도구

도구를 사용하면 에이전트가 작업을 수행할 수 있습니다. 데이터를 가져오고, 외부 API를 호출하고, 코드를 실행하거나, 컴퓨터를 사용할 수도 있습니다. JavaScript/TypeScript SDK는 일곱 가지 카테고리를 지원합니다:

어떤 에이전트가 작업을 맡아야 하는지 알고 있고 그 에이전트에 기능을 부여하려는 경우, 에이전트를 읽은 뒤 이 페이지를 읽으세요. 아직 위임 패턴을 결정하는 중이라면 에이전트 오케스트레이션을 참고하세요.

호스티드 OpenAI 도구 – OpenAI 서버에서 모델과 함께 실행됩니다. (웹 검색, 파일 검색, code interpreter, 이미지 생성, 도구 검색)
기본 제공 실행 도구 – 모델 외부에서 실행되는 SDK 제공 도구입니다. (컴퓨터 사용과 apply_patch는 로컬에서 실행되고, shell은 로컬 또는 호스팅 컨테이너에서 실행될 수 있습니다)
함수 도구 – LLM이 호출할 수 있도록 임의의 로컬 함수를 JSON 스키마로 래핑합니다.
Agents as tools – 전체 에이전트를 호출 가능한 도구로 노출합니다.
MCP 서버 – Model Context Protocol 서버(로컬 또는 원격)를 연결합니다.
샌드박스 기능 – 작업 공간 범위의 shell, 파일시스템, skills, memory 또는 compaction 도구를 SandboxAgent에 연결합니다.
실험적: Codex 도구 – Codex SDK를 함수 도구로 래핑하여 작업 공간을 인식하는 작업을 실행합니다.

도구 카테고리

이 가이드의 나머지 부분에서는 먼저 각 도구 카테고리를 다룬 뒤, 공통적인 도구 선택 및 프롬프트 작성 지침을 요약합니다.

1. 호스티드 툴 (OpenAI Responses API)

OpenAIResponsesModel을 사용할 때는 다음 기본 제공 도구를 추가할 수 있습니다:

도구	타입 문자열	목적
웹 검색	`'web_search'`	인터넷 검색입니다.
파일 / retrieval 검색	`'file_search'`	OpenAI에 호스팅된 벡터 스토어를 쿼리합니다.
Code Interpreter	`'code_interpreter'`	샌드박스 환경에서 코드를 실행합니다.
이미지 생성	`'image_generation'`	텍스트를 기반으로 이미지를 생성합니다.
도구 검색	`'tool_search'`	런타임에 지연된 함수 도구, 네임스페이스 또는 검색 가능한 MCP 도구를 로드합니다.

import {
  Agent,
  codeInterpreterTool,
  fileSearchTool,
  imageGenerationTool,
  webSearchTool,
} from '@openai/agents';

const agent = new Agent({
  name: 'Travel assistant',
  tools: [
    webSearchTool({ searchContextSize: 'medium' }),
    fileSearchTool('VS_ID', { maxNumResults: 3 }),
    codeInterpreterTool(),
    imageGenerationTool({ size: '1024x1024' }),
  ],
});

SDK는 호스티드 도구 정의를 반환하는 헬퍼 함수를 제공합니다:

헬퍼 함수	참고
`webSearchTool(options?)`	`searchContextSize`, `userLocation`, `filters.allowedDomains` 같은 JS 친화적 옵션입니다.
`fileSearchTool(ids, options?)`	하나 이상의 벡터 스토어 ID를 첫 번째 인수로 받고, `maxNumResults`, `includeSearchResults`, `rankingOptions`, filters 같은 옵션도 받습니다.
`codeInterpreterTool(options?)`	`container`가 제공되지 않으면 자동 관리 컨테이너를 기본값으로 사용합니다.
`imageGenerationTool(options?)`	`model`, `size`, `quality`, `background`, `inputFidelity`, `inputImageMask`, `moderation`, `outputCompression`, `partialImages`, 출력 형식 같은 이미지 생성 구성을 지원합니다.
`toolSearchTool(options?)`	기본 제공 `tool_search` 헬퍼를 추가합니다. `deferLoading: true`를 설정한 지연 함수 도구 또는 호스팅된 MCP 도구와 함께 사용하세요. 기본적으로 호스팅 실행을 지원하며, `execution: 'client'`와 `execute`를 함께 사용하면 클라이언트 실행도 지원합니다.

