모델
모든 에이전트는 궁극적으로 LLM을 호출합니다. SDK는 두 가지 경량 인터페이스 뒤에 모델을 추상화합니다:
Model
– 특정 API에 대해 하나의 요청을 수행하는 방법을 알고 있습니다ModelProvider
– 사람이 읽을 수 있는 모델 이름(예:'gpt‑4o'
)을Model
인스턴스로 해석합니다
일상적인 작업에서는 일반적으로 모델 이름과 가끔 ModelSettings
만 사용합니다.
import { Agent } from '@openai/agents';
const agent = new Agent({ name: 'Creative writer', model: 'gpt-4.1',});
기본 모델
섹션 제목: “기본 모델”Agent
를 초기화할 때 모델을 지정하지 않으면 기본 모델이 사용됩니다. 현재 기본값은 에이전트 워크플로의 예측 가능성과 낮은 지연 시간의 균형이 좋은 gpt-4.1
입니다.
gpt-5
같은 다른 모델로 전환하려면, 에이전트를 구성하는 두 가지 방법이 있습니다.
먼저, 커스텀 모델을 설정하지 않은 모든 에이전트에 대해 특정 모델을 일관되게 사용하려면, 에이전트를 실행하기 전에 OPENAI_DEFAULT_MODEL
환경 변수를 설정하세요.
export OPENAI_DEFAULT_MODEL=gpt-5node my-awesome-agent.js
둘째, Runner
인스턴스에 기본 모델을 설정할 수 있습니다. 에이전트에 모델을 설정하지 않으면 이 Runner
의 기본 모델이 사용됩니다.
import { Runner } from '@openai/agents';
const runner = new Runner({ model: 'gpt‑4.1-mini' });
GPT-5 모델
섹션 제목: “GPT-5 모델”이 방식으로 GPT-5의 reasoning 모델(gpt-5
, gpt-5-mini
, gpt-5-nano
)을 사용할 때, SDK는 합리적인 기본 modelSettings
를 적용합니다. 구체적으로 reasoning.effort
와 verbosity
를 모두 "low"
로 설정합니다. 기본 모델의 reasoning effort를 조정하려면 사용자 지정 modelSettings
를 전달하세요:
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',});
더 낮은 지연 시간을 위해 gpt-5-mini
또는 gpt-5-nano
를 reasoning.effort="minimal"
과 함께 사용하면 기본 설정보다 빠르게 응답하는 경우가 많습니다. 다만 Responses API의 일부 내장 도구(예: 파일 검색 및 이미지 생성)는 "minimal"
reasoning effort를 지원하지 않으므로, 이 Agents SDK는 기본값을 "low"
로 둡니다.
비 GPT-5 모델
섹션 제목: “비 GPT-5 모델”커스텀 modelSettings
없이 비 GPT-5 모델 이름을 전달하면, SDK는 모든 모델과 호환되는 일반 modelSettings
로 되돌립니다.
OpenAI 프로바이더
섹션 제목: “OpenAI 프로바이더”기본 ModelProvider
는 OpenAI API를 사용하여 이름을 해석합니다. 두 가지 별도의 엔드포인트를 지원합니다:
API | 사용 | setOpenAIAPI() 호출 |
---|---|---|
Chat Completions | 표준 채팅 및 함수 호출 | setOpenAIAPI('chat_completions') |
Responses | 새로운 스트리밍 우선 생성 API(도구 호출, 유연한 출력) | setOpenAIAPI('responses') (default) |
import { setDefaultOpenAIKey } from '@openai/agents';
setDefaultOpenAIKey(process.env.OPENAI_API_KEY!); // sk-...
네트워킹 설정을 커스터마이즈해야 하는 경우 setDefaultOpenAIClient(client)
를 통해 자체 OpenAI
클라이언트를 연결할 수도 있습니다.
ModelSettings
섹션 제목: “ModelSettings”ModelSettings
는 OpenAI 매개변수를 반영하지만 제공자에 구애받지 않습니다.
필드 | 타입 | 비고 |
---|---|---|
temperature | number | 창의성 대 결정성 |
topP | number | 누클리어스 샘플링 |
frequencyPenalty | number | 반복 토큰 페널티 |
presencePenalty | number | 새로운 토큰 장려 |
toolChoice | 'auto' | 'required' | 'none' | string | 도구 사용 강제 참고 |
parallelToolCalls | boolean | 지원되는 곳에서 병렬 함수 호출 허용 |
truncation | 'auto' | 'disabled' | 토큰 절단 전략 |
maxTokens | number | 응답의 최대 토큰 수 |
store | boolean | 검색 / RAG 워크플로를 위해 응답을 저장 |
reasoning.effort | 'minimal' | 'low' | 'medium' | 'high' | gpt-5 등에서의 reasoning effort |
text.verbosity | 'low' | 'medium' | 'high' | gpt-5 등에서의 텍스트 verbosity |
설정은 두 수준 중 어느 곳에도 연결할 수 있습니다:
import { Runner, Agent } from '@openai/agents';
const agent = new Agent({ name: 'Creative writer', // ... modelSettings: { temperature: 0.7, toolChoice: 'auto' },});
// or globallynew Runner({ modelSettings: { temperature: 0.3 } });
Runner
수준의 설정은 충돌하는 에이전트별 설정을 무시합니다.
프롬프트
섹션 제목: “프롬프트”에이전트는 prompt
매개변수로 구성할 수 있으며, 이는 에이전트의 동작을 제어하는 데 사용해야 하는 서버 저장 프롬프트 구성을 나타냅니다. 현재 이 옵션은 OpenAI Responses API를 사용할 때만 지원됩니다.
필드 | 타입 | 비고 |
---|---|---|
promptId | string | 프롬프트의 고유 식별자 |
version | string | 사용하려는 프롬프트의 버전 |
variables | object | 프롬프트에 치환할 변수의 키/값 쌍. 값은 문자열 또는 텍스트, 이미지, 파일 같은 콘텐츠 입력 타입이 될 수 있습니다 |
import { Agent, run } from '@openai/agents';
async function main() { const agent = new Agent({ name: 'Assistant', prompt: { promptId: 'pmpt_684b3b772e648193b92404d7d0101d8a07f7a7903e519946', version: '1', variables: { poem_style: 'limerick', }, }, });
const result = await run(agent, 'Write about unrequited love.'); console.log(result.finalOutput);}
if (require.main === module) { main().catch(console.error);}
tools 또는 instructions와 같은 추가 에이전트 구성은 저장된 프롬프트에 구성해 둔 값을 재정의합니다.
커스텀 모델 제공자
섹션 제목: “커스텀 모델 제공자”자체 제공자를 구현하는 것은 간단합니다 – ModelProvider
와 Model
을 구현하고 제공자를 Runner
생성자에 전달하세요:
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);
트레이싱 익스포터
섹션 제목: “트레이싱 익스포터”OpenAI 프로바이더를 사용할 때 API 키를 제공하여 자동 트레이스 내보내기를 옵트인할 수 있습니다:
import { setTracingExportApiKey } from '@openai/agents';
setTracingExportApiKey('sk-...');
이는 트레이스를 OpenAI 대시보드로 전송하며, 워크플로의 전체 실행 그래프를 확인할 수 있습니다.