에이전트 실행

에이전트는 스스로 아무것도 하지 않습니다. Runner 클래스나 run() 유틸리티로 실행해야 합니다.

턴 실행, 이벤트 스트리밍, 대화 상태 관리를 하려면 에이전트 다음에 이 페이지를 읽어보세요. 아직 에이전트를 어떻게 정의할지 결정하는 단계라면 먼저 에이전트부터 시작하세요.

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

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

const result = await run(
  agent,
  'Write a haiku about recursion in programming.',
);
console.log(result.finalOutput);

// Code within the code,
// Functions calling themselves,
// Infinite loop's dance.

커스텀 runner가 필요하지 않다면, 싱글턴 기본 Runner 인스턴스를 실행하는 run() 유틸리티를 사용할 수도 있습니다.

또는 직접 runner 인스턴스를 만들 수도 있습니다:

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

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

// You can pass custom configuration to the runner
const runner = new Runner();

const result = await runner.run(
  agent,
  'Write a haiku about recursion in programming.',
);
console.log(result.finalOutput);

// Code within the code,
// Functions calling themselves,
// Infinite loop's dance.

에이전트를 실행하면 최종 출력과 실행의 전체 이력이 포함된 실행 결과 객체를 받게 됩니다.

Runner 수명 주기와 설정

에이전트 루프

Runner의 run 메서드를 사용할 때 시작 에이전트와 입력을 전달합니다. 입력은 문자열(사용자 메시지로 간주)일 수도 있고, OpenAI Responses API의 항목인 입력 항목 목록일 수도 있습니다.

그다음 runner는 다음과 같은 루프를 실행합니다:

현재 입력으로 현재 에이전트의 모델을 호출합니다
LLM 응답을 검사합니다
- 최종 출력 → 반환
- 핸드오프 → 새 에이전트로 전환하고, 누적된 대화 이력을 유지한 뒤, 1로 이동
- 도구 호출 → 도구를 실행하고, 결과를 대화에 추가한 뒤, 1로 이동
maxTurns가 null이 아닌 경우, maxTurns에 도달하면 MaxTurnsExceededError를 발생시킵니다

Runner 수명 주기

앱이 시작될 때 Runner를 생성하고 요청 간에 재사용하세요. 이 인스턴스에는 모델 provider나 트레이싱 옵션 같은 전역 설정이 저장됩니다. 완전히 다른 구성이 필요한 경우에만 다른 Runner를 만드세요. 간단한 스크립트에서는 내부적으로 기본 runner를 사용하는 run()을 호출해도 됩니다.

실행 인자

run() 메서드의 입력은 실행을 시작할 초기 에이전트, 실행 입력, 그리고 옵션 집합입니다.

입력은 문자열(사용자 메시지로 간주), 입력 항목 목록, 또는 휴먼 인 더 루프 (HITL) 에이전트를 구축하는 경우 RunState 객체일 수 있습니다.

추가 옵션은 다음과 같습니다:

