세션

세션은 Agents SDK에 지속 메모리 계층을 제공합니다. Session 인터페이스를 구현한 어떤 객체든 Runner.run에 제공하면, SDK가 나머지를 처리합니다. 세션이 있으면 러너는 자동으로 다음을 수행합니다:

1. 이전에 저장된 대화 항목을 가져와 다음 턴 앞에 붙입니다.
2. 각 실행이 완료된 후 새로운 사용자 입력과 어시스턴트 출력을 저장합니다.
3. 새 사용자 텍스트로 러너를 호출하든 인터럽션(중단 처리)된 RunState에서 재개하든, 향후 턴을 위해 세션을 유지합니다.

이로써 수동으로 toInputList()를 호출하거나 턴 사이의 히스토리를 잇는 작업이 필요 없습니다. TypeScript SDK에는 Conversations API용 OpenAIConversationsSession과 로컬 개발을 위한 MemorySession 두 가지 구현이 포함되어 있습니다. 둘 다 Session 인터페이스를 공유하므로, 자체 스토리지 백엔드를 연결할 수 있습니다. Conversations API 외의 영감을 얻으려면 examples/memory/의 샘플 세션 백엔드(Prisma, 파일 기반 등)를 참고하세요. OpenAI Responses 모델을 사용할 때는 어떤 세션이든 OpenAIResponsesCompactionSession으로 감싸 responses.compact를 통해 저장된 대본을 자동으로 축소하세요.

팁: 이 문서의 OpenAIConversationsSession 예제를 실행하려면 OPENAI_API_KEY 환경 변수를 설정하세요(또는 세션을 생성할 때 apiKey를 제공). 그러면 SDK가 Conversations API를 호출할 수 있습니다.

---

빠른 시작

OpenAIConversationsSession을 사용해 Conversations API와 메모리를 동기화하거나, 다른 어떤 Session 구현으로 교체하세요.

Conversations API를 세션 메모리로 사용

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

const agent = new Agent({
  name: 'TourGuide',
  instructions: 'Answer with compact travel facts.',
});

// Any object that implements the Session interface works here. This example uses
// the built-in OpenAIConversationsSession, but you can swap in a custom Session.
const session = new OpenAIConversationsSession();

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

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

동일한 세션 인스턴스를 재사용하면 매 턴마다 에이전트가 전체 대화 히스토리를 받고 새로운 항목을 자동으로 저장합니다. 다른 Session 구현으로 전환하더라도 추가 코드 변경은 필요 없습니다.

---

러너의 세션 사용 방식

• 각 실행 전 세션 히스토리를 가져와 새 턴의 입력과 병합하고, 결합된 목록을 에이전트에 전달합니다
• 비스트리밍 실행 후 한 번의 session.addItems() 호출로 최신 턴의 원본 사용자 입력과 모델 출력을 모두 저장합니다
• 스트리밍 실행의 경우 먼저 사용자 입력을 기록하고, 턴이 완료되면 스트리밍된 출력을 추가합니다
• RunResult.state에서 재개할 때(승인 또는 기타 인터럽션) 동일한 session을 계속 전달하세요. 재개된 턴은 입력을 다시 준비하지 않고 메모리에 추가됩니다

---

히스토리 검사 및 편집

세션은 간단한 CRUD 도우미를 제공하므로 “되돌리기”, “채팅 지우기” 또는 감사 기능을 만들 수 있습니다.

저장된 항목 읽기 및 편집

import { OpenAIConversationsSession } from '@openai/agents';
import type { AgentInputItem } from '@openai/agents-core';

// Replace OpenAIConversationsSession with any other Session implementation that
// supports get/add/pop/clear if you store history elsewhere.
const session = new OpenAIConversationsSession({
  conversationId: 'conv_123', // Resume an existing conversation if you have one.
});

const history = await session.getItems();
console.log(`Loaded ${history.length} prior items.`);

const followUp: AgentInputItem[] = [
  {
    type: 'message',
    role: 'user',
    content: [{ type: 'input_text', text: 'Let’s continue later.' }],
  },
];
await session.addItems(followUp);

const undone = await session.popItem();

if (undone?.type === 'message') {
  console.log(undone.role); // "user"
}

await session.clearSession();

session.getItems()는 저장된 AgentInputItem[]를 반환합니다. popItem()을 호출해 마지막 항목을 제거할 수 있습니다. 에이전트를 다시 실행하기 전 사용자 수정에 유용합니다.

