クイックスタート

プロジェクトの作成

このクイックスタートでは、ブラウザで使える音声エージェントを作成します。新しいプロジェクトを試す場合は、Next.js や Vite を利用できます。
Terminal window
```
npm create vite@latest my-project -- --template vanilla-ts
```
Agents SDK をインストール（Zod v4 が必要）
Terminal window
```
npm install @openai/agents zod
```
代わりにスタンドアロンのブラウザ用パッケージである @openai/agents-realtime をインストールすることもできます。
クライアントの一時トークンを生成

このアプリケーションはユーザーのブラウザで動作するため、Realtime API を通じてモデルに安全に接続する必要があります。そのために、バックエンドサーバーで生成すべき ephemeral client key を使用できます。テスト目的であれば、curl と通常の OpenAI API キーを使ってキーを生成することも可能です。
Terminal window
```
export OPENAI_API_KEY="sk-proj-...(your own key here)"
curl -X POST https://api.openai.com/v1/realtime/client_secrets \
   -H "Authorization: Bearer $OPENAI_API_KEY" \
   -H "Content-Type: application/json" \
   -d '{
     "session": {
       "type": "realtime",
       "model": "gpt-realtime"
     }
   }'
```
レスポンスにはトップレベルに “value” 文字列が含まれ、“ek_” プレフィックスで始まります。この一時キーを使って後で WebRTC 接続を確立できます。なお、このキーの有効期間は短いため、再生成が必要です。

最初のエージェントを作成

新しい RealtimeAgent の作成は、通常の Agent の作成と非常によく似ています。

import { RealtimeAgent } from '@openai/agents/realtime';

const agent = new RealtimeAgent({
  name: 'Assistant',
  instructions: 'You are a helpful assistant.',
});

セッションの作成

通常のエージェントと違い、Voice Agent は RealtimeSession 内で継続的に稼働し、時間をかけてモデルとの会話と接続を処理します。このセッションは、音声処理や中断、その他多くのライフサイクル機能も扱います。これらについては後ほど説明します。
```
import { RealtimeSession } from '@openai/agents/realtime';

const session = new RealtimeSession(agent, {
  model: 'gpt-realtime',
});
```
RealtimeSession のコンストラクターは最初の引数として agent を受け取ります。このエージェントがユーザーが最初に対話できるエージェントになります。
セッションに接続

セッションに接続するには、先ほど生成したクライアントの一時トークンを渡します。
```
await session.connect({ apiKey: 'ek_...(put your own key here)' });
```
これにより、ブラウザで WebRTC を使って Realtime API に接続し、音声の入出力用にマイクとスピーカーを自動的に構成します。RealtimeSession をバックエンドサーバー（たとえば Node.js）で実行している場合、SDK は自動的に接続として WebSocket を使用します。異なるトランスポート層の詳細は、リアルタイムトランスポートガイドをご覧ください。

すべてをまとめる

import { RealtimeAgent, RealtimeSession } from '@openai/agents/realtime';

export async function setupCounter(element: HTMLButtonElement) {
  // ....
  // for quickly start, you can append the following code to the auto-generated TS code

  const agent = new RealtimeAgent({
    name: 'Assistant',
    instructions: 'You are a helpful assistant.',
  });
  const session = new RealtimeSession(agent);
  // Automatically connects your microphone and audio output in the browser via WebRTC.
  try {
    await session.connect({
      // To get this ephemeral key string, you can run the following command or implement the equivalent on the server side:
      // curl -s -X POST https://api.openai.com/v1/realtime/client_secrets -H "Authorization: Bearer $OPENAI_API_KEY" -H "Content-Type: application/json" -d '{"session": {"type": "realtime", "model": "gpt-realtime"}}' | jq .value
      apiKey: 'ek_...(put your own key here)',
    });
    console.log('You are connected!');
  } catch (e) {
    console.error(e);
  }
}

エンジンを起動して話してみる

Web サーバーを起動し、新しい Realtime Agent のコードを含むページに移動します。マイクアクセスの許可を求めるリクエストが表示されるはずです。アクセスを許可すると、エージェントに話しかけられるようになります。
Terminal window
```
npm run dev
```

次のステップ

ここからは、独自の音声エージェントの設計と構築を始められます。音声エージェントは通常のエージェントと多くの共通機能を持ちつつ、独自の機能も備えています。

音声エージェントに以下を追加する方法を学ぶ
さまざまなトランスポート層についてさらに学ぶ