Option	Default	Description
`stream`	`false`	`true`이면 호출이 `StreamedRunResult`를 반환하고 모델에서 도착하는 이벤트를 즉시 방출합니다.
`context`	–	모든 도구 / 가드레일 / 핸드오프로 전달되는 컨텍스트 객체입니다. 자세한 내용은 컨텍스트 관리 가이드를 참고하세요.
`maxTurns`	`10`	안전 제한값입니다. 도달하면 `MaxTurnsExceededError`를 발생시킵니다. 제한을 비활성화하려면 `null`을 전달하세요.
`signal`	–	취소를 위한 `AbortSignal`입니다.
`session`	–	세션 영속성 구현입니다. 세션 가이드를 참고하세요.
`sessionInputCallback`	–	세션 이력과 새 입력을 병합하는 커스텀 로직으로, 모델 호출 전에 실행됩니다. 세션을 참고하세요.
`callModelInputFilter`	–	모델 호출 직전에 모델 입력(항목 + 선택적 instructions)을 수정하는 hook입니다. 모델 입력 필터 호출을 참고하세요.
`toolErrorFormatter`	–	모델에 반환되는 도구 승인 거부 메시지를 커스터마이즈하는 hook입니다. 도구 오류 포매터를 참고하세요.
`reasoningItemIdPolicy`	–	이전 실행 항목을 다시 모델 입력으로 변환할 때 reasoning-item `id`를 유지할지 생략할지 제어합니다. Reasoning item ID 정책을 참고하세요.
`tracing`	–	실행별 트레이싱 설정 재정의입니다(예: export API key).
`sandbox`	–	`SandboxAgent` 실행을 위한 Sandbox 클라이언트, live session, session state, snapshot, manifest override 또는 동시성 제한입니다. 개념을 참고하세요.
`toolExecution`	–	로컬 도구 호출을 위한 SDK 측 실행 설정입니다. 동시에 실행할 함수 도구 수를 제한하려면 `toolExecution.maxFunctionToolConcurrency`를 사용하세요.
`errorHandlers`	–	지원되는 런타임 오류(현재는 `maxTurns`)를 처리하는 핸들러입니다. 오류 핸들러를 참고하세요.
`conversationId`	–	서버 측 대화를 재사용합니다(OpenAI Responses API + Conversations API 전용).
`previousResponseId`	–	대화를 생성하지 않고 이전 Responses API 호출에서 이어갑니다(OpenAI Responses API 전용).

스트리밍

스트리밍을 사용하면 LLM이 실행되는 동안 스트리밍 이벤트를 추가로 받을 수 있습니다. 스트림이 시작되면 StreamedRunResult에는 새로 생성된 모든 출력을 포함해 실행에 대한 완전한 정보가 들어 있습니다. for await 루프로 스트리밍 이벤트를 순회할 수 있습니다. 자세한 내용은 스트리밍 가이드를 참고하세요.

실행 설정

직접 Runner 인스턴스를 만드는 경우 runner를 설정하기 위해 RunConfig 객체를 전달할 수 있습니다.

Field	Type	Purpose
`model`	`string \| Model`	실행 내 모든 에이전트에 특정 모델을 강제로 사용합니다.
`modelProvider`	`ModelProvider`	모델 이름을 확인합니다. 기본값은 OpenAI provider입니다.
`modelSettings`	`ModelSettings`	에이전트별 설정을 덮어쓰는 전역 튜닝 매개변수입니다. opt-in 재시도 설정을 포함한 자세한 내용은 모델 가이드를 참고하세요.
`handoffInputFilter`	`HandoffInputFilter`	핸드오프 수행 시 입력 항목을 변경합니다(핸드오프 자체에 이미 정의된 것이 없는 경우).
`inputGuardrails`	`InputGuardrail[]`	초기 사용자 입력에 적용되는 가드레일입니다.
`outputGuardrails`	`OutputGuardrail[]`	최종 출력에 적용되는 가드레일입니다.
`tracingDisabled`	`boolean`	OpenAI 트레이싱을 완전히 비활성화합니다.
`traceIncludeSensitiveData`	`boolean`	span은 계속 방출하면서 트레이스에서는 LLM/도구 입력 및 출력을 제외합니다.
`workflowName`	`string`	Traces 대시보드에 표시되며 관련 실행을 그룹화하는 데 도움이 됩니다.
`traceId` / `groupId`	`string`	SDK가 생성하도록 두는 대신 trace 또는 group ID를 직접 지정합니다.
`traceMetadata`	`Record<string, string>`	모든 span에 첨부할 임의 메타데이터입니다.
`tracing`	`TracingConfig`	실행별 트레이싱 재정의입니다(예: export API key).
`sessionInputCallback`	`SessionInputCallback`	이 runner의 모든 실행에 대한 기본 이력 병합 전략입니다.
`callModelInputFilter`	`CallModelInputFilter`	각 모델 호출 전에 모델 입력을 수정하는 전역 hook입니다.
`toolErrorFormatter`	`ToolErrorFormatter`	모델에 반환되는 도구 승인 거부 메시지를 커스터마이즈하는 전역 hook입니다.
`reasoningItemIdPolicy`	`ReasoningItemIdPolicy`	생성된 항목을 이후 모델 호출에 다시 넣을 때 reasoning-item `id`를 유지하거나 생략하는 기본 정책입니다.
`sandbox`	`SandboxRunConfig`	`SandboxAgent` 실행을 위한 기본 sandbox 런타임 설정입니다.
`toolExecution`	`ToolExecutionConfig`	로컬 도구 호출을 위한 기본 SDK 측 실행 설정입니다. `maxFunctionToolConcurrency`는 각 턴의 로컬 함수 도구 동시성을 제한합니다. 설정하지 않거나 `null`이면 한 턴에서 생성된 모든 함수 도구 호출을 시작합니다.