---

스토리지 직접 사용

Session 인터페이스를 구현해 Redis, DynamoDB, SQLite 또는 다른 데이터스토어로 메모리를 지원하세요. 필요한 것은 비동기 메서드 다섯 개뿐입니다.

커스텀 인메모리 세션 구현

import { Agent, run } from '@openai/agents';
import { randomUUID } from '@openai/agents-core/_shims';
import { logger, Logger } from '@openai/agents-core/dist/logger';
import type { AgentInputItem, Session } from '@openai/agents-core';

/**
 * Minimal example of a Session implementation; swap this class for any storage-backed version.
 */
export class CustomMemorySession implements Session {
  private readonly sessionId: string;
  private readonly logger: Logger;

  private items: AgentInputItem[];

  constructor(
    options: {
      sessionId?: string;
      initialItems?: AgentInputItem[];
      logger?: Logger;
    } = {},
  ) {
    this.sessionId = options.sessionId ?? randomUUID();
    this.items = options.initialItems
      ? options.initialItems.map(cloneAgentItem)
      : [];
    this.logger = options.logger ?? logger;
  }

  async getSessionId(): Promise<string> {
    return this.sessionId;
  }

  async getItems(limit?: number): Promise<AgentInputItem[]> {
    if (limit === undefined) {
      const cloned = this.items.map(cloneAgentItem);
      this.logger.debug(
        `Getting items from memory session (${this.sessionId}): ${JSON.stringify(cloned)}`,
      );
      return cloned;
    }
    if (limit <= 0) {
      return [];
    }
    const start = Math.max(this.items.length - limit, 0);
    const items = this.items.slice(start).map(cloneAgentItem);
    this.logger.debug(
      `Getting items from memory session (${this.sessionId}): ${JSON.stringify(items)}`,
    );
    return items;
  }

  async addItems(items: AgentInputItem[]): Promise<void> {
    if (items.length === 0) {
      return;
    }
    const cloned = items.map(cloneAgentItem);
    this.logger.debug(
      `Adding items to memory session (${this.sessionId}): ${JSON.stringify(cloned)}`,
    );
    this.items = [...this.items, ...cloned];
  }

  async popItem(): Promise<AgentInputItem | undefined> {
    if (this.items.length === 0) {
      return undefined;
    }
    const item = this.items[this.items.length - 1];
    const cloned = cloneAgentItem(item);
    this.logger.debug(
      `Popping item from memory session (${this.sessionId}): ${JSON.stringify(cloned)}`,
    );
    this.items = this.items.slice(0, -1);
    return cloned;
  }

  async clearSession(): Promise<void> {
    this.logger.debug(`Clearing memory session (${this.sessionId})`);
    this.items = [];
  }
}

function cloneAgentItem<T extends AgentInputItem>(item: T): T {
  return structuredClone(item);
}

const agent = new Agent({
  name: 'MemoryDemo',
  instructions: 'Remember the running total.',
});

// Using the above custom memory session implementation here
const session = new CustomMemorySession({
  sessionId: 'session-123-4567',
});

const first = await run(agent, 'Add 3 to the total.', { session });
console.log(first.finalOutput);

const second = await run(agent, 'Add 4 more.', { session });
console.log(second.finalOutput);

커스텀 세션을 사용하면 보존 정책을 적용하고, 암호화를 추가하며, 저장 전에 각 대화 턴에 메타데이터를 첨부할 수 있습니다.

