モデル

Agents SDK には、OpenAI モデルを次の 2 種類の方法でそのまま利用できるサポートが含まれています。

推奨: 新しい Responses API を使って OpenAI API を呼び出す OpenAIResponsesModel
Chat Completions API を使って OpenAI API を呼び出す OpenAIChatCompletionsModel

OpenAI モデル

Agent を初期化する際にモデルを指定しない場合は、既定のモデルが使用されます。現在の既定は互換性と低レイテンシのために gpt-4.1 です。アクセス権がある場合は、明示的な model_settings を維持しつつ、より高品質な gpt-5.2 をエージェントに設定することを推奨します。

gpt-5.2 のような他のモデルに切り替えたい場合は、次のセクションの手順に従ってください。

既定の OpenAI モデル

カスタムモデルを設定していないすべてのエージェントで特定のモデルを常に使用したい場合は、エージェントを実行する前に OPENAI_DEFAULT_MODEL 環境変数を設定してください。

export OPENAI_DEFAULT_MODEL=gpt-5
python3 my_awesome_agent.py

GPT-5 モデル

この方法で GPT-5 の推論モデル（gpt-5、gpt-5-mini、または gpt-5-nano）を使用する場合、SDK は既定で妥当な ModelSettings を適用します。具体的には、reasoning.effort と verbosity の両方を "low" に設定します。これらの設定を自分で構築したい場合は、agents.models.get_default_model_settings("gpt-5") を呼び出してください。

レイテンシの低減や特定の要件のために、別のモデルや設定を選択できます。既定モデルの推論負荷を調整するには、独自の ModelSettings を渡します。

from openai.types.shared import Reasoning
from agents import Agent, ModelSettings

my_agent = Agent(
    name="My Agent",
    instructions="You're a helpful agent.",
    model_settings=ModelSettings(reasoning=Reasoning(effort="minimal"), verbosity="low")
    # If OPENAI_DEFAULT_MODEL=gpt-5 is set, passing only model_settings works.
    # It's also fine to pass a GPT-5 model name explicitly:
    # model="gpt-5",
)

特にレイテンシ低減のためには、gpt-5-mini または gpt-5-nano を reasoning.effort="minimal" で使用すると、既定設定より高速に応答が返ることがよくあります。ただし、Responses API の一部の組み込みツール（ファイル検索や画像生成など）は "minimal" の推論負荷をサポートしていません。そのため、この Agents SDK の既定は "low" になっています。

非 GPT-5 モデル

カスタムの model_settings なしで GPT-5 以外のモデル名を渡した場合、SDK は任意のモデルと互換性のある汎用的な ModelSettings にフォールバックします。

非 OpenAI モデル

LiteLLM 連携を使って、ほとんどの非 OpenAI モデルを利用できます。まず、litellm の依存関係グループをインストールします。

pip install "openai-agents[litellm]"

次に、litellm/ プレフィックスを付けて、サポートされているモデルを使用します。

claude_agent = Agent(model="litellm/anthropic/claude-3-5-sonnet-20240620", ...)
gemini_agent = Agent(model="litellm/gemini/gemini-2.5-flash-preview-04-17", ...)

非 OpenAI モデルを使う他の方法

他の LLM プロバイダーを次の 3 つの方法でも統合できます（code examples はこちら）。

set_default_openai_client は、LLM クライアントとして AsyncOpenAI のインスタンスをグローバルに使用したい場合に便利です。これは LLM プロバイダーが OpenAI 互換の API エンドポイントを提供し、base_url と api_key を設定できるケース向けです。設定可能なサンプルは examples/model_providers/custom_example_global.py を参照してください。
ModelProvider は Runner.run レベルで指定します。これにより、「この実行に含まれるすべてのエージェントでカスタムのモデルプロバイダーを使う」と指定できます。設定可能なサンプルは examples/model_providers/custom_example_provider.py を参照してください。
Agent.model は、特定の Agent インスタンスでモデルを指定できます。これにより、エージェントごとに異なるプロバイダーを組み合わせて使用できます。設定可能なサンプルは examples/model_providers/custom_example_agent.py を参照してください。最も多くの利用可能なモデルを手軽に使う方法は、LiteLLM 連携経由です。

platform.openai.com の API キーがない場合は、set_tracing_disabled() でトレーシングを無効化するか、別のトレーシングプロセッサーを設定することを推奨します。

Note

これらの code examples では、Responses API をまだサポートしていない LLM プロバイダーが多いため、Chat Completions API/モデルを使用しています。プロバイダーが Responses API をサポートしている場合は、Responses の利用を推奨します。

モデルの組み合わせ

1 つのワークフロー内で、エージェントごとに異なるモデルを使用したい場合があります。例えば、トリアージには小型で高速なモデルを使い、複雑なタスクには大型で高性能なモデルを使うなどです。Agent を設定する際、次のいずれかの方法で特定のモデルを選択できます。

