セッション

Agents SDK は、複数のエージェント実行にまたがって会話履歴を自動的に維持する組み込みのセッションメモリを提供しており、ターン間で .to_input_list() を手動で扱う必要をなくします。

Sessions は特定のセッションの会話履歴を保存し、明示的な手動メモリ管理を必要とせずにエージェントがコンテキストを維持できるようにします。これは、エージェントに過去のやり取りを記憶させたいチャットアプリケーションや複数ターンの会話を構築する際に特に有用です。

SDK にクライアント側メモリ管理を任せたい場合は sessions を使用してください。Sessions は同一実行内で conversation_id、previous_response_id、auto_previous_response_id と組み合わせることはできません。代わりに OpenAI のサーバー管理による継続を使いたい場合は、session を重ねるのではなくそれらの仕組みのいずれかを選択してください。

クイックスタート

from agents import Agent, Runner, SQLiteSession

# Create agent
agent = Agent(
    name="Assistant",
    instructions="Reply very concisely.",
)

# Create a session instance with a session ID
session = SQLiteSession("conversation_123")

# 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"

# Also works with synchronous runner
result = Runner.run_sync(
    agent,
    "What's the population?",
    session=session
)
print(result.final_output)  # "Approximately 39 million"

同一セッションで中断実行を再開

実行が承認待ちで一時停止した場合は、同じ session インスタンス（または同じバックエンドストアを指す別の session インスタンス）で再開してください。そうすることで、再開したターンは同じ保存済み会話履歴を継続します。

result = await Runner.run(agent, "Delete temporary files that are no longer needed.", session=session)

if result.interruptions:
    state = result.to_state()
    for interruption in result.interruptions:
        state.approve(interruption)
    result = await Runner.run(agent, state, session=session)

セッションのコア動作

セッションメモリが有効な場合:

1. 各実行前: runner はセッションの会話履歴を自動取得し、入力アイテムの先頭に追加します。
2. 各実行後: 実行中に生成されたすべての新規アイテム（ユーザー入力、assistant 応答、ツール呼び出しなど）が自動的にセッションへ保存されます。
3. コンテキスト保持: 同じ session を使う後続の各実行には完全な会話履歴が含まれ、エージェントがコンテキストを維持できます。

これにより、.to_input_list() を手動で呼び出して実行間の会話状態を管理する必要がなくなります。

履歴と新規入力のマージ方法の制御

session を渡すと、runner は通常次のようにモデル入力を準備します:

1. セッション履歴（session.get_items(...) から取得）
2. 新しいターンの入力

モデル呼び出し前のこのマージ処理をカスタマイズするには RunConfig.session_input_callback を使用します。コールバックは 2 つのリストを受け取ります:

• history: 取得されたセッション履歴（すでに入力アイテム形式に正規化済み）
• new_input: 現在ターンの新しい入力アイテム

モデルに送信する最終的な入力アイテムのリストを返してください。

コールバックは両方のリストのコピーを受け取るため、安全に変更できます。返されたリストはそのターンのモデル入力を制御しますが、SDK が永続化するのは引き続き新しいターンに属するアイテムのみです。したがって、古い履歴を並べ替えたりフィルタしたりしても、古いセッションアイテムが新しい入力として再保存されることはありません。

from agents import Agent, RunConfig, Runner, SQLiteSession


def keep_recent_history(history, new_input):
    # Keep only the last 10 history items, then append the new turn.
    return history[-10:] + new_input


agent = Agent(name="Assistant")
session = SQLiteSession("conversation_123")

result = await Runner.run(
    agent,
    "Continue from the latest updates only.",
    session=session,
    run_config=RunConfig(session_input_callback=keep_recent_history),
)

これは、セッションの保存方法を変更せずに、履歴のカスタムな間引き、並べ替え、または選択的な取り込みが必要な場合に使用します。モデル呼び出し直前にさらに後段の最終処理が必要な場合は、running agents guide の call_model_input_filter を使用してください。

取得履歴の制限

各実行前にどの程度の履歴を取得するかを制御するには SessionSettings を使用します。

• SessionSettings(limit=None)（デフォルト）: 利用可能なセッションアイテムをすべて取得
• SessionSettings(limit=N): 直近 N 件のアイテムのみ取得