이 헬퍼들은 JavaScript/TypeScript 친화적 옵션 이름을 기반 OpenAI Responses API 도구 페이로드로 매핑합니다. 전체 도구 스키마와 ranking options 또는 semantic filters 같은 고급 옵션은 공식 OpenAI 도구 가이드를 참고하고, 현재 기본 제공 도구 검색 플로우와 모델 가용성은 공식 도구 검색 가이드를 참고하세요.

2. 기본 제공 실행 도구

이 도구들은 SDK에 기본 제공되지만, 실행은 모델 응답 자체의 외부에서 이루어집니다:

컴퓨터 사용 – Computer 인터페이스를 구현하고 computerTool()에 전달합니다. 이는 항상 사용자가 제공하는 로컬 Computer 구현에 대해 실행됩니다.
Shell – 로컬 Shell 구현을 제공하거나, shellTool({ environment })로 호스팅 컨테이너 환경을 구성합니다.
패치 적용 – Editor 인터페이스를 구현하고 applyPatchTool()에 전달합니다. 이는 항상 사용자가 제공하는 로컬 Editor 구현에 대해 실행됩니다.
샌드박스 shell 및 파일시스템 도구 – 해당 작업이 샌드박스 작업 공간 안에서 실행되어야 하는 경우 SandboxAgent에서 shell(), filesystem(), skills(), memory(), compaction()을 사용합니다.

도구 호출은 여전히 모델이 요청하지만, 작업은 애플리케이션 또는 구성된 실행 환경이 수행합니다.

샌드박스 기능 도구는 프로세스 전체에 적용되는 기본 제공 도구와 다릅니다. 현재 SandboxAgent 실행의 라이브 샌드박스 세션에 바인딩됩니다. 도구가 애플리케이션 프로세스가 아니라 에이전트의 격리된 작업 공간에서 작동해야 하는 경우 빠른 시작을 사용하세요.

import {
  Agent,
  applyPatchTool,
  computerTool,
  shellTool,
  Computer,
  Editor,
  Shell,
} from '@openai/agents';

const computer: Computer = {
  environment: 'browser',
  dimensions: [1024, 768],
  screenshot: async () => '',
  click: async () => {},
  doubleClick: async () => {},
  scroll: async () => {},
  type: async () => {},
  wait: async () => {},
  move: async () => {},
  keypress: async () => {},
  drag: async () => {},
};

const shell: Shell = {
  run: async () => ({
    output: [
      {
        stdout: '',
        stderr: '',
        outcome: { type: 'exit', exitCode: 0 },
      },
    ],
  }),
};

const editor: Editor = {
  createFile: async () => ({ status: 'completed' }),
  updateFile: async () => ({ status: 'completed' }),
  deleteFile: async () => ({ status: 'completed' }),
};

const agent = new Agent({
  name: 'Local tools agent',
  model: 'gpt-5.4',
  tools: [
    computerTool({ computer }),
    shellTool({ shell, needsApproval: true }),
    applyPatchTool({ editor, needsApproval: true }),
  ],
});

Computer 도구 세부 사항

computerTool()은 다음 중 하나를 허용합니다:

구체적인 Computer 인스턴스
실행마다 Computer를 생성하는 초기화 함수
실행 범위 설정 및 정리가 필요할 때 사용하는 { create, dispose }가 있는 provider 객체

OpenAI의 현재 컴퓨터 사용 경로를 사용하려면 gpt-5.4 같은 컴퓨터 사용 가능 모델을 설정하세요. 요청 모델이 명시적이면 SDK는 GA 기본 제공 computer 도구 형식을 전송합니다. 유효 모델이 여전히 저장된 프롬프트나 다른 오래된 통합에서 오는 경우, modelSettings.toolChoice: 'computer'로 GA 경로를 명시적으로 선택하지 않는 한 SDK는 호환성을 위해 레거시 computer_use_preview 와이어 형식을 유지합니다.