モデル名を直接渡す。
任意のモデル名と、それを Model インスタンスにマップできる ModelProvider を渡す。
Model 実装を直接提供する。

Note

SDK は OpenAIResponsesModel と OpenAIChatCompletionsModel の両方の形をサポートしていますが、両者はサポートする機能やツールのセットが異なるため、各ワークフローでは単一のモデル形状を使用することを推奨します。ワークフローでモデル形状を混在させる必要がある場合は、使用するすべての機能が両方で利用可能であることを必ず確認してください。

from agents import Agent, Runner, AsyncOpenAI, OpenAIChatCompletionsModel
import asyncio

spanish_agent = Agent(
    name="Spanish agent",
    instructions="You only speak Spanish.",
    model="gpt-5-mini", # (1)!
)

english_agent = Agent(
    name="English agent",
    instructions="You only speak English",
    model=OpenAIChatCompletionsModel( # (2)!
        model="gpt-5-nano",
        openai_client=AsyncOpenAI()
    ),
)

triage_agent = Agent(
    name="Triage agent",
    instructions="Handoff to the appropriate agent based on the language of the request.",
    handoffs=[spanish_agent, english_agent],
    model="gpt-5",
)

async def main():
    result = await Runner.run(triage_agent, input="Hola, ¿cómo estás?")
    print(result.final_output)

OpenAI のモデル名を直接設定します。
Model 実装を提供します。

エージェントで使用するモデルをさらに構成したい場合は、temperature などの任意のモデル構成パラメーターを提供する ModelSettings を渡せます。

from agents import Agent, ModelSettings

english_agent = Agent(
    name="English agent",
    instructions="You only speak English",
    model="gpt-4.1",
    model_settings=ModelSettings(temperature=0.1),
)

また、OpenAI の Responses API を使用する場合、他にもいくつかの任意パラメーター（例: user、service_tier など）があります。トップレベルで指定できない場合は、extra_args を使って渡すことができます。

from agents import Agent, ModelSettings

english_agent = Agent(
    name="English agent",
    instructions="You only speak English",
    model="gpt-4.1",
    model_settings=ModelSettings(
        temperature=0.1,
        extra_args={"service_tier": "flex", "user": "user_12345"},
    ),
)

他の LLM プロバイダー利用時の一般的な問題

トレーシングクライアントのエラー 401

トレーシングに関連するエラーが発生する場合、トレースは OpenAI のサーバーにアップロードされ、OpenAI の API キーがないことが原因です。解決するには次の 3 つの選択肢があります。

トレーシングを完全に無効化する: set_tracing_disabled(True)
トレーシング用の OpenAI キーを設定する: set_tracing_export_api_key(...)。この API キーはトレースのアップロードのみに使用され、platform.openai.com のものが必要です。
非 OpenAI のトレースプロセッサーを使用する。tracing ドキュメントを参照してください。

Responses API のサポート

SDK は既定で Responses API を使用しますが、他の多くの LLM プロバイダーはまだサポートしていません。その結果、404 などの問題が発生する可能性があります。解決策は次の 2 つです。

set_default_openai_api("chat_completions") を呼び出す。これは環境変数で OPENAI_API_KEY と OPENAI_BASE_URL を設定している場合に機能します。
OpenAIChatCompletionsModel を使用する。code examples はこちらにあります。

Structured outputs のサポート

一部のモデルプロバイダーは structured outputs をサポートしていません。これにより、次のようなエラーが発生することがあります。

BadRequestError: Error code: 400 - {'error': {'message': "'response_format.type' : value is not one of the allowed values ['text','json_object']", 'type': 'invalid_request_error'}}

これは一部のモデルプロバイダー側の制約で、JSON 出力はサポートしていても、出力に使用する json_schema を指定できないというものです。現在これに対する修正に取り組んでいますが、JSON schema 出力をサポートするプロバイダーに依存することを推奨します。そうでない場合、不正な JSON が原因でアプリが頻繁に動作しなくなる可能性があります。

プロバイダーをまたぐモデルの混在

モデルプロバイダー間の機能差に注意しないと、エラーに直面する可能性があります。例えば、OpenAI は structured outputs、マルチモーダル入力、ホスト型のファイル検索と Web 検索をサポートしますが、多くの他プロバイダーはこれらの機能をサポートしていません。次の制約に注意してください。

理解しないプロバイダーに対してサポートされていない tools を送らない
テキスト専用のモデルを呼び出す前に、マルチモーダル入力をフィルタリングする
structured JSON 出力をサポートしないプロバイダーは、無効な JSON を出力することがある点に注意する

モデル