toolExecution.maxFunctionToolConcurrency는 1 이상의 정수여야 합니다. 이 설정은 로컬 함수 도구의 SDK 측 실행만 제한합니다. provider 측 modelSettings.parallelToolCalls는 변경하지 않습니다.

상태 및 대화 관리

메모리 전략 선택

상태를 다음 턴으로 전달하는 일반적인 방법은 네 가지입니다:

Strategy	Where state lives	Best for	What you pass on the next turn
`result.history`	앱 메모리	작은 채팅 루프, 완전한 수동 제어, 모든 provider	`result.history`
`session`	저장소 + SDK	영구적인 채팅 상태, 재개 가능한 실행, 커스텀 저장소	동일한 `session` 인스턴스(또는 저장소 기반 인스턴스)
`conversationId`	OpenAI Conversations API	워커/서비스 간 공유되는 서버 측 상태	동일한 `conversationId`와 새 사용자 턴만
`previousResponseId`	OpenAI Responses API 전용	대화를 만들지 않는 가장 단순한 서버 관리형 이어가기	`result.lastResponseId`와 새 사용자 턴만

result.history와 session은 클라이언트 관리 방식입니다. conversationId와 previousResponseId는 OpenAI 관리 방식이며 OpenAI Responses API를 사용할 때만 적용됩니다. 대부분의 애플리케이션에서는 대화당 하나의 영속성 전략을 선택하세요. 의도적으로 두 계층을 조정하는 경우가 아니라면 클라이언트 관리형 이력과 서버 관리형 상태를 섞으면 컨텍스트가 중복될 수 있습니다.

Sandbox 에이전트는 여기에 상태 계층을 하나 더 추가합니다. 대화 이력에는 일반 SDK의 session, conversationId, previousResponseId를 사용하고, sandbox 파일 시스템 상태에는 sandbox.session, sandbox.sessionState, RunState, 또는 snapshot을 사용하세요. 워크스페이스 수명 주기는 개념을 참고하세요.

대화 / 채팅 스레드

runner.run()(또는 run() 유틸리티)의 각 호출은 애플리케이션 수준 대화에서 하나의 턴을 나타냅니다. RunResult 중 얼마를 최종 사용자에게 보여줄지는 직접 결정합니다. 어떤 경우에는 finalOutput만, 다른 경우에는 생성된 모든 항목을 보여줄 수 있습니다.

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

let thread: AgentInputItem[] = [];

const agent = new Agent({
  name: 'Assistant',
});

async function userSays(text: string) {
  const result = await run(
    agent,
    thread.concat({ role: 'user', content: text }),
  );

  thread = result.history; // Carry over history + newly generated items
  return result.finalOutput;
}

await userSays('What city is the Golden Gate Bridge in?');
// -> "San Francisco"

await userSays('What state is it in?');
// -> "California"

대화형 버전은 채팅 예제를 참고하세요.