GA 컴퓨터 호출은 하나의 computer_call 안에 배치된 actions[]를 포함할 수 있습니다. SDK는 이를 순서대로 실행하고, 각 작업에 대해 needsApproval을 평가한 뒤, 최종 스크린샷을 도구 출력으로 반환합니다. interruption.rawItem에서 승인 UI를 구축하는 경우, actions가 있으면 이를 읽고 레거시 preview 항목에 대해서는 action으로 폴백하세요.

영향도가 큰 컴퓨터 작업을 사용자 검토를 위해 일시 중지해야 하는 경우 needsApproval을 사용하고, 컴퓨터 호출에 대해 보고된 대기 중인 안전성 검사를 승인하거나 거부하려면 onSafetyCheck를 사용하세요. 모델 측 지침과 마이그레이션 세부 정보는 공식 OpenAI 컴퓨터 사용 가이드와 해당 마이그레이션 참고 사항을 참고하세요.

Shell 도구 세부 사항

shellTool()에는 두 가지 모드가 있습니다:

로컬 모드: shell을 제공하고, 선택적으로 environment: { type: 'local', skills }와 자동 승인 처리를 위한 needsApproval, onApproval을 제공합니다.
호스팅 컨테이너 모드: type: 'container_auto' 또는 type: 'container_reference'가 있는 environment를 제공합니다.

로컬 모드에서 environment.skills를 사용하면 name, description, 파일시스템 path로 로컬 skills를 마운트할 수 있습니다.

호스팅 컨테이너 모드에서는 다음 중 하나와 함께 shellTool({ environment })를 구성합니다:

type: 'container_auto': 실행을 위한 관리형 컨테이너를 생성합니다.
type: 'container_reference': containerId로 기존 컨테이너를 재사용합니다.

호스팅된 container_auto 환경은 다음을 지원합니다:

domainSecrets가 있는 허용 목록을 포함한 networkPolicy
업로드된 파일을 마운트하기 위한 fileIds
컨테이너 크기 지정을 위한 memoryLimit
skill_reference 또는 인라인 zip 번들로 제공되는 skills

호스팅 shell 환경은 shell, needsApproval, onApproval을 허용하지 않습니다. 실행이 로컬 프로세스가 아니라 호스팅 컨테이너 환경에서 이루어지기 때문입니다.

전체 사용법은 examples/tools/local-shell.ts, examples/tools/container-shell-skill-ref.ts, examples/tools/container-shell-inline-skill.ts를 참고하세요.

패치 적용 도구 세부 사항

applyPatchTool()은 shellTool()의 로컬 승인 플로우를 동일하게 따릅니다. 파일 편집 전에 일시 중지하려면 needsApproval을 사용하고, 앱 수준 콜백에서 자동 승인 또는 거부를 처리하려면 onApproval을 사용하세요.

3. 함수 도구

tool() 헬퍼를 사용하면 어떤 함수든 도구로 만들 수 있습니다.

import { tool } from '@openai/agents';
import { z } from 'zod';

const getWeatherTool = tool({
  name: 'get_weather',
  description: 'Get the weather for a given city',
  parameters: z.object({ city: z.string() }),
  async execute({ city }) {
    return `The weather in ${city} is sunny.`;
  },
});

