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

생성 시 RealtimeSession에 추가 옵션을 전달하거나 connect(...)를 호출할 때 세션을 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 해당 매개변수가 없는 신규 매개변수의 경우 providerData를 사용할 수 있습니다. providerData에 전달된 모든 값은 session 객체의 일부로 그대로 전달됩니다.

핸드오프

일반 에이전트와 마찬가지로 핸드오프를 사용해 에이전트를 여러 에이전트로 분리하고 그 사이를 오케스트레이션하여 성능을 개선하고 문제 범위를 더 잘 한정할 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, 실시간 에이전트의 핸드오프는 약간 다르게 동작합니다. 핸드오프가 수행되면 진행 중인 세션이 새로운 에이전트 구성으로 업데이트됩니다. 이로 인해 에이전트는 진행 중인 대화 기록에 자동으로 접근할 수 있으며 입력 필터는 현재 적용되지 않습니다.

또한 voice 또는 model은 핸드오프의 일부로 변경할 수 없습니다. 다른 실시간 에이전트에만 연결할 수 있습니다. 다른 모델, 예를 들어 gpt-5-mini 같은 추론 모델이 필요하다면 delegation through tools를 사용할 수 있습니다.

도구

일반 에이전트와 마찬가지로 실시간 에이전트는 작업을 수행하기 위해 도구를 호출할 수 있습니다. 일반 에이전트에서 사용하는 것과 동일한 tool() 함수로 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],
});

실시간 에이전트에서는 함수 도구만 사용할 수 있으며, 이러한 도구는 실시간 세션과 동일한 위치에서 실행됩니다. 즉, 실시간 세션을 브라우저에서 실행 중이라면 도구도 브라우저에서 실행됩니다. 더 민감한 작업이 필요하다면, 도구 내부에서 백엔드 서버로 HTTP 요청을 보낼 수 있습니다.

도구가 실행되는 동안 에이전트는 사용자로부터의 새 요청을 처리할 수 없습니다. 경험을 개선하는 한 방법은 에이전트에게 도구를 실행하려 한다고 알리도록 하거나, 도구 실행 시간을 벌기 위한 특정 문구를 말하도록 지시하는 것입니다.

대화 기록 접근

에이전트가 특정 도구를 호출할 때 전달한 인자 외에도, 실시간 세션이 추적하는 현재 대화 기록의 스냅샷에 접근할 수 있습니다. 이는 현재 대화 상태를 기반으로 더 복잡한 작업을 수행하거나 tools for delegation을 사용하려는 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 history는 도구 호출 시점의 스냅샷입니다. 사용자가 마지막으로 말한 내용의 전사는 아직 준비되지 않았을 수 있습니다.

도구 실행 전 승인

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

이 이벤트를 수신하여 사용자에게 UI를 표시하고 도구 호출을 승인 또는 거부하도록 할 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 에이전트 발화가 규칙을 위반했는지 모니터링하고 즉시 응답을 중단하는 방법을 제공합니다. 이러한 가드레일 검사는 에이전트 응답의 전사를 기반으로 수행되므로 모델의 텍스트 출력이 활성화되어 있어야 합니다(기본적으로 활성화됨).

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

가드레일이 발동되면 세션은 guardrail_tripped 이벤트를 발생시킵니다. 이벤트는 또한 가드레일을 트리거한 itemId를 포함하는 details 객체를 제공합니다.

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. 보통 텍스트를 말하는 데 더 오래 걸리므로 대부분의 경우 사용자에게 들리기 전에 가드레일이 위반을 포착합니다.

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

실시간 세션은 사용자가 말할 때를 자동으로 감지하고, Realtime API의 내장 voice activity detection modes를 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 무음 처리 보정에 도움이 됩니다. 다양한 설정에 대한 자세한 내용은 Realtime API 문서를 참고하세요

인터럽션(중단 처리)

내장 음성 활동 감지를 사용할 때, 사용자가 에이전트의 발화 중간에 말하면 에이전트는 자동으로 이를 감지하고, 말한 내용을 바탕으로 컨텍스트를 업데이트합니다. 또한 audio_interrupted 이벤트를 내보냅니다. 이는 모든 오디오 재생을 즉시 중지하는 데 사용할 수 있습니다(웹소켓 연결에만 적용).

import { session } from './agent';

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

수동 인터럽션을 수행하고 싶다면, 예를 들어 UI에 “중지” 버튼을 제공하려는 경우 interrupt()를 직접 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 경우든, 실시간 세션은 에이전트의 생성 중단, 사용자에게 말한 내용의 절단, 기록 업데이트를 모두 처리합니다.

에이전트에 WebRTC로 연결하는 경우 오디오 출력도 지웁니다. WebSocket을 사용하는 경우, 대기 중인 오디오 재생을 중지하는 처리는 직접 수행해야 합니다.

텍스트 입력

에이전트에 텍스트 입력을 보내려면 RealtimeSession의 sendMessage 메서드를 사용할 수 있습니다.

이는 사용자가 에이전트와 두 가지 모달리티로 상호작용하도록 하거나 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 기록 관리

RealtimeSession은 history 속성에서 대화 기록을 자동으로 관리합니다:

이를 사용해 고객에게 기록을 렌더링하거나 추가 작업을 수행할 수 있습니다. 대화가 진행되는 동안 이 기록은 지속적으로 변경되므로 history_updated 이벤트를 수신할 수 있습니다.

기록을 수정하고 싶다면, 예를 들어 메시지를 완전히 제거하거나 전사를 업데이트하려면 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. 현재는 사후에 함수 도구 호출을 업데이트/변경할 수 없습니다
2. 기록의 텍스트 출력에는 전사와 텍스트 모달리티가 활성화되어 있어야 합니다
3. 인터럽션으로 인해 잘린 응답에는 전사가 없습니다

도구를 통한 위임

대화 기록과 도구 호출을 결합하여 대화를 다른 백엔드 에이전트에 위임해 더 복잡한 작업을 수행하게 하고, 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 예제에서는 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);
}