モデル

最終的にすべてのエージェントは LLM を呼び出します。SDK はモデルを 2 つの軽量なインターフェースの背後に抽象化します。

• Model – 特定の API に対して1 回のリクエストを行う方法を知っています
• ModelProvider – 人間が読めるモデルの名前（例: 'gpt‑4o'）を Model インスタンスに解決します

日々の作業では通常、モデルの名前と、場合によっては ModelSettings のみを扱います。

エージェントごとのモデル指定

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

const agent = new Agent({
  name: 'Creative writer',
  model: 'gpt-4.1',
});

既定のモデル

Agent を初期化するときにモデルを指定しない場合、既定のモデルが使用されます。現在の既定は gpt-4.1 で、エージェントワークフローにおける予測可能性と低レイテンシのバランスに優れています。

gpt-5 など他のモデルに切り替えたい場合、エージェントを構成する方法は 2 つあります。

まず、カスタムモデルを設定していないすべてのエージェントで特定のモデルを一貫して使用したい場合は、エージェントを実行する前に OPENAI_DEFAULT_MODEL 環境変数を設定します。

export OPENAI_DEFAULT_MODEL=gpt-5
node my-awesome-agent.js

次に、Runner インスタンスに既定のモデルを設定できます。エージェントにモデルを設定しない場合は、この Runner の既定モデルが使用されます。

Runner の既定モデルを設定

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

const runner = new Runner({ model: 'gpt‑4.1-mini' });

GPT-5 モデル

この方法で GPT-5 の推論モデル（gpt-5、gpt-5-mini、または gpt-5-nano）を使用すると、SDK はデフォルトで妥当な modelSettings を適用します。具体的には、reasoning.effort と verbosity の両方を "low" に設定します。既定モデルの推論負荷を調整するには、独自の modelSettings を渡してください。

GPT-5 の既定設定をカスタマイズ

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

const myAgent = new Agent({
  name: 'My Agent',
  instructions: "You're a helpful agent.",
  modelSettings: {
    reasoning: { effort: 'minimal' },
    text: { verbosity: 'low' },
  },
  // If OPENAI_DEFAULT_MODEL=gpt-5 is set, passing only modelSettings works.
  // It's also fine to pass a GPT-5 model name explicitly:
  // model: 'gpt-5',
});

より低レイテンシにするには、gpt-5-mini または gpt-5-nano を reasoning.effort="minimal" とともに使用することで、既定設定より高速に応答が返ることが多いです。ただし、Responses API の一部の組み込みツール（ファイル検索や画像生成など）は "minimal" の推論負荷をサポートしていないため、この Agents SDK では既定値を "low" にしています。

非 GPT-5 モデル

カスタム modelSettings なしで GPT-5 以外のモデル名を渡した場合、SDK はあらゆるモデルと互換性のある汎用的な modelSettings にフォールバックします。

---

OpenAI プロバイダー

既定の ModelProvider は OpenAI API を使って名前を解決します。次の 2 つの明確に異なるエンドポイントをサポートします。

API	用途	setOpenAIAPI() の呼び出し
Chat Completions	標準的なチャット & 関数呼び出し	setOpenAIAPI('chat_completions')
Responses	ツール呼び出しや柔軟な出力に対応した新しいストリーミング優先の生成 API	setOpenAIAPI('responses') (既定)

認証

既定の OpenAI キーを設定

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

setDefaultOpenAIKey(process.env.OPENAI_API_KEY!); // sk-...