서버 관리형 대화

매 턴마다 전체 로컬 대화 이력을 보내는 대신 OpenAI Responses API가 대화 이력을 대신 저장하도록 할 수 있습니다. 이는 긴 대화나 여러 서비스를 조율할 때 유용합니다. 아래의 두 서버 관리형 방식 모두에서 각 요청에는 새 턴의 입력만 전달하세요. API가 이전 상태를 재사용합니다. 자세한 내용은 Conversation state guide를 참고하세요.

OpenAI는 서버 측 상태를 재사용하는 두 가지 방법을 제공합니다:

1. 전체 대화에 대한 `conversationId`

Conversations API로 한 번 대화를 생성한 뒤, 모든 턴에서 해당 ID를 재사용할 수 있습니다. SDK는 새로 생성된 항목만 자동으로 포함합니다.

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

const agent = new Agent({
  name: 'Assistant',
  instructions: 'Reply very concisely.',
});

async function main() {
  // Create a server-managed conversation:
  const client = new OpenAI();
  const { id: conversationId } = await client.conversations.create({});

  const first = await run(agent, 'What city is the Golden Gate Bridge in?', {
    conversationId,
  });
  console.log(first.finalOutput);
  // -> "San Francisco"

  const second = await run(agent, 'What state is it in?', { conversationId });
  console.log(second.finalOutput);
  // -> "California"
}

main().catch(console.error);

2. 마지막 턴에서 이어가는 `previousResponseId`

처음부터 Responses API만 사용하고 싶다면 이전 응답에서 반환된 ID를 사용해 각 요청을 연결할 수 있습니다. 이렇게 하면 전체 대화 리소스를 만들지 않고도 턴 간 컨텍스트를 유지할 수 있습니다.

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

const agent = new Agent({
  name: 'Assistant',
  instructions: 'Reply very concisely.',
});

async function main() {
  const first = await run(agent, 'What city is the Golden Gate Bridge in?');
  console.log(first.finalOutput);
  // -> "San Francisco"

  const previousResponseId = first.lastResponseId;
  const second = await run(agent, 'What state is it in?', {
    previousResponseId,
  });
  console.log(second.finalOutput);
  // -> "California"
}

main().catch(console.error);

conversationId와 previousResponseId는 함께 사용할 수 없습니다. 여러 시스템 간에 공유할 수 있는 이름 있는 대화 리소스가 필요하면 conversationId를 사용하고, 한 응답에서 다음 응답으로 이어가는 가장 저렴한 SDK 수준 이어가기 기본 요소가 필요하면 previousResponseId를 사용하세요.

Hook과 사용자 지정

모델 입력 필터 호출

callModelInputFilter를 사용하면 모델이 호출되기 직전 에 모델 입력을 수정할 수 있습니다. 이 hook은 현재 에이전트, 컨텍스트, 그리고 결합된 입력 항목(세션 이력이 있으면 포함)을 받습니다. 민감한 데이터를 가리거나, 오래된 메시지를 제거하거나, 추가 시스템 지침을 삽입하려면 업데이트된 input 배열과 선택적 instructions를 반환하세요.

실행별로는 runner.run(..., { callModelInputFilter })에서 설정하거나, Runner 설정의 기본값(RunConfig의 callModelInputFilter)으로 설정할 수 있습니다.

반환값은 반드시 ModelInputData 객체여야 합니다: { input: AgentInputItem[], instructions? }. input 필드는 필수이며 배열이어야 합니다. 다른 형태를 반환하면 UserError가 발생합니다.

SDK는 필터를 호출하기 전에 준비된 턴 입력을 복제합니다. session도 함께 사용 중이라면 필터링된 복제본이 저장되므로 여기서 적용한 마스킹이나 잘라내기가 저장된 세션 이력에도 반영됩니다.

conversationId 또는 previousResponseId를 사용할 때 이 hook은 다음 Responses API 호출을 위해 준비된 payload에서 실행됩니다. 이전 서버 관리형 컨텍스트는 API가 복구하므로, 해당 호출의 필터링된 배열은 전체 이전 이력 재생이 아니라 새 턴의 변경분만 나타낼 수도 있습니다. 이 최종 필터 단계 전에 저장된 이력과 현재 턴의 병합 방식을 바꾸려면 sessionInputCallback을 사용하세요.

