モデル

Agents SDK には、OpenAI モデルのサポートが 2 種類用意されています。

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、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の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 などの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。

デフォルトの 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一貫して使用したい場合は、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 のいずれかの推論モデル（gpt-5、gpt-5-mini、または gpt-5-nano）を使用すると、SDK は既定で適切な 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、別のモデルや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",
)

特に低レイテンシを重視する場合、gpt-5-mini または gpt-5-nano モデルにおいて reasoning.effort="minimal" を使用すると、デフォルト設定よりも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ないため、この Agents SDK のデフォルトは "low" になっています。

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 はどのモデルでも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 連携を介して、ほとんどの他社製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対応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 プロバイダーを統合する方法が 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 プロバイダーが OpenAI 互換の API エンドポイントを持ち、base_url と api_key を設定できる場合に使用します。設定可能な例は 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、「この実行のすべてのエージェントにカスタムモデルプロバイダーを使う」と指定できます。設定可能な例は 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ーを組み合わせて使用できます。設定可能な例は examples/model_providers/custom_example_agent.py を参照してください。利用可能なモデルの多くを簡単に使うには、LiteLLM 連携が便利です。

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

これらの例では、Responses API をまだサポートしていない LLM プロバイダーが多数あるため、Chat Completions API/モデルを使用しています。お使いの LLM プロバイダーが 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

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いたい場合があります。例えば、振り分け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 を構成する際は、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。
任意のモデル名に加えて、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 の両方の形をサポートしますが、両者で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を使うことを推奨します。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、使用してい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 モデルの名前を直接設定します。
Model 実装を提供します。

エージェントで使う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 を使って渡すこともできます。

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"},
    ),
)

他社製 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

トレーシング関連の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る一方で、OpenAI の API キーがないことが原因です。解決策は次の 3 つです。

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。トレーシングの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、他社製 LLM プロバイダーの多くはまだ未対応です。その結果、404 などの問題が発生する場合があります。解決するには次のいずれかを行ってください。

set_default_openai_api("chat_completions") を呼び出します。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 を使用します。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 出力自体には対応していても、出力に使用する json_schema を指定できない場合があります。現在この問題の解決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。そうしないと、JSON が不正（malformed）であることが多く、アプリが頻繁に壊れてしまいます。

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異に注意しないと、エラーに遭遇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および Web 検索をサポートしますが、他の多くの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。

サポートされていない tools を理解しないプロバイダーに送信しない
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 を生成することがある点に注意する

モデル