옵션 참조

필드	필수 여부	설명
`name`	아니요	함수 이름(예: `get_weather`)이 기본값입니다.
`description`	예	LLM에 표시되는 명확하고 사람이 읽을 수 있는 설명입니다.
`parameters`	예	Zod 스키마 또는 원문 JSON 스키마 객체입니다. Zod 매개변수는 자동으로 strict 모드를 활성화합니다.
`strict`	아니요	`true`(기본값)인 경우, 인수가 검증을 통과하지 못하면 SDK가 모델 오류를 반환합니다. 유연한 매칭이 필요하면 `false`로 설정하세요.
`execute`	예	`(args, context, details) => string \| unknown \| Promise<...>` – 비즈니스 로직입니다. 문자열이 아닌 출력은 모델을 위해 직렬화됩니다. `context`는 선택적 `RunContext`이고, `details`에는 `toolCall`, `resumeState`, `signal` 같은 메타데이터가 포함됩니다.
`errorFunction`	아니요	내부 오류를 사용자에게 보이는 문자열로 변환하기 위한 사용자 지정 핸들러 `(context, error) => string`입니다.
`timeoutMs`	아니요	호출별 타임아웃(밀리초)입니다. 0보다 크고 `2147483647` 이하이어야 합니다.
`timeoutBehavior`	아니요	타임아웃 모드입니다. `error_as_result`(기본값)는 모델에 보이는 타임아웃 메시지를 반환하고, `raise_exception`은 `ToolTimeoutError`를 throw합니다.
`timeoutErrorFunction`	아니요	`timeoutBehavior`가 `error_as_result`일 때 타임아웃 출력을 위한 사용자 지정 핸들러 `(context, timeoutError) => string`입니다.
`customDataExtractor`	아니요	생성된 `RunToolCallOutputItem.customData`에 SDK 전용 메타데이터를 붙이기 위한 콜백 `(context) => Record<string, unknown> \| null \| undefined`입니다. 이 데이터는 모델로 다시 전송되지 않습니다.
`needsApproval`	아니요	실행 전에 사람의 승인이 필요하게 합니다. 휴먼 인 더 루프 (HITL)를 참고하세요.
`isEnabled`	아니요	실행별로 도구 노출을 조건부로 제어합니다. boolean 또는 predicate를 허용합니다.
`inputGuardrails`	아니요	도구 실행 전에 실행되는 가드레일입니다. 거부하거나 throw할 수 있습니다. 가드레일을 참고하세요.
`outputGuardrails`	아니요	도구 실행 후 실행되는 가드레일입니다. 거부하거나 throw할 수 있습니다. 가드레일을 참고하세요.

SDK 전용 사용자 지정 데이터

애플리케이션에서 도구 결과 옆에 렌더러 힌트, 내부 ID 또는 기타 JSON 호환 메타데이터가 필요한 경우 customDataExtractor를 사용하세요. 이 콜백은 실행 컨텍스트, 도구 정의, 모델 도구 호출, 파싱된 입력, 출력, 복제된 원문 출력 항목을 받습니다. 반환된 데이터는 RunToolCallOutputItem.customData와 RunState에 저장되지만, history와 모델 리플레이에서는 제외됩니다.

함수 도구 타임아웃

각 함수 도구 호출의 실행 시간을 제한하려면 timeoutMs를 사용하세요.

timeoutBehavior: 'error_as_result'(기본값)는 Tool '<name>' timed out after <timeoutMs>ms.를 모델에 반환합니다.
timeoutBehavior: 'raise_exception'은 ToolTimeoutError를 throw하며, 이는 실행 예외의 일부로 catch할 수 있습니다.
timeoutErrorFunction을 사용하면 error_as_result 모드에서 타임아웃 텍스트를 사용자 지정할 수 있습니다.
타임아웃은 details.signal을 abort하므로, 장기 실행 도구가 취소를 감지하면 즉시 중지할 수 있습니다.

함수 도구를 직접 호출하는 경우, 일반 에이전트 실행과 동일한 타임아웃 동작을 적용하려면 invokeFunctionTool을 사용하세요.

비엄격 JSON 스키마 도구

모델이 유효하지 않거나 일부만 있는 입력을 추측해야 한다면 원문 JSON 스키마를 사용할 때 strict 모드를 비활성화할 수 있습니다:

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

interface LooseToolInput {
  text: string;
}

const looseTool = tool({
  description: 'Echo input; be forgiving about typos',
  strict: false,
  parameters: {
    type: 'object',
    properties: { text: { type: 'string' } },
    required: ['text'],
    additionalProperties: true,
  },
  execute: async (input) => {
    // because strict is false we need to do our own verification
    if (typeof input !== 'object' || input === null || !('text' in input)) {
      return 'Invalid input. Please try again';
    }
    return (input as LooseToolInput).text;
  },
});

도구 검색을 통한 지연 도구 로딩

도구 검색을 사용하면 모든 스키마를 미리 보내는 대신 모델이 런타임에 필요한 도구 정의만 로드할 수 있습니다. SDK에서는 지연된 최상위 함수 도구, toolNamespace() 그룹, deferLoading: true로 구성된 호스팅 MCP 도구를 이렇게 사용합니다.