도구 오류 포매터

도구 호출이 거부되었을 때 모델로 다시 전송되는 승인 거부 메시지를 커스터마이즈하려면 toolErrorFormatter를 사용하세요. 이렇게 하면 SDK 기본 메시지 대신 도메인별 표현(예: 컴플라이언스 안내)을 반환할 수 있습니다.

포매터는 실행별(runner.run(..., { toolErrorFormatter })) 또는 전역(new Runner(...)의 RunConfig 안 toolErrorFormatter)으로 설정할 수 있습니다.

이 포매터는 승인 거부에 대한 전역 fallback입니다. 특정 인터럽션을 result.state.reject(interruption, { message: '...' })로 거부하면 호출별 message가 toolErrorFormatter보다 우선합니다. 둘 다 제공되지 않으면 SDK는 기본 거부 텍스트인 Tool execution was not approved.를 사용합니다.

이 포매터는 현재 approval_rejected 이벤트에서 실행되며 다음을 받습니다:

kind (현재는 항상 'approval_rejected')
toolType ('function', 'computer', 'shell', 또는 'apply_patch')
toolName
callId
defaultMessage (SDK fallback 메시지, 현재는 Tool execution was not approved.)
runContext

메시지를 덮어쓰려면 문자열을 반환하고, SDK 기본값을 유지하려면 undefined를 반환하세요. 포매터가 예외를 발생시키거나 문자열이 아닌 값을 반환하면 SDK는 경고를 기록하고 기본 승인 거부 메시지로 fallback합니다.

Reasoning item ID 정책

reasoningItemIdPolicy를 사용하면 SDK가 이전에 생성된 실행 항목을 이후 모델 입력용 AgentInputItem[]로 다시 변환할 때 reasoning 항목이 id 필드를 유지할지 제어할 수 있습니다.

이는 SDK가 생성된 모델 항목을 입력으로 다시 재생하는 다음과 같은 경우에 영향을 줍니다:

동일 실행 내 후속 모델 호출(예: 도구 실행 후)
생성된 항목을 입력/이력으로 재사용하는 후속 턴
저장된 RunState에서 재개한 실행
result.history / result.output 같은 파생 결과 뷰(모델 입력 형태의 배열)
'preserve' (기본값)는 reasoning-item ID를 유지합니다
'omit'는 입력으로 다시 보내기 전에 reasoning 항목에서 id 필드를 제거합니다
reasoning이 아닌 항목은 영향을 받지 않습니다

이 정책이 변경하지 않는 것은 다음과 같습니다:

원시 모델 응답(result.rawResponses)
실행 항목(result.newItems)
provider가 반환한 모델의 현재 턴 출력

즉, 이 정책은 SDK가 이전 생성 항목으로부터 다음 입력을 구성할 때 적용됩니다.

정책은 실행별(runner.run(..., { reasoningItemIdPolicy: 'omit' })) 또는 runner 기본값(new Runner({ reasoningItemIdPolicy: 'omit', ... }))으로 설정할 수 있습니다. 저장된 RunState에서 재개할 때는 재정의하지 않는 한 이전에 결정된 정책이 재사용됩니다.

`callModelInputFilter`와의 상호작용

reasoningItemIdPolicy는 callModelInputFilter보다 먼저 적용됩니다. 커스텀 동작이 필요하면 callModelInputFilter에서 준비된 입력을 검사한 뒤 모델 호출 전에 reasoning ID를 수동으로 다시 추가하거나 제거할 수 있습니다.

