음성 에이전트 구축

오디오 처리

기본 OpenAIRealtimeWebRTC 같은 일부 전송 계층은 오디오 입력과 출력을 자동으로 처리합니다. OpenAIRealtimeWebSocket 같은 다른 전송 방식에서는 세션 오디오를 직접 처리해야 합니다:

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

const agent = new RealtimeAgent({ name: 'My agent' });
const session = new RealtimeSession(agent);
const newlyRecordedAudio = new ArrayBuffer(0);

session.on('audio', (event: TransportLayerAudio) => {
  // play your audio
});

// send new audio to the agent
session.sendAudio(newlyRecordedAudio);

세션 구성

세션은 생성 시 RealtimeSession에 추가 옵션을 전달하거나 connect(...) 호출 시 구성할 수 있습니다.

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

const agent = new RealtimeAgent({
  name: 'Greeter',
  instructions: 'Greet the user with cheer and answer questions.',
});

const session = new RealtimeSession(agent, {
  model: 'gpt-realtime',
  config: {
    inputAudioFormat: 'pcm16',
    outputAudioFormat: 'pcm16',
    inputAudioTranscription: {
      model: 'gpt-4o-mini-transcribe',
    },
  },
});

이 전송 계층은 session과 일치하는 모든 매개변수를 전달할 수 있습니다.

RealtimeSessionConfig에 아직 매칭되는 매개변수가 없는 새로운 매개변수의 경우 providerData를 사용할 수 있습니다. providerData에 전달한 값은 session 객체의 일부로 그대로 전달됩니다.

핸드오프

일반 에이전트와 마찬가지로, 핸드오프를 사용해 에이전트를 여러 에이전트로 분할하고 그 사이를 오케스트레이션하여 성능을 개선하고 문제 범위를 더 명확히 할 수 있습니다.

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

const mathTutorAgent = new RealtimeAgent({
  name: 'Math Tutor',
  handoffDescription: 'Specialist agent for math questions',
  instructions:
    'You provide help with math problems. Explain your reasoning at each step and include examples',
});

const agent = new RealtimeAgent({
  name: 'Greeter',
  instructions: 'Greet the user with cheer and answer questions.',
  handoffs: [mathTutorAgent],
});

일반 에이전트와 달리 Realtime Agents에서는 핸드오프의 동작이 약간 다릅니다. 핸드오프가 수행되면 진행 중인 세션이 새로운 에이전트 구성으로 업데이트됩니다. 이로 인해 에이전트는 진행 중인 대화 기록에 자동으로 접근할 수 있으며 현재는 입력 필터가 적용되지 않습니다.

또한, 이 말은 핸드오프의 일부로 voice 또는 model을 변경할 수 없음을 의미합니다. 다른 Realtime Agents에만 연결할 수 있습니다. 만약 gpt-5-mini 같은 추론 모델 등 다른 모델을 사용해야 한다면 도구를 통한 위임을 사용할 수 있습니다.

도구

일반 에이전트와 마찬가지로 Realtime Agents도 도구를 호출해 작업을 수행할 수 있습니다. 일반 에이전트에서 사용하는 것과 동일한 tool() 함수를 사용해 도구를 정의할 수 있습니다.

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

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

const weatherAgent = new RealtimeAgent({
  name: 'Weather assistant',
  instructions: 'Answer weather questions.',
  tools: [getWeather],
});

Realtime Agents에서는 함수 도구만 사용할 수 있으며, 이 도구들은 Realtime 세션과 동일한 위치에서 실행됩니다. 즉, 브라우저에서 Realtime 세션을 실행 중이라면 도구도 브라우저에서 실행됩니다. 더 민감한 작업을 수행해야 하는 경우, 도구 내부에서 백엔드 서버로 HTTP 요청을 보낼 수 있습니다.

도구가 실행되는 동안 에이전트는 사용자로부터의 새 요청을 처리할 수 없습니다. 경험을 개선하는 한 가지 방법은 에이전트에게 도구를 실행하기 직전임을 알리거나, 도구 실행 시간을 벌기 위해 특정 문구를 말하도록 지시하는 것입니다.

대화 내역 접근

에이전트가 특정 도구를 호출할 때 전달한 인자 외에도, Realtime 세션이 추적하는 현재 대화 내역의 스냅샷에 접근할 수 있습니다. 이는 현재 대화 상태를 기반으로 더 복잡한 작업을 수행해야 하거나 도구를 통한 위임을 사용할 계획인 경우 유용합니다.

import {
  tool,
  RealtimeContextData,
  RealtimeItem,
} from '@openai/agents/realtime';
import { z } from 'zod';

const parameters = z.object({
  request: z.string(),
});

const refundTool = tool<typeof parameters, RealtimeContextData>({
  name: 'Refund Expert',
  description: 'Evaluate a refund',
  parameters,
  execute: async ({ request }, details) => {
    // The history might not be available
    const history: RealtimeItem[] = details?.context?.history ?? [];
    // making your call to process the refund request
  },
});

참고

전달되는 내역은 도구 호출 시점의 히스토리 스냅샷입니다. 사용자가 마지막으로 말한 내용의 전사가 아직 제공되지 않았을 수 있습니다.