도구 검색은 Responses API에서 이를 지원하는 GPT-5.4 및 그 이후 모델 릴리스에서만 사용하세요.

import { Agent, tool, toolNamespace, toolSearchTool } from '@openai/agents';
import { z } from 'zod';

const customerIdParams = z.object({
  customerId: z.string().describe('The customer identifier to look up.'),
});

// Keep a standalone deferred tool at the top level when it represents a
// single searchable capability that does not need a shared namespace.
const shippingLookup = tool({
  name: 'get_shipping_eta',
  description: 'Look up a shipment ETA by customer identifier.',
  parameters: customerIdParams,
  deferLoading: true,
  async execute({ customerId }) {
    return {
      customerId,
      eta: '2026-03-07',
      carrier: 'Priority Express',
    };
  },
});

// Group related tools into a namespace when one domain description should
// cover several deferred tools and let tool search load them together.
const crmTools = toolNamespace({
  name: 'crm',
  description: 'CRM tools for customer profile lookups.',
  tools: [
    tool({
      name: 'get_customer_profile',
      description: 'Fetch a basic customer profile.',
      parameters: customerIdParams,
      deferLoading: true,
      async execute({ customerId }) {
        return {
          customerId,
          tier: 'enterprise',
        };
      },
    }),
  ],
});

const agent = new Agent({
  name: 'Operations assistant',
  model: 'gpt-5.4',
  // Mixing namespaced and top-level deferred tools in one request is supported.
  tools: [shippingLookup, ...crmTools, toolSearchTool()],
});

이 예제는 의도적으로 두 스타일을 함께 사용합니다:

shippingLookup은 하나의 독립적인 검색 가능 기능이므로 최상위에 유지됩니다.
crmTools는 관련 CRM 도구가 하나의 상위 수준 레이블과 설명을 공유하므로 toolNamespace()를 사용합니다.
동일한 요청에서 네임스페이스화된 지연 도구와 최상위 지연 도구를 섞어 사용할 수 있습니다. 도구 검색은 crm 같은 네임스페이스 경로와 get_shipping_eta 같은 최상위 경로를 모두 로드할 수 있습니다.

도구 검색을 사용할 때는 다음을 지키세요:

각 지연 함수 도구에 deferLoading: true를 표시합니다.
여러 관련 도구가 하나의 도메인 설명을 공유하고 그룹으로 로드되어야 하는 경우 toolNamespace({ name, description, tools })를 사용합니다.
단일 독립 기능이고 도구 이름 자체가 좋은 검색 대상인 경우 도구를 최상위에 유지합니다.
지연 함수 도구 또는 호스팅 MCP 도구가 deferLoading: true를 사용할 때마다 동일한 tools 배열에 toolSearchTool()을 추가합니다.
modelSettings.toolChoice는 'auto'로 둡니다. SDK는 기본 제공 tool_search 도구 또는 지연 함수 도구를 이름으로 강제하는 것을 거부합니다.
호스팅 실행이 기본값입니다. toolSearchTool({ execution: 'client', execute })를 설정하면 표준 run() 루프는 기본 제공 { paths: string[] } 클라이언트 쿼리 형식만 지원합니다. 사용자 지정 클라이언트 측 스키마에는 자체 Responses 루프가 필요합니다.
네임스페이스는 즉시 멤버와 지연 멤버를 섞을 수 있습니다. 즉시 멤버는 도구 검색 없이도 호출 가능한 상태로 유지되고, 같은 네임스페이스의 지연 멤버는 필요할 때 로드됩니다.
지연 함수 도구와 toolNamespace()는 Responses 전용입니다. Chat Completions는 이를 거부하며, AI SDK 어댑터는 지연 Responses 도구 로딩 플로우를 지원하지 않습니다.