---

히스토리와 신규 항목의 병합 방식 제어

실행 입력으로 AgentInputItem 배열을 전달할 때 sessionInputCallback을 제공해 저장된 히스토리와의 병합을 결정적으로 수행하세요. 러너는 기존 히스토리를 로드하고, 모델 호출 전에 콜백을 호출하며, 반환된 배열을 해당 턴의 완전한 입력으로 모델에 전달합니다. 이 훅은 오래된 항목을 잘라내거나, 도구 결과를 중복 제거하거나, 모델이 보길 원하는 컨텍스트만 강조하는 데 적합합니다.

sessionInputCallback으로 히스토리 절단

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

const agent = new Agent({
  name: 'Planner',
  instructions: 'Track outstanding tasks before responding.',
});

// Any Session implementation can be passed here; customize storage as needed.
const session = new OpenAIConversationsSession();

const todoUpdate: AgentInputItem[] = [
  {
    type: 'message',
    role: 'user',
    content: [
      { type: 'input_text', text: 'Add booking a hotel to my todo list.' },
    ],
  },
];

await run(agent, todoUpdate, {
  session,
  // function that combines session history with new input items before the model call
  sessionInputCallback: (history, newItems) => {
    const recentHistory = history.slice(-8);
    return [...recentHistory, ...newItems];
  },
});

문자열 입력의 경우 러너가 히스토리를 자동으로 병합하므로 콜백은 선택 사항입니다.

---

승인 및 재개 가능한 실행 처리

휴먼인더루프 (HITL) 플로우는 종종 승인을 기다리기 위해 실행을 일시 중지합니다:

const result = await runner.run(agent, 'Search the itinerary', {
  session,
  stream: true,
});

if (result.requiresApproval) {
  // ... collect user feedback, then resume the agent in a later turn
  const continuation = await runner.run(agent, result.state, { session });
  console.log(continuation.finalOutput);
}

이전 RunState에서 재개하면 단일 대화 히스토리를 보존하기 위해 새 턴이 동일한 메모리 레코드에 추가됩니다. 휴먼인더루프 (HITL) 플로우는 완전히 호환됩니다—승인 체크포인트는 계속 RunState를 통해 라운드트립되고, 세션은 대본을 완전하게 유지합니다.

---

OpenAI Responses 히스토리 자동 압축

OpenAIResponsesCompactionSession은 어떤 Session이든 데코레이트하며 OpenAI Responses API에 의존해 대본을 짧게 유지합니다. 각 턴이 저장된 후 러너는 최신 responseId를 runCompaction에 전달하고, 의사결정 훅이 true를 반환하면 responses.compact를 호출합니다. 기본 트리거는 비사용자 항목이 최소 10개 누적되면 압축을 수행합니다. shouldTriggerCompaction을 재정의해 토큰 수나 커스텀 휴리스틱에 기반해 결정을 내리세요. 데코레이터는 압축된 출력으로 기반 세션을 지우고 다시 작성하므로, 서버가 관리하는 다른 히스토리 플로우를 사용하는 OpenAIConversationsSession과의 조합은 피하세요.

OpenAIResponsesCompactionSession으로 세션 데코레이션

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

const agent = new Agent({
  name: 'Support',
  instructions: 'Answer briefly and keep track of prior context.',
  model: 'gpt-5.2',
});

// Wrap any Session to trigger responses.compact once history grows beyond your threshold.
const session = new OpenAIResponsesCompactionSession({
  // You can pass any Session implementation except OpenAIConversationsSession
  underlyingSession: new MemorySession(),
  // (optional) The model used for calling responses.compact API
  model: 'gpt-5.2',
  // (optional) your custom logic here
  shouldTriggerCompaction: ({ compactionCandidateItems }) => {
    return compactionCandidateItems.length >= 12;
  },
});

await run(agent, 'Summarize order #8472 in one sentence.', { session });
await run(agent, 'Remind me of the shipping address.', { session });

// Compaction runs automatically after each persisted turn. You can also force it manually.
await session.runCompaction({ force: true });

runCompaction({ force: true })를 언제든 호출해 아카이브하거나 핸드오프 전에 히스토리를 줄일 수 있습니다. DEBUG=openai-agents:openai:compaction으로 디버그 로그를 활성화해 압축 결정을 추적하세요.