도구 실행 전 승인

도구를 needsApproval: true로 정의하면, 에이전트는 도구를 실행하기 전에 tool_approval_requested 이벤트를 발생시킵니다.

이 이벤트를 수신하여 사용자에게 도구 호출을 승인 또는 거부하는 UI를 표시할 수 있습니다.

import { session } from './agent';

session.on('tool_approval_requested', (_context, _agent, request) => {
  // show a UI to the user to approve or reject the tool call
  // you can use the `session.approve(...)` or `session.reject(...)` methods to approve or reject the tool call

  session.approve(request.approvalItem); // or session.reject(request.rawItem);
});

참고

음성 에이전트가 도구 호출 승인을 기다리는 동안에는 사용자로부터의 새 요청을 처리할 수 없습니다.

가드레일

가드레일은 에이전트의 발화가 규칙을 위반했는지 모니터링하고 응답을 즉시 차단하는 방법을 제공합니다. 이러한 가드레일 검사는 에이전트 응답의 전사에 기반해 수행되므로 모델의 텍스트 출력이 활성화되어 있어야 합니다(기본값으로 활성화됨).

제공한 가드레일은 모델 응답이 반환되는 동안 비동기적으로 실행되며, 예를 들어 “특정 금지어를 언급” 같은 사전 정의된 분류 트리거에 따라 응답을 차단할 수 있습니다.

가드레일이 작동하면 세션은 guardrail_tripped 이벤트를 발생시킵니다. 이벤트에는 가드레일을 트리거한 itemId를 포함하는 details 객체도 제공됩니다.

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

const agent = new RealtimeAgent({
  name: 'Greeter',
  instructions: 'Greet the user with cheer and answer questions.',
});

const guardrails: RealtimeOutputGuardrail[] = [
  {
    name: 'No mention of Dom',
    async execute({ agentOutput }) {
      const domInOutput = agentOutput.includes('Dom');
      return {
        tripwireTriggered: domInOutput,
        outputInfo: { domInOutput },
      };
    },
  },
];

const guardedSession = new RealtimeSession(agent, {
  outputGuardrails: guardrails,
});

기본적으로 가드레일은 100자마다 또는 응답 텍스트 생성이 끝날 때 실행됩니다. 텍스트를 말하는 데는 보통 더 오래 걸리므로, 대부분의 경우 사용자에게 들리기 전에 가드레일이 위반을 감지합니다.

이 동작을 수정하려면 세션에 outputGuardrailSettings 객체를 전달할 수 있습니다.

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

const agent = new RealtimeAgent({
  name: 'Greeter',
  instructions: 'Greet the user with cheer and answer questions.',
});

const guardedSession = new RealtimeSession(agent, {
  outputGuardrails: [
    /*...*/
  ],
  outputGuardrailSettings: {
    debounceTextLength: 500, // run guardrail every 500 characters or set it to -1 to run it only at the end
  },
});

턴 감지 / 음성 활동 감지

Realtime 세션은 사용자가 말할 때를 자동으로 감지하고 Realtime API의 내장된 voice activity detection 모드를 사용해 새로운 턴을 트리거합니다.

세션에 turnDetection 객체를 전달하여 음성 활동 감지 모드를 변경할 수 있습니다.

import { RealtimeSession } from '@openai/agents/realtime';
import { agent } from './agent';

const session = new RealtimeSession(agent, {
  model: 'gpt-realtime',
  config: {
    turnDetection: {
      type: 'semantic_vad',
      eagerness: 'medium',
      createResponse: true,
      interruptResponse: true,
    },
  },
});

턴 감지 설정을 수정하면 원치 않는 인터럽션(중단 처리)과 침묵 처리 보정에 도움이 됩니다. 다양한 설정에 대한 자세한 내용은 Realtime API 문서를 참고하세요

인터럽션(중단 처리)

내장 음성 활동 감지를 사용할 때, 에이전트가 말하는 도중 사용자가 말하면 에이전트가 자동으로 이를 감지하고 발화 내용에 따라 컨텍스트를 업데이트합니다. 또한 audio_interrupted 이벤트를 발생시킵니다. 이는 모든 오디오 재생을 즉시 중지하는 데 사용할 수 있습니다(웹소켓 연결에만 해당).

import { session } from './agent';

session.on('audio_interrupted', () => {
  // handle local playback interruption
});

수동 인터럽션을 수행하려는 경우, 예를 들어 UI에 “중지” 버튼을 제공하려면 interrupt()를 수동으로 호출할 수 있습니다:

import { session } from './agent';

session.interrupt();
// this will still trigger the `audio_interrupted` event for you
// to cut off the audio playback when using WebSockets

어느 방식이든, Realtime 세션은 에이전트의 생성을 중단하고, 사용자에게 말한 내용에 대한 지식을 잘라내며, 히스토리를 업데이트합니다.