これは RunConfig.session_settings で実行ごとに適用できます:

from agents import Agent, RunConfig, Runner, SessionSettings, SQLiteSession

agent = Agent(name="Assistant")
session = SQLiteSession("conversation_123")

result = await Runner.run(
    agent,
    "Summarize our recent discussion.",
    session=session,
    run_config=RunConfig(session_settings=SessionSettings(limit=50)),
)

セッション実装がデフォルトの session settings を公開している場合、RunConfig.session_settings はその実行において None 以外の値を上書きします。これは、セッションのデフォルト動作を変更せずに取得サイズの上限を設けたい長い会話で有用です。

メモリ操作

基本操作

Sessions は会話履歴を管理するための複数の操作をサポートしています:

from agents import SQLiteSession

session = SQLiteSession("user_123", "conversations.db")

# Get all items in a session
items = await session.get_items()

# Add new items to a session
new_items = [
    {"role": "user", "content": "Hello"},
    {"role": "assistant", "content": "Hi there!"}
]
await session.add_items(new_items)

# Remove and return the most recent item
last_item = await session.pop_item()
print(last_item)  # {"role": "assistant", "content": "Hi there!"}

# Clear all items from a session
await session.clear_session()

修正のための pop_item の使用

pop_item メソッドは、会話の最後のアイテムを取り消したり変更したりしたい場合に特に有用です:

from agents import Agent, Runner, SQLiteSession

agent = Agent(name="Assistant")
session = SQLiteSession("correction_example")

# Initial conversation
result = await Runner.run(
    agent,
    "What's 2 + 2?",
    session=session
)
print(f"Agent: {result.final_output}")

# User wants to correct their question
assistant_item = await session.pop_item()  # Remove agent's response
user_item = await session.pop_item()  # Remove user's question

# Ask a corrected question
result = await Runner.run(
    agent,
    "What's 2 + 3?",
    session=session
)
print(f"Agent: {result.final_output}")

組み込みセッション実装

SDK は、さまざまなユースケース向けに複数のセッション実装を提供しています。

組み込みセッション実装の選択

以下の詳細な例を読む前に、この表を使って開始点を選んでください。

Session type	Best for	Notes
SQLiteSession	ローカル開発とシンプルなアプリ	組み込み、軽量、ファイル永続化またはインメモリ
AsyncSQLiteSession	aiosqlite を使った非同期 SQLite	非同期ドライバー対応の拡張バックエンド
RedisSession	ワーカー / サービス間での共有メモリ	低レイテンシな分散デプロイに適しています
SQLAlchemySession	既存データベースを持つ本番アプリ	SQLAlchemy 対応データベースで動作
DaprSession	Dapr sidecar を使うクラウドネイティブデプロイ	複数の state store に加え TTL と整合性制御をサポート
OpenAIConversationsSession	OpenAI でのサーバー管理ストレージ	OpenAI Conversations API ベースの履歴
OpenAIResponsesCompactionSession	自動圧縮付きの長い会話	別のセッションバックエンドをラップ
AdvancedSQLiteSession	分岐 / 分析機能付き SQLite	機能セットが大きめ。専用ページを参照
EncryptedSession	別セッションの上に暗号化 + TTL	ラッパー。先に基盤バックエンドを選択

一部の実装には追加の詳細を説明した専用ページがあり、それらは各サブセクション内でリンクされています。

ChatKit 用の Python サーバーを実装する場合は、ChatKit のスレッドとアイテム永続化に chatkit.store.Store 実装を使用してください。SQLAlchemySession などの Agents SDK セッションは SDK 側の会話履歴を管理しますが、ChatKit の store のそのままの置き換えにはなりません。ChatKit データストアの実装に関する chatkit-python ガイド を参照してください。

OpenAI Conversations API セッション

OpenAIConversationsSession を通じて OpenAI's Conversations API を使用します。

from agents import Agent, Runner, OpenAIConversationsSession

# Create agent
agent = Agent(
    name="Assistant",
    instructions="Reply very concisely.",
)

# Create a new conversation
session = OpenAIConversationsSession()

# Optionally resume a previous conversation by passing a conversation ID
# session = OpenAIConversationsSession(conversation_id="conv_123")

# Start conversation
result = await Runner.run(
    agent,
    "What city is the Golden Gate Bridge in?",
    session=session
)
print(result.final_output)  # "San Francisco"