4. Agents as tools

때로는 대화를 완전히 핸드오프하지 않고 한 에이전트가 다른 에이전트를 지원하게 하고 싶을 수 있습니다. 이때 agent.asTool()을 사용하세요:

아직 agent.asTool()과 handoff() 중 선택하는 중이라면 에이전트와 에이전트 오케스트레이션의 패턴을 비교하세요.

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

const summarizer = new Agent({
  name: 'Summarizer',
  instructions: 'Generate a concise summary of the supplied text.',
});

const summarizerTool = summarizer.asTool({
  toolName: 'summarize_text',
  toolDescription: 'Generate a concise summary of the supplied text.',
});

const mainAgent = new Agent({
  name: 'Research assistant',
  tools: [summarizerTool],
});

내부적으로 SDK는 다음을 수행합니다:

단일 input 매개변수가 있는 함수 도구를 생성합니다.
도구가 호출되면 해당 입력으로 하위 에이전트를 실행합니다.
마지막 메시지 또는 customOutputExtractor가 추출한 출력을 반환합니다.

에이전트를 도구로 실행하면 Agents SDK는 기본 설정으로 runner를 생성하고 함수 실행 내에서 그 runner로 에이전트를 실행합니다. runConfig 또는 runOptions의 속성을 제공하려면 asTool() 메서드에 전달하여 runner의 동작을 사용자 지정할 수 있습니다.

또한 asTool() 옵션을 통해 에이전트 도구에 needsApproval과 isEnabled를 설정하여 휴먼인더루프 (HITL) 플로우와 조건부 도구 가용성을 통합할 수 있습니다.

customOutputExtractor 내부에서는 현재 Agent.asTool() 호출을 검사하려면 result.agentToolInvocation을 사용하세요. 해당 콜백에서 결과는 항상 Agent.asTool()에서 오므로 agentToolInvocation은 항상 정의되어 있으며 toolName, toolCallId, toolArguments를 노출합니다. 일반 앱 컨텍스트와 toolInput에는 result.runContext를 사용하세요. 이 메타데이터는 현재 중첩 호출에만 범위가 지정되며 RunState로 직렬화되지 않습니다.

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

const billingAgent = new Agent({
  name: 'Billing Agent',
  instructions: 'Handle billing questions and subscription changes.',
});

const billingTool = billingAgent.asTool({
  toolName: 'billing_agent',
  toolDescription: 'Handles customer billing questions.',
  customOutputExtractor(result) {
    console.log('tool', result.agentToolInvocation.toolName);
    // Direct invoke() calls may not have a model-generated tool call id.
    console.log('call', result.agentToolInvocation.toolCallId);
    console.log('args', result.agentToolInvocation.toolArguments);

    return String(result.finalOutput ?? '');
  },
});

const orchestrator = new Agent({
  name: 'Support Orchestrator',
  instructions: 'Delegate billing questions to the billing agent tool.',
  tools: [billingTool],
});

agent.asTool()의 고급 구조화 입력 옵션:

inputBuilder: 구조화된 도구 인수를 중첩 에이전트 입력 페이로드로 매핑합니다.
includeInputSchema: 더 강한 스키마 인식 동작을 위해 중첩 실행에 입력 JSON 스키마를 포함합니다.
resumeState: 중첩 직렬화된 RunState를 재개할 때 컨텍스트 조정 전략을 제어합니다. 'merge'(기본값)는 라이브 승인/컨텍스트 상태를 직렬화된 상태에 병합하고, 'replace'는 대신 현재 실행 컨텍스트를 사용하며, 'preferSerialized'는 직렬화된 컨텍스트를 변경하지 않은 채 재개합니다.