WebRTC로 에이전트에 연결하는 경우 오디오 출력도 지워집니다. WebSocket을 사용하는 경우, 대기열에 재생될 항목의 오디오 재생을 직접 중지하는 처리를 해야 합니다.

텍스트 입력

에이전트에 텍스트 입력을 보내려면 RealtimeSession의 sendMessage 메서드를 사용할 수 있습니다.

이는 사용자에게 에이전트와의 양방향 모달리티 인터페이스를 제공하거나 대화에 추가 컨텍스트를 제공하려는 경우에 유용합니다.

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

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

const session = new RealtimeSession(agent, {
  model: 'gpt-realtime',
});

session.sendMessage('Hello, how are you?');

대화 내역 관리

RealtimeSession은 history 속성에서 대화 내역을 자동으로 관리합니다:

이를 사용해 고객에게 내역을 렌더링하거나 추가 작업을 수행할 수 있습니다. 대화 진행 중에는 이 내역이 지속적으로 변경되므로 history_updated 이벤트를 수신할 수 있습니다.

메시지를 완전히 제거하거나 전사를 업데이트하는 등 히스토리를 수정하려면 updateHistory 메서드를 사용할 수 있습니다.

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

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

const session = new RealtimeSession(agent, {
  model: 'gpt-realtime',
});

await session.connect({ apiKey: '<client-api-key>' });

// listening to the history_updated event
session.on('history_updated', (history) => {
  // returns the full history of the session
  console.log(history);
});

// Option 1: explicit setting
session.updateHistory([
  /* specific history */
]);

// Option 2: override based on current state like removing all agent messages
session.updateHistory((currentHistory) => {
  return currentHistory.filter(
    (item) => !(item.type === 'message' && item.role === 'assistant'),
  );
});

제한 사항

1. 현재로서는 사후에 함수 도구 호출을 업데이트/변경할 수 없습니다
2. 히스토리의 텍스트 출력은 전사와 텍스트 모달리티가 활성화되어 있어야 합니다
3. 인터럽션으로 인해 잘린 응답은 전사가 없습니다

도구를 통한 위임

대화 내역과 도구 호출을 결합하면, 대화를 다른 백엔드 에이전트에 위임하여 더 복잡한 작업을 수행하게 한 다음 그 결과를 사용자에게 다시 전달할 수 있습니다.

import {
  RealtimeAgent,
  RealtimeContextData,
  tool,
} from '@openai/agents/realtime';
import { handleRefundRequest } from './serverAgent';
import z from 'zod';

const refundSupervisorParameters = z.object({
  request: z.string(),
});

const refundSupervisor = tool<
  typeof refundSupervisorParameters,
  RealtimeContextData
>({
  name: 'escalateToRefundSupervisor',
  description: 'Escalate a refund request to the refund supervisor',
  parameters: refundSupervisorParameters,
  execute: async ({ request }, details) => {
    // This will execute on the server
    return handleRefundRequest(request, details?.context?.history ?? []);
  },
});

const agent = new RealtimeAgent({
  name: 'Customer Support',
  instructions:
    'You are a customer support agent. If you receive any requests for refunds, you need to delegate to your supervisor.',
  tools: [refundSupervisor],
});

아래 코드는 서버에서 실행됩니다. 이 예시는 Next.js의 server actions를 통해 실행됩니다.

// This runs on the server
import 'server-only';

import { Agent, run } from '@openai/agents';
import type { RealtimeItem } from '@openai/agents/realtime';
import z from 'zod';

const agent = new Agent({
  name: 'Refund Expert',
  instructions:
    'You are a refund expert. You are given a request to process a refund and you need to determine if the request is valid.',
  model: 'gpt-5-mini',
  outputType: z.object({
    reasong: z.string(),
    refundApproved: z.boolean(),
  }),
});

export async function handleRefundRequest(
  request: string,
  history: RealtimeItem[],
) {
  const input = `
The user has requested a refund.

The request is: ${request}

Current conversation history:
${JSON.stringify(history, null, 2)}
`.trim();

  const result = await run(agent, input);

  return JSON.stringify(result.finalOutput, null, 2);
}