# Continue the conversation
result = await Runner.run(
    agent,
    "What state is it in?",
    session=session
)
print(result.final_output)  # "California"

OpenAI Responses 圧縮セッション

Responses API（responses.compact）で保存済み会話履歴を圧縮するには OpenAIResponsesCompactionSession を使用します。これは基盤となる session をラップし、should_trigger_compaction に基づいて各ターン後に自動圧縮できます。OpenAIConversationsSession をこれでラップしないでください。これら 2 つの機能は履歴を異なる方法で管理します。

一般的な使用方法（自動圧縮）

from agents import Agent, Runner, SQLiteSession
from agents.memory import OpenAIResponsesCompactionSession

underlying = SQLiteSession("conversation_123")
session = OpenAIResponsesCompactionSession(
    session_id="conversation_123",
    underlying_session=underlying,
)

agent = Agent(name="Assistant")
result = await Runner.run(agent, "Hello", session=session)
print(result.final_output)

デフォルトでは、候補しきい値に達すると各ターン後に圧縮が実行されます。

compaction_mode="previous_response_id" は、すでに Responses API の response ID でターンを連結している場合に最適です。compaction_mode="input" は代わりに現在のセッションアイテムから圧縮リクエストを再構築します。これは response chain が利用できない場合や、セッション内容を信頼できる唯一の情報源にしたい場合に有用です。デフォルトの "auto" は、利用可能な中で最も安全な選択肢を選びます。

エージェント実行で ModelSettings(store=False) を使うと、Responses API は後で参照するための最新 response を保持しません。このステートレス構成では、デフォルトの "auto" モードは previous_response_id に依存せず、入力ベース圧縮にフォールバックします。完全な例は examples/memory/compaction_session_stateless_example.py を参照してください。

自動圧縮はストリーミングをブロックする場合があります

圧縮はセッション履歴をクリアして再書き込みするため、SDK は圧縮完了前に実行完了と見なしません。ストリーミングモードでは、圧縮が重い場合、最後の出力トークンの後も run.stream_events() が数秒開いたままになることがあります。

低レイテンシなストリーミングや高速なターン交代が必要な場合は、自動圧縮を無効化し、ターン間（またはアイドル時間）に run_compaction() を手動で呼び出してください。圧縮を強制するタイミングは独自の基準で決められます。

from agents import Agent, Runner, SQLiteSession
from agents.memory import OpenAIResponsesCompactionSession

underlying = SQLiteSession("conversation_123")
session = OpenAIResponsesCompactionSession(
    session_id="conversation_123",
    underlying_session=underlying,
    # Disable triggering the auto compaction
    should_trigger_compaction=lambda _: False,
)

agent = Agent(name="Assistant")
result = await Runner.run(agent, "Hello", session=session)

# Decide when to compact (e.g., on idle, every N turns, or size thresholds).
await session.run_compaction({"force": True})

SQLite セッション

SQLite を使用したデフォルトの軽量セッション実装です:

from agents import SQLiteSession

# In-memory database (lost when process ends)
session = SQLiteSession("user_123")

# Persistent file-based database
session = SQLiteSession("user_123", "conversations.db")

# Use the session
result = await Runner.run(
    agent,
    "Hello",
    session=session
)

非同期 SQLite セッション

aiosqlite をバックエンドにした SQLite 永続化が必要な場合は AsyncSQLiteSession を使用します。

pip install aiosqlite

from agents import Agent, Runner
from agents.extensions.memory import AsyncSQLiteSession

agent = Agent(name="Assistant")
session = AsyncSQLiteSession("user_123", db_path="conversations.db")
result = await Runner.run(agent, "Hello", session=session)

Redis セッション

複数のワーカーやサービス間でセッションメモリを共有するには RedisSession を使用します。

pip install openai-agents[redis]

from agents import Agent, Runner
from agents.extensions.memory import RedisSession

agent = Agent(name="Assistant")
session = RedisSession.from_url(
    "user_123",
    url="redis://localhost:6379/0",
)
result = await Runner.run(agent, "Hello", session=session)

SQLAlchemy セッション

SQLAlchemy 対応の任意のデータベースを使用した、本番対応の Agents SDK セッション永続化:

from agents.extensions.memory import SQLAlchemySession

# Using database URL
session = SQLAlchemySession.from_url(
    "user_123",
    url="postgresql+asyncpg://user:pass@localhost/db",
    create_tables=True
)