`'omit'`를 사용하는 경우

ID 없이 정규화된 재생 reasoning 항목을 원할 때 'omit'를 사용하세요(예: 전달/재생되는 모델 입력을 더 단순하게 유지하거나 앱 파이프라인의 통합 요구사항에 맞추기 위해).

또한 백엔드/provider가 재생된 reasoning 항목을 요청 검증 오류로 거부하는 경우 유용한 문제 해결 옵션이 될 수 있습니다(예: 후속 입력의 reasoning item ID와 관련된 HTTP 400 오류). 이런 경우 'omit'으로 재생 reasoning ID를 제거하면 백엔드가 새 요청에 대해 유효하지 않다고 간주하는 ID 전송을 피할 수 있습니다.

통합 환경에서 이를 허용하고 SDK가 재생 입력 전반에 reasoning-item ID를 유지하기를 원한다면 'preserve'를 유지하세요.

오류 및 복구

오류 핸들러

errorHandlers를 사용하면 지원되는 런타임 오류를 예외로 발생시키는 대신 최종 출력으로 변환할 수 있습니다. 지원되는 키는 maxTurns와 modelRefusal입니다.

errorHandlers.maxTurns는 최대 턴 오류만 처리합니다
errorHandlers.modelRefusal은 ModelRefusalError로 노출된 모델 거부를 처리합니다
errorHandlers.default는 지원되는 종류에 대한 fallback으로 사용됩니다
핸들러는 { error, context, runData }를 받고 { finalOutput, includeInHistory? }를 반환할 수 있습니다

예외

SDK는 잡아서 처리할 수 있는 소수의 오류를 발생시킵니다:

MaxTurnsExceededError – maxTurns 도달
ModelBehaviorError – 모델이 잘못된 출력을 생성함(예: 잘못된 JSON, 알 수 없는 도구)
ModelRefusalError – 모델이 요청된 출력 생성을 거부함
InputGuardrailTripwireTriggered / OutputGuardrailTripwireTriggered – 가드레일 위반
ToolInputGuardrailTripwireTriggered / ToolOutputGuardrailTripwireTriggered – 도구 가드레일 위반
GuardrailExecutionError – 가드레일이 완료되지 못함
ToolTimeoutError – 함수 도구가 timeoutMs를 초과했고 timeoutBehavior: 'raise_exception'을 사용함
ToolCallError – timeout 이외의 오류로 함수 도구 실행 실패
UserError – 설정 또는 사용자 입력에 따라 발생하는 모든 오류

이들은 모두 기본 AgentsError 클래스를 확장하며, 현재 실행 상태에 접근하기 위한 state 속성을 제공할 수 있습니다.

다음은 GuardrailExecutionError를 처리하는 코드 예제입니다. 입력 가드레일은 첫 번째 사용자 입력에서만 실행되므로, 예제에서는 원래 입력과 컨텍스트로 실행을 다시 시작합니다. 또한 모델을 다시 호출하지 않고 출력 가드레일을 재시도하기 위해 저장된 상태를 재사용하는 방법도 보여줍니다:

import {
  Agent,
  GuardrailExecutionError,
  InputGuardrail,
  InputGuardrailTripwireTriggered,
  OutputGuardrail,
  OutputGuardrailTripwireTriggered,
  run,
} from '@openai/agents';
import { z } from 'zod';

// Shared guardrail agent to avoid re-creating it on every fallback run.
const guardrailAgent = new Agent({
  name: 'Guardrail check',
  instructions: 'Check if the user is asking you to do their math homework.',
  outputType: z.object({
    isMathHomework: z.boolean(),
    reasoning: z.string(),
  }),
});

async function main() {
  const input = 'Hello, can you help me solve for x: 2x + 3 = 11?';
  const context = { customerId: '12345' };

