エージェントの実行

エージェントは Runner クラスで実行できます。方法は 3 つあります。

Runner.run(): 非同期で実行し、RunResult を返します。
Runner.run_sync(): 同期メソッドで、内部的には .run() を実行します。
Runner.run_streamed(): 非同期で実行し、RunResultStreaming を返します。LLM をストリーミングモードで呼び出し、受信したイベントを順次ストリーミングします。

from agents import Agent, Runner

async def main():
    agent = Agent(name="Assistant", instructions="You are a helpful assistant")

    result = await Runner.run(agent, "Write a haiku about recursion in programming.")
    print(result.final_output)
    # Code within the code,
    # Functions calling themselves,
    # Infinite loop's dance

詳しくは実行結果ガイドを参照してください。

エージェントループ

Runner の run メソッドを使うときは、開始するエージェントと入力を渡します。入力は文字列（ユーザーメッセージとして扱われます）または入力アイテムのリスト（OpenAI Responses API のアイテム）です。

runner は次のループを実行します。

現在のエージェントと現在の入力で LLM を呼び出します。
LLM が出力を生成します。
1. LLM が final_output を返した場合、ループを終了し結果を返します。
2. LLM がハンドオフを行った場合、現在のエージェントと入力を更新してループを再実行します。
3. LLM がツール呼び出しを生成した場合、それらを実行して結果を追加し、ループを再実行します。
渡された max_turns を超えた場合、MaxTurnsExceeded 例外を送出します。

Note

LLM の出力が「最終出力」と見なされる規則は、望ましい型のテキスト出力を生成し、ツール呼び出しがない場合です。

ストリーミング

ストリーミングを使用すると、LLM の実行に伴うストリーミングイベントを追加で受け取れます。ストリームが完了すると、RunResultStreaming には、生成されたすべての新しい出力を含む、実行に関する完全な情報が含まれます。ストリーミングイベントは .stream_events() を呼び出して取得できます。詳しくはストリーミングガイドを参照してください。

実行設定

run_config パラメーターでは、エージェント実行のグローバル設定を構成できます。

model: 各 Agent の model に関係なく、使用するグローバルな LLM モデルを設定できます。
model_provider: モデル名を解決するためのモデルプロバイダーで、デフォルトは OpenAI です。
model_settings: エージェント固有の設定を上書きします。たとえば、グローバルな temperature や top_p を設定できます。
input_guardrails, output_guardrails: すべての実行に含める入力／出力のガードレールのリストです。
handoff_input_filter: ハンドオフに入力フィルターが未設定の場合に適用する、すべてのハンドオフに対するグローバルな入力フィルターです。入力フィルターを使うと、新しいエージェントに送る入力を編集できます。詳細は Handoff.input_filter のドキュメントを参照してください。
tracing_disabled: 実行全体のトレーシングを無効化できます。
trace_include_sensitive_data: LLM やツール呼び出しの入出力など、機微なデータをトレースに含めるかどうかを設定します。
workflow_name, trace_id, group_id: 実行のトレーシングにおけるワークフロー名、トレース ID、トレースグループ ID を設定します。少なくとも workflow_name を設定することを推奨します。グループ ID は任意で、複数の実行にまたがるトレースを関連付けるのに使えます。
trace_metadata: すべてのトレースに含めるメタデータです。

会話／チャットスレッド

任意の run メソッドの呼び出しは、1 つ以上のエージェント（したがって 1 回以上の LLM 呼び出し）の実行につながる場合がありますが、チャット会話における 1 回の論理的なターンを表します。例:

ユーザーターン: ユーザーがテキストを入力
Runner の実行: 最初のエージェントが LLM を呼び出し、ツールを実行し、2 番目のエージェントにハンドオフし、2 番目のエージェントがさらにツールを実行してから出力を生成します。

エージェント実行の最後に、ユーザーに何を表示するかを選べます。たとえば、エージェントが生成したすべての新しいアイテムをユーザーに表示する、または最終出力のみを表示する、などです。いずれにせよ、ユーザーがフォローアップの質問をするかもしれないので、その場合は再度 run メソッドを呼び出せます。

手動の会話管理

次のターンの入力を取得するために、RunResultBase.to_input_list() メソッドを使って会話履歴を手動で管理できます。

async def main():
    agent = Agent(name="Assistant", instructions="Reply very concisely.")

    thread_id = "thread_123"  # Example thread ID
    with trace(workflow_name="Conversation", group_id=thread_id):
        # First turn
        result = await Runner.run(agent, "What city is the Golden Gate Bridge in?")
        print(result.final_output)
        # San Francisco

        # Second turn
        new_input = result.to_input_list() + [{"role": "user", "content": "What state is it in?"}]
        result = await Runner.run(agent, new_input)
        print(result.final_output)
        # California

Sessions による自動会話管理

より簡単な方法として、Sessions を使うと、.to_input_list() を手動で呼び出すことなく会話履歴を自動で扱えます。

from agents import Agent, Runner, SQLiteSession

async def main():
    agent = Agent(name="Assistant", instructions="Reply very concisely.")

    # Create session instance
    session = SQLiteSession("conversation_123")

    thread_id = "thread_123"  # Example thread ID
    with trace(workflow_name="Conversation", group_id=thread_id):
        # First turn
        result = await Runner.run(agent, "What city is the Golden Gate Bridge in?", session=session)
        print(result.final_output)
        # San Francisco

        # Second turn - agent automatically remembers previous context
        result = await Runner.run(agent, "What state is it in?", session=session)
        print(result.final_output)
        # California

Sessions は自動で次を行います。

各実行の前に会話履歴を取得
各実行の後に新しいメッセージを保存
セッション ID ごとに別々の会話を維持

詳細は Sessions のドキュメントを参照してください。

長時間実行エージェントとヒューマン・イン・ザ・ループ

Agents SDK の Temporal 連携を使用すると、ヒューマン・イン・ザ・ループのタスクを含む、永続的で長時間実行のワークフローを実行できます。長時間実行タスクを完了するために Temporal と Agents SDK が連携して動作するデモはこの動画で確認でき、こちらのドキュメントも参照してください。

例外

この SDK は、特定のケースで例外を送出します。完全な一覧は agents.exceptions にあります。概要は次のとおりです。

AgentsException: SDK 内で送出されるすべての例外の基底クラスです。その他の特定の例外はすべて、この型から派生します。
MaxTurnsExceeded: Runner.run、Runner.run_sync、Runner.run_streamed メソッドに渡した max_turns の上限をエージェントの実行が超えたときに送出されます。これは、指定された対話ターン数内にエージェントがタスクを完了できなかったことを示します。
ModelBehaviorError: 基盤のモデル（LLM）が予期しない、または無効な出力を生成した場合に発生します。次を含みます。
- 不正な JSON: 特定の output_type が定義されている場合に特に、ツール呼び出しや直接の出力でモデルが不正な JSON 構造を返したとき。
- 予期しないツール関連の失敗: モデルが期待どおりの方法でツールを使用できなかったとき。
UserError: SDK を使用するあなた（この SDK を使ってコードを書く人）がエラーを起こしたときに送出されます。これは通常、誤ったコード実装、無効な設定、または SDK の API の誤用に起因します。
InputGuardrailTripwireTriggered, OutputGuardrailTripwireTriggered: それぞれ、入力ガードレールまたは出力ガードレールの条件が満たされたときに送出されます。入力ガードレールは処理前に受信メッセージを検査し、出力ガードレールは配信前にエージェントの最終応答を検査します。