# Using existing engine
from sqlalchemy.ext.asyncio import create_async_engine
engine = create_async_engine("postgresql+asyncpg://user:pass@localhost/db")
session = SQLAlchemySession("user_123", engine=engine, create_tables=True)

詳細は SQLAlchemy Sessions を参照してください。

Dapr セッション

すでに Dapr sidecar を運用している場合、またはエージェントコードを変更せずに異なる state-store バックエンド間で移行可能なセッションストレージが必要な場合は DaprSession を使用します。

pip install openai-agents[dapr]

from agents import Agent, Runner
from agents.extensions.memory import DaprSession

agent = Agent(name="Assistant")

async with DaprSession.from_address(
    "user_123",
    state_store_name="statestore",
    dapr_address="localhost:50001",
) as session:
    result = await Runner.run(agent, "Hello", session=session)
    print(result.final_output)

注意:

• from_address(...) は Dapr クライアントを作成して所有します。アプリですでに管理している場合は、dapr_client=... を指定して直接 DaprSession(...) を構築してください。
• 基盤 state store が TTL をサポートしている場合、ttl=... を渡すと古いセッションデータを自動期限切れにできます。
• より強い read-after-write 保証が必要な場合は consistency=DAPR_CONSISTENCY_STRONG を渡してください。
• Dapr Python SDK は HTTP sidecar endpoint も確認します。ローカル開発では、dapr_address で使用する gRPC ポートに加えて、--dapr-http-port 3500 でも Dapr を起動してください。
• ローカルコンポーネントやトラブルシューティングを含む完全なセットアップ手順は examples/memory/dapr_session_example.py を参照してください。

Advanced SQLite セッション

会話分岐、使用状況分析、構造化クエリを備えた拡張 SQLite セッション:

from agents.extensions.memory import AdvancedSQLiteSession

# Create with advanced features
session = AdvancedSQLiteSession(
    session_id="user_123",
    db_path="conversations.db",
    create_tables=True
)

# Automatic usage tracking
result = await Runner.run(agent, "Hello", session=session)
await session.store_run_usage(result)  # Track token usage

# Conversation branching
await session.create_branch_from_turn(2)  # Branch from turn 2

詳細は Advanced SQLite Sessions を参照してください。

Encrypted セッション

任意のセッション実装向け透過的暗号化ラッパー:

from agents.extensions.memory import EncryptedSession, SQLAlchemySession

# Create underlying session
underlying_session = SQLAlchemySession.from_url(
    "user_123",
    url="sqlite+aiosqlite:///conversations.db",
    create_tables=True
)

# Wrap with encryption and TTL
session = EncryptedSession(
    session_id="user_123",
    underlying_session=underlying_session,
    encryption_key="your-secret-key",
    ttl=600  # 10 minutes
)

result = await Runner.run(agent, "Hello", session=session)

詳細は Encrypted Sessions を参照してください。

その他のセッションタイプ

このほかにもいくつかの組み込みオプションがあります。examples/memory/ と extensions/memory/ 配下のソースコードを参照してください。

運用パターン

セッション ID 命名

会話の整理に役立つ、意味のあるセッション ID を使用してください:

• ユーザーベース: "user_12345"
• スレッドベース: "thread_abc123"
• コンテキストベース: "support_ticket_456"

メモリ永続化

• 一時的な会話にはインメモリ SQLite（SQLiteSession("session_id")）を使用
• 永続的な会話にはファイルベース SQLite（SQLiteSession("session_id", "path/to/db.sqlite")）を使用
• aiosqlite ベース実装が必要な場合は非同期 SQLite（AsyncSQLiteSession("session_id", db_path="...")）を使用
• 共有の低レイテンシなセッションメモリには Redis バックエンドセッション（RedisSession.from_url("session_id", url="redis://...")）を使用
• SQLAlchemy が対応する既存データベースを持つ本番システムには SQLAlchemy ベースセッション（SQLAlchemySession("session_id", engine=engine, create_tables=True)）を使用
• 組み込みテレメトリ、トレーシング、データ分離に加え 30 以上のデータベースバックエンドをサポートする本番クラウドネイティブデプロイには Dapr state store セッション（DaprSession.from_address("session_id", state_store_name="statestore", dapr_address="localhost:50001")）を使用
• 履歴を OpenAI Conversations API に保存したい場合は OpenAI ホスト型ストレージ（OpenAIConversationsSession()）を使用
• 任意のセッションを透過的暗号化と TTL ベース期限切れでラップするには暗号化セッション（EncryptedSession(session_id, underlying_session, encryption_key)）を使用
• より高度なユースケース向けに、他の本番システム（例: Django）向けカスタムセッションバックエンドの実装も検討してください