에이전트 도구의 스트리밍 이벤트

에이전트 도구는 모든 중첩 실행 이벤트를 앱으로 다시 스트리밍할 수 있습니다. 도구를 구성하는 방식에 맞는 hook 스타일을 선택하세요:

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

const billingAgent = new Agent({
  name: 'Billing Agent',
  instructions: 'Answer billing questions and compute simple charges.',
});

const billingTool = billingAgent.asTool({
  toolName: 'billing_agent',
  toolDescription: 'Handles customer billing questions.',
  // onStream: simplest catch-all when you define the tool inline.
  onStream: (event) => {
    console.log(`[onStream] ${event.event.type}`, event);
  },
});

// on(eventName) lets you subscribe selectively (or use '*' for all).
billingTool.on('run_item_stream_event', (event) => {
  console.log('[on run_item_stream_event]', event);
});
billingTool.on('raw_model_stream_event', (event) => {
  console.log('[on raw_model_stream_event]', event);
});

const orchestrator = new Agent({
  name: 'Support Orchestrator',
  instructions: 'Delegate billing questions to the billing agent tool.',
  tools: [billingTool],
});

이벤트 타입은 RunStreamEvent['type']와 일치합니다. raw_model_stream_event, run_item_stream_event, agent_updated_stream_event
onStream은 가장 단순한 “catch-all” 방식이며, 도구를 인라인으로 선언할 때(tools: [agent.asTool({ onStream })]) 잘 동작합니다. 이벤트별 라우팅이 필요하지 않다면 이를 사용하세요.
on(eventName, handler)를 사용하면 선택적으로 구독할 수 있으며('*'도 가능), 더 세밀한 처리가 필요하거나 생성 후 listener를 연결하려는 경우에 가장 적합합니다.
onStream 또는 on(...) 핸들러를 제공하면 agent-as-tool은 자동으로 스트리밍 모드로 실행됩니다. 제공하지 않으면 비스트리밍 경로를 유지합니다.
핸들러는 병렬로 호출되므로 느린 onStream 콜백이 on(...) 핸들러를 차단하지 않습니다(반대의 경우도 마찬가지입니다).
도구가 모델 도구 호출을 통해 호출된 경우 toolCallId가 제공됩니다. 직접 invoke() 호출하거나 provider 특성에 따라 생략될 수 있습니다.

5. MCP 서버

Model Context Protocol (MCP) 서버를 통해 도구를 노출하고 에이전트에 연결할 수 있습니다. 예를 들어 MCPServerStdio를 사용하여 stdio MCP 서버를 spawn하고 연결할 수 있습니다:

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

const server = new MCPServerStdio({
  fullCommand: 'pnpm exec mcp-server-filesystem ./sample_files',
});

await server.connect();

const agent = new Agent({
  name: 'Assistant',
  mcpServers: [server],
});

전체 예제는 filesystem-example.ts를 참고하세요. 또한 MCP 서버 도구 통합에 대한 종합 가이드를 찾고 있다면 자세한 내용은 모델 컨텍스트 프로토콜 (MCP)를 참고하세요. 여러 서버를 관리하거나 부분 실패를 처리할 때는 connectMcpServers와 모델 컨텍스트 프로토콜 (MCP)의 수명 주기 지침을 사용하세요.

6. 실험적: Codex 도구

@openai/agents-extensions/experimental/codex는 모델 도구 호출을 Codex SDK로 라우팅하는 함수 도구 codexTool()을 제공하여, 에이전트가 작업 공간 범위의 작업(shell, 파일 편집, MCP 도구)을 자율적으로 실행할 수 있게 합니다. 이 인터페이스는 실험적이며 변경될 수 있습니다.

먼저 종속성을 설치합니다:

npm install @openai/agents-extensions @openai/codex-sdk

빠른 시작:

import { Agent } from '@openai/agents';
import { codexTool } from '@openai/agents-extensions/experimental/codex';

export const codexAgent = new Agent({
  name: 'Codex Agent',
  instructions:
    'Use the codex tool to inspect the workspace and answer the question. When skill names, which usually start with `$`, are mentioned, you must rely on the codex tool to use the skill and answer the question.',
  tools: [
    codexTool({
      sandboxMode: 'workspace-write',
      workingDirectory: '/path/to/repo',
      defaultThreadOptions: {
        model: 'gpt-5.4',
        networkAccessEnabled: true,
        webSearchEnabled: false,
      },
    }),
  ],
});

알아둘 사항:

