コンテンツにスキップ

エージェントの実行

Runner クラス Runner を使用して エージェント を実行できます。方法は 3 つあります。

  1. 非同期で実行し、RunResult を返す Runner.run()
  2. 同期メソッドで、内部的には .run() を呼び出す Runner.run_sync()
  3. 非同期で実行し、RunResultStreaming を返す Runner.run_streamed()
    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逐次 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.

詳細は 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 メソッドを使用する際は、開始 エージェント と入力を渡します。入力は文字列（ユーザー メッセージと見なされます）または入力項目のリスト（OpenAI Responses API の項目）です。

Runner は以下のループを実行します。

  1. 現在の エージェント と現在の入力で LLM を呼び出します。
  2. LLM が出力を生成します。
    1. final_output が返された場合、ループを終了して結果を返します。
    2. ハンドオフ が発生した場合、現在の エージェント と入力を更新し、ループを再実行します。
    3. ツール呼び出し がある場合、それらを実行し、結果を追加してループを再実行します。
  3. 指定した 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」と見なされる条件は、望ましい型のテキスト出力であり、ツール呼び出しがないことです。

ストリーミング

ストリーミング を使用すると、LLM の実行中に ストリーミング イベントを受け取れます。ストリーム完了後、RunResultStreaming には実行に関する完全な情報（新しく生成されたすべての出力を含む）が格納されます。.stream_events() を呼び出して ストリーミング イベントを取得できます。詳しくは ストリーミングガイド をご覧ください。

Run 設定

run_config パラメーターにより、エージェント実行のグローバル設定を行えます。

  • model: 各 Agent の model 設定に関わらず使用するグローバル LLM モデルを指定します。
  • model_provider: モデル名を解決する モデルプロバイダー。デフォルトは OpenAI です。
  • model_settings: エージェント固有設定を上書きします。例としてグローバル temperature や top_p の設定など。
  • input_guardrails, output_guardrails: すべての実行に適用する入力 / 出力 ガードレール のリスト。
  • handoff_input_filter: ハンドオフ に入力フィルターが設定されていない場合に適用されるグローバル入力フィルター。新しい エージェント へ送信される入力を編集できます。詳細は Handoff.input_filter を参照してください。
  • tracing_disabled: 実行全体の トレーシング を無効化します。
  • trace_include_sensitive_data: トレースに LLM やツール呼び出しの入出力など、機微なデータを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 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 の設定を推奨します。group_id を設定すると、複数の実行にまたがるトレースをリンクできます。
  • trace_metadata: すべてのトレースに付与するメタデータ。

会話 / チャットスレッド

いずれかの run メソッドを呼び出すと、1 つ以上の エージェント が実行され（つまり 1 つ以上の LLM 呼び出しが行われ）、チャット会話の 1 つの論理ターンを表します。例:

  1. ユーザーターン: ユーザー がテキストを入力
  2. Runner 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 へハンドオフ。2 番目の エージェント がさらにツールを実行し、最終出力を生成。

エージェント実行の終了時に、ユーザー に何を表示するかは自由です。たとえば、エージェント が生成したすべての新しい項目を表示する、または最終出力のみを表示する等です。いずれの場合でも、ユーザー がフォローアップ質問をしたら、再度 run メソッドを呼び出せます。

次ターンの入力は、基底クラス RunResultBase.to_input_list() を使用して取得できます。

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

    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

例外

特定の状況で SDK は例外を送出します。完全な一覧は agents.exceptions にあります。概要は以下のとおりです。