: [calculatorTool],
  modelSettings: { toolChoice: 'auto' },
});

無限ループの防止

ツール呼び出し後、SDK は自動的に tool_choice を 'auto' にリセットします。これにより、モデルがツールを繰り返し呼び出そうとして無限ループに陥るのを防ぎます。この動作は resetToolChoice フラグ、または toolUseBehavior の設定で上書きできます。

'run_llm_again'（デフォルト）– ツール結果を使って LLM を再実行
'stop_on_first_tool' – 最初のツール結果を最終回答として扱う
{ stopAtToolNames: ['my_tool'] } – 指定ツールのいずれかが呼ばれたら停止
(context, toolResults) => ... – 実行を終了すべきかを返すカスタム関数

const agent = new Agent({
  ...,
  toolUseBehavior: 'stop_on_first_tool',
});

次のステップ

エージェントの実行を学ぶ
ツール、ガードレール、モデルを掘り下げる
サイドバーの @openai/agents にある TypeDoc リファレンス全体を参照する