Auth: CODEX_API_KEY(권장) 또는 OPENAI_API_KEY를 제공하거나, codexOptions.apiKey를 전달합니다.
Inputs: 엄격한 스키마입니다. inputs에는 { type: 'text', text } 또는 { type: 'local_image', path }가 하나 이상 포함되어야 합니다.
Safety: sandboxMode를 workingDirectory와 함께 사용하세요. 디렉터리가 Git repo가 아니면 skipGitRepoCheck를 설정합니다.
Threading: useRunContextThreadId: true는 runContext.context에서 최신 thread id를 읽고 저장하며, 앱 상태에서 turn 간 재사용에 유용합니다.
Thread ID precedence: 도구 호출 threadId(스키마에 포함된 경우)가 우선하며, 그다음 실행 컨텍스트 thread id, 그다음 codexTool({ threadId }) 순입니다.
Run context key: name: 'codex'의 경우 기본값은 codexThreadId이고, name: 'engineer' 같은 이름의 경우 codexThreadId_<suffix>입니다(정규화 후 codex_engineer).
Mutable context requirement: useRunContextThreadId가 활성화된 경우 run(..., { context })에 mutable 객체 또는 Map을 전달합니다.
Naming: 도구 이름은 codex 네임스페이스로 정규화되며(engineer는 codex_engineer가 됨), 하나의 에이전트 안에서 중복된 Codex 도구 이름은 거부됩니다.
Streaming: onStream은 Codex 이벤트(추론, 명령 실행, MCP 도구 호출, 파일 변경, 웹 검색)를 미러링하므로 진행 상황을 로깅하거나 트레이싱할 수 있습니다.
Outputs: 도구 결과에는 response, usage, threadId가 포함되며, Codex 토큰 사용량은 RunContext에 기록됩니다.
Structure: outputSchema는 descriptor, JSON 스키마 객체 또는 Zod 객체일 수 있습니다. JSON 객체 스키마의 경우 additionalProperties는 false여야 합니다.

실행 컨텍스트 thread 재사용 예시:

import { Agent, run } from '@openai/agents';
import { codexTool } from '@openai/agents-extensions/experimental/codex';

// Derived from codexTool({ name: 'engineer' }) when runContextThreadIdKey is omitted.
type ExampleContext = {
  codexThreadId_engineer?: string;
};

const agent = new Agent<ExampleContext>({
  name: 'Codex assistant',
  instructions: 'Use the codex tool for workspace tasks.',
  tools: [
    codexTool({
      // `name` is optional for a single Codex tool.
      // We set it so the run-context key is tool-specific and to avoid collisions when adding more Codex tools.
      name: 'engineer',
      // Reuse the same Codex thread across runs that share this context object.
      useRunContextThreadId: true,
      sandboxMode: 'workspace-write',
      workingDirectory: '/path/to/repo',
      defaultThreadOptions: {
        model: 'gpt-5.4',
        approvalPolicy: 'never',
      },
    }),
  ],
});

// The default key for useRunContextThreadId with name=engineer is codexThreadId_engineer.
const context: ExampleContext = {};

// First turn creates (or resumes) a Codex thread and stores the thread ID in context.
await run(agent, 'Inspect src/tool.ts and summarize it.', { context });
// Second turn reuses the same thread because it shares the same context object.
await run(agent, 'Now list refactoring opportunities.', { context });

const threadId = context.codexThreadId_engineer;

도구 전략 및 모범 사례

도구 사용 동작

모델이 도구를 언제, 어떻게 사용해야 하는지(modelSettings.toolChoice, toolUseBehavior 등) 제어하는 방법은 에이전트를 참고하세요.

모범 사례

짧고 명확한 설명 – 도구가 무엇을 하는지와 언제 사용해야 하는지를 설명하세요.
입력 검증 – 가능한 경우 엄격한 JSON 검증을 위해 Zod 스키마를 사용하세요.
오류 핸들러에서 부수 효과 피하기 – errorFunction은 throw하지 말고 도움이 되는 문자열을 반환해야 합니다.
도구당 하나의 책임 – 작고 조합 가능한 도구가 더 나은 모델 추론으로 이어집니다.

도구