モデル

Agents SDK には、OpenAI モデルに対する標準サポートが 2 種類用意されています。

推奨: OpenAIResponsesModel。新しい Responses API を使用して OpenAI API を呼び出します。
OpenAIChatCompletionsModel。 Chat Completions API を使用して OpenAI API を呼び出します。

OpenAI モデル

Agent を初期化するときにモデルを指定しない場合は、デフォルトのモデルが使用されます。現在のデフォルトは gpt-4.1 で、エージェントワークフローにおける予測可能性と低レイテンシのバランスに優れています。

gpt-5 など他のモデルに切り替える場合は、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。

より低レイテンシや特定の要件がある場合は、別のモデルと設定を選択できます。デフォルト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",
)

特にレイテンシを下げたい場合は、gpt-5-mini または gpt-5-nano モデルに reasoning.effort="minimal" を指定することで、デフォルト設定よりも高速に応答が返ることが多いです。ただし、Responses API の一部の内蔵ツール（たとえばファイル検索や画像生成）は "minimal" の推論負荷をサポートしていないため、本 Agents SDK では "low" をデフォルトにしています。

非 GPT-5 モデル

カスタムの model_settings を指定せずに GPT-5 以外のモデル名を渡した場合、SDK はあらゆるモデルで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 連携を通じて、ほとんどの非 OpenAI モデルを使用できます。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 プロバイダを統合する方法はさらに 3 つあります（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 プロバイダが OpenAI 互換の API エンドポイントを持ち、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 レベルです。これにより、「この実行のすべてのエージェントにカスタムのモデルプロバイダを使う」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 では、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を組み合わせて使えます。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。利用可能なほとんどのモデルを簡単に使う方法としては、LiteLLM 連携を利用するのが簡単です。

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おすすめします。

Note

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

モデルの組み合わせ

単一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い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、といった使い分けです。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べます。

モデル名を渡す。
任意のモデル名と、その名前を Model インスタンスにマッピングできる ModelProvider を渡す。
Model 実装を直接渡す。

Note

SDK は OpenAIResponsesModel と OpenAIChatCompletionsModel の両方の形状をサポートしますが、両者はサポートする機能やツールが異なるため、各ワークフローでは単一のモデル形状の使用を推奨します。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。

エージェントに使用するモデルをさらに構成したい場合は、ModelSettings を渡せます。これは、temperature などのオプションのモデル構成パラメーターを提供します。

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,
        extra_args={"service_tier": "flex", "user": "user_12345"},
    ),
)

他社 LLM プロバイダ使用時のよくある問題

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出る場合、トレースは OpenAI のサーバーにアップロードされ、OpenAI の API キーを持っていないことが原因です。次の 3 つの方法で解決できます。

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にのみ使用され、platform.openai.com のキーである必要があります。
非 OpenAI のトレースプロセッサーを使用する。トレーシングドキュメントを参照してください。

Responses API のサポート

SDK はデフォルトで Responses API を使用しますが、他の多くの LLM プロバイダ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場合があります。解決方法は次の 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。

Structured outputs のサポート

一部のモデルプロバイダは structured outputs をサポートしていません。その結果、次のようなエラーになることがあります。

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 を指定できない場合があります。現在この点については改善に取り組んでいますが、JSON スキーマ出力をサポートするプロバイダに依存することをおすすめします。そうでない場合、不正な JSON によりアプリが頻繁に壊れてしまう可能性があります。

プロバイダをまたいだモデルの混在

モデルプロバイダ間の機能差に注意しないと、エラーが発生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 検索をサポートしていますが、他の多くのプロバイダはこれらの機能をサポートしていません。以下の制約に注意してください。

サポートされていない tools を理解しないプロバイダに送信しない
テキストのみのモデルを呼び出す前に、マルチモーダル入力を除外する
structured JSON 出力をサポートしていないプロバイダは、不正な JSON を生成することがある点に注意する

モデル