  // Input guardrail example

  const unstableInputGuardrail: InputGuardrail = {
    name: 'Math Homework Guardrail (unstable)',
    execute: async () => {
      throw new Error('Something is wrong!');
    },
  };

  const fallbackInputGuardrail: InputGuardrail = {
    name: 'Math Homework Guardrail (fallback)',
    execute: async ({ input, context }) => {
      const result = await run(guardrailAgent, input, { context });
      const isMathHomework =
        result.finalOutput?.isMathHomework ??
        /solve for x|math homework/i.test(JSON.stringify(input));
      return {
        outputInfo: result.finalOutput,
        tripwireTriggered: isMathHomework,
      };
    },
  };

  const agent = new Agent({
    name: 'Customer support agent',
    instructions:
      'You are a customer support agent. You help customers with their questions.',
    inputGuardrails: [unstableInputGuardrail],
  });

  try {
    // Input guardrails only run on the first turn of a run, so retries must start a fresh run.
    await run(agent, input, { context });
  } catch (e) {
    if (e instanceof GuardrailExecutionError) {
      console.error(`Guardrail execution failed (input): ${e}`);
      try {
        agent.inputGuardrails = [fallbackInputGuardrail];
        // Retry from scratch with the original input and context.
        await run(agent, input, { context });
      } catch (ee) {
        if (ee instanceof InputGuardrailTripwireTriggered) {
          console.log('Math homework input guardrail tripped on retry');
        } else {
          throw ee;
        }
      }
    } else {
      throw e;
    }
  }

  // Output guardrail example

  const replyOutputSchema = z.object({ reply: z.string() });

  const unstableOutputGuardrail: OutputGuardrail<typeof replyOutputSchema> = {
    name: 'Answer review (unstable)',
    execute: async () => {
      throw new Error('Output guardrail crashed.');
    },
  };

  const fallbackOutputGuardrail: OutputGuardrail<typeof replyOutputSchema> = {
    name: 'Answer review (fallback)',
    execute: async ({ agentOutput }) => {
      const outputText =
        typeof agentOutput === 'string'
          ? agentOutput
          : (agentOutput?.reply ?? JSON.stringify(agentOutput));
      const flagged = /math homework|solve for x|x =/i.test(outputText);
      return {
        outputInfo: { flaggedOutput: outputText },
        tripwireTriggered: flagged,
      };
    },
  };

  const agent2 = new Agent<unknown, typeof replyOutputSchema>({
    name: 'Customer support agent (output check)',
    instructions: 'You are a customer support agent. Answer briefly.',
    outputType: replyOutputSchema,
    outputGuardrails: [unstableOutputGuardrail],
  });

  try {
    await run(agent2, input, { context });
  } catch (e) {
    if (e instanceof GuardrailExecutionError && e.state) {
      console.error(`Guardrail execution failed (output): ${e}`);
      try {
        agent2.outputGuardrails = [fallbackOutputGuardrail];
        // Output guardrails can be retried using the saved state without another model call.
        await run(agent2, e.state);
      } catch (ee) {
        if (ee instanceof OutputGuardrailTripwireTriggered) {
          console.log('Output guardrail tripped after retry with saved state');
        } else {
          throw ee;
        }
      }
    } else {
      throw e;
    }
  }
}

main().catch(console.error);

입력 재시도 vs. 출력 재시도:

입력 가드레일은 실행의 첫 번째 사용자 입력에서만 실행되므로 재시도하려면 동일한 입력/컨텍스트로 새 실행을 시작해야 합니다. 저장된 state를 전달해도 입력 가드레일은 다시 트리거되지 않습니다
출력 가드레일은 모델 응답 후에 실행되므로 GuardrailExecutionError의 저장된 state를 재사용하여 모델을 다시 호출하지 않고 출력 가드레일을 다시 실행할 수 있습니다

위 예제를 실행하면 다음 출력이 표시됩니다:

Guardrail execution failed (input): Error: Input guardrail failed to complete: Error: Something is wrong!
Math homework input guardrail tripped on retry
Guardrail execution failed (output): Error: Output guardrail failed to complete: Error: Output guardrail crashed.
Output guardrail tripped after retry with saved state