ネットワーク設定をカスタムにする必要がある場合は、setDefaultOpenAIClient(client) で独自の OpenAI クライアントを差し込むこともできます。

---

ModelSettings

ModelSettings は OpenAI のパラメーターを反映しつつ、プロバイダーに依存しません。

フィールド	型	注記
temperature	number	クリエイティビティと決定性のバランス
topP	number	nucleus サンプリング
frequencyPenalty	number	繰り返し出現するトークンにペナルティを課す
presencePenalty	number	新しいトークンの出現を促す
toolChoice	'auto' | 'required' | 'none' | string	ツール使用の強制 を参照
parallelToolCalls	boolean	対応している場合に関数呼び出しの並列実行を許可
truncation	'auto' | 'disabled'	トークン切り詰め戦略
maxTokens	number	応答内の最大トークン数
store	boolean	応答を永続化して取得や RAG ワークフローに利用
reasoning.effort	'minimal' | 'low' | 'medium' | 'high'	gpt-5 などの推論負荷
text.verbosity	'low' | 'medium' | 'high'	gpt-5 などのテキスト冗長度

設定はどちらのレベルにも付与できます。

モデル設定

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

const agent = new Agent({
  name: 'Creative writer',
  // ...
  modelSettings: { temperature: 0.7, toolChoice: 'auto' },
});

// or globally
new Runner({ modelSettings: { temperature: 0.3 } });

Runner レベルの設定は、競合するエージェント単位の設定を上書きします。

---

プロンプト

エージェントは prompt パラメーターで構成できます。これは、エージェントの挙動を制御するために使用すべき サーバー保存のプロンプト構成を示します。現在、このオプションは OpenAI の Responses API を使用する場合にのみサポートされています。

フィールド	型	注記
promptId	string	プロンプトの一意識別子
version	string	使用したいプロンプトのバージョン
variables	object	プロンプトに代入する変数のキー/値ペア。値は文字列またはテキスト、画像、ファイルなどのコンテンツ入力タイプが使用可能

プロンプト付きエージェント

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

async function main() {
  const agent = new Agent({
    name: 'Assistant',
    prompt: {
      promptId: 'pmpt_68d50b26524c81958c1425070180b5e10ab840669e470fc7',
      variables: { name: 'Kaz' },
    },
  });

  const result = await run(agent, 'What is your name?');
  console.log(result.finalOutput);
}

main().catch((error) => {
  console.error(error);
  process.exit(1);
});

tools や instructions などの追加のエージェント設定は、保存済みプロンプトで構成した値を上書きします。

---

カスタムモデルプロバイダー

独自のプロバイダーの実装は簡単です。ModelProvider と Model を実装し、プロバイダーを Runner のコンストラクターに渡します。

最小のカスタムプロバイダー

import {
  ModelProvider,
  Model,
  ModelRequest,
  ModelResponse,
  ResponseStreamEvent,
} from '@openai/agents-core';

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

class EchoModel implements Model {
  name: string;
  constructor() {
    this.name = 'Echo';
  }
  async getResponse(request: ModelRequest): Promise<ModelResponse> {
    return {
      usage: {},
      output: [{ role: 'assistant', content: request.input as string }],
    } as any;
  }
  async *getStreamedResponse(
    _request: ModelRequest,
  ): AsyncIterable<ResponseStreamEvent> {
    yield {
      type: 'response.completed',
      response: { output: [], usage: {} },
    } as any;
  }
}

class EchoProvider implements ModelProvider {
  getModel(_modelName?: string): Promise<Model> | Model {
    return new EchoModel();
  }
}

const runner = new Runner({ modelProvider: new EchoProvider() });
console.log(runner.config.modelProvider.getModel());
const agent = new Agent({
  name: 'Test Agent',
  instructions: 'You are a helpful assistant.',
  model: new EchoModel(),
  modelSettings: { temperature: 0.7, toolChoice: 'auto' },
});
console.log(agent.model);

---

トレーシングエクスポーター

OpenAI プロバイダー使用時、API キーを指定することで自動トレースエクスポートをオプトインできます。

トレーシングエクスポーター

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

setTracingExportApiKey('sk-...');

これによりトレースが OpenAI ダッシュボード に送信され、ワークフローの完全な実行グラフを確認できます。

---

次のステップ

• エージェントの実行 を探索
• ツール でモデルに強力な機能を付与
• 必要に応じて ガードレール や トレーシング を追加