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、次の設定をもつ大規模言語モデル（LLM）です。

Instructions – モデルに対して 自分は誰か、どのように応答すべきか を指示するシステムプロンプト
Model – 呼び出す OpenAI モデル名と、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 が呼び出せる関数または API の一覧

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

const agent = new Agent({
  name: 'Haiku Agent',
  instructions: 'Always respond in haiku form.',
  model: 'gpt-5-nano', // optional – falls back to the default model
});

このページでは、Agent の各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 1 つ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	システムプロンプト（文字列または関数 – Dynamic instructions を参照）
`handoffDescription`	no	このエージェントがハンドオフツールとして提供される際に使われる短い説明
`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）。トップレベルにないプロパティは `providerData` に含められます
`tools`	no	モデルが呼び出せる `Tool` の配列
`mcpServers`	no	エージェントにツールを提供する MCP サーバー。詳しくは MCP 連携を参照
`resetToolChoice`	no	ツール呼び出し後に `tool_choice` をデフォルトへリセット（デフォルト: `true`）。ツール使用のループを防ぎます。Forcing tool use を参照

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: 'gpt-4.1',
  tools: [getWeather],
});

コンテキスト

エージェントは コンテキスト型に対してジェネリック（例: Agent<TContext, TOutput>）です。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、ハンドオフなどへ転送され、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、フラグなど）を提供するのに便利です。

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

既定では、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 互換スキーマオブジェクト

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 が指定されると、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設計パターン

エージェントを組み合わせる方法はいくつもあります。プロダクションアプリでよく見られるのは次の 2 つです。

Manager (agents as tools) – 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専門エージェントを呼び出す
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ら、会話全体を専門家に委譲する

これらの手法は補完的です。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単一タスクに集中できます。

Manager (agents as tools)

このパターンではマネージャーは制御を渡しません。LLM がツールを使い、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用エージェントがリクエストを振り分け、いったんハンドオフが起きると専門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が短くなり、各エージェントを個別に考えられます。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.`.trimStart(),
  handoffs: [bookingAgent, refundAgent],
});

動的 instructions

instructions は文字列の代わりに関数にできます。この関数は現在の 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観察できます。利用可能な内容は、こちらに記載のエージェントフックのイベント名を参照してください。

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

ガードレールは、ユーザー入力とエージェント出力の検証や変換を行えます。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/コピー

既存のエージェントを少しだけ変えたい場合は、clone() メソッドを使います。これは完全に新しい Agent インスタンスを返します。

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

const pirateAgent = new Agent({
  name: 'Pirate',
  instructions: 'Respond like a pirate – lots of “Arrr!”',
  model: 'gpt-5-mini',
});

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

ツール使用の強制

ツールを用意しても、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 が判断
'required' – LLM は必ずツールを呼び出す（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'）– LLM は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す無限ループを防ぎます。この挙動は 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) => ... – 実行終了可否を返すカスタム関数

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

注: toolUseBehavior は 関数ツール にのみ適用されます。組み込みツール（Hosted）は常に処理のためにモデルへ戻ります。

次のステップ

エージェントの実行の方法を学ぶ
ツール、ガードレール、モデルを深掘りする
サイドバーの @openai/agents 配下で完全な TypeDoc リファレンスを参照する