複数セッション

from agents import Agent, Runner, SQLiteSession

agent = Agent(name="Assistant")

# Different sessions maintain separate conversation histories
session_1 = SQLiteSession("user_123", "conversations.db")
session_2 = SQLiteSession("user_456", "conversations.db")

result1 = await Runner.run(
    agent,
    "Help me with my account",
    session=session_1
)
result2 = await Runner.run(
    agent,
    "What are my charges?",
    session=session_2
)

セッション共有

# Different agents can share the same session
support_agent = Agent(name="Support")
billing_agent = Agent(name="Billing")
session = SQLiteSession("user_123")

# Both agents will see the same conversation history
result1 = await Runner.run(
    support_agent,
    "Help me with my account",
    session=session
)
result2 = await Runner.run(
    billing_agent,
    "What are my charges?",
    session=session
)

完全な例

セッションメモリの動作を示す完全な例です:

import asyncio
from agents import Agent, Runner, SQLiteSession


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

    # Create a session instance that will persist across runs
    session = SQLiteSession("conversation_123", "conversation_history.db")

    print("=== Sessions Example ===")
    print("The agent will remember previous messages automatically.\n")

    # First turn
    print("First turn:")
    print("User: What city is the Golden Gate Bridge in?")
    result = await Runner.run(
        agent,
        "What city is the Golden Gate Bridge in?",
        session=session
    )
    print(f"Assistant: {result.final_output}")
    print()

    # Second turn - the agent will remember the previous conversation
    print("Second turn:")
    print("User: What state is it in?")
    result = await Runner.run(
        agent,
        "What state is it in?",
        session=session
    )
    print(f"Assistant: {result.final_output}")
    print()

    # Third turn - continuing the conversation
    print("Third turn:")
    print("User: What's the population of that state?")
    result = await Runner.run(
        agent,
        "What's the population of that state?",
        session=session
    )
    print(f"Assistant: {result.final_output}")
    print()

    print("=== Conversation Complete ===")
    print("Notice how the agent remembered the context from previous turns!")
    print("Sessions automatically handles conversation history.")


if __name__ == "__main__":
    asyncio.run(main())

カスタムセッション実装

Session プロトコルに従うクラスを作成することで、独自のセッションメモリを実装できます:

from agents.memory.session import SessionABC
from agents.items import TResponseInputItem
from typing import List

class MyCustomSession(SessionABC):
    """Custom session implementation following the Session protocol."""

    def __init__(self, session_id: str):
        self.session_id = session_id
        # Your initialization here

    async def get_items(self, limit: int | None = None) -> List[TResponseInputItem]:
        """Retrieve conversation history for this session."""
        # Your implementation here
        pass

    async def add_items(self, items: List[TResponseInputItem]) -> None:
        """Store new items for this session."""
        # Your implementation here
        pass

    async def pop_item(self) -> TResponseInputItem | None:
        """Remove and return the most recent item from this session."""
        # Your implementation here
        pass

    async def clear_session(self) -> None:
        """Clear all items for this session."""
        # Your implementation here
        pass

# Use your custom session
agent = Agent(name="Assistant")
result = await Runner.run(
    agent,
    "Hello",
    session=MyCustomSession("my_session")
)

コミュニティセッション実装

コミュニティでは追加のセッション実装が開発されています:

Package	Description
openai-django-sessions	任意の Django 対応データベース（ PostgreSQL、 MySQL、 SQLite など）向けの Django ORM ベースセッション

セッション実装を作成した場合は、ここに追加するためのドキュメント PR をぜひ送ってください。

API リファレンス

詳細な API ドキュメントは以下を参照してください:

• Session - プロトコルインターフェース
• OpenAIConversationsSession - OpenAI Conversations API 実装
• OpenAIResponsesCompactionSession - Responses API 圧縮ラッパー
• SQLiteSession - 基本 SQLite 実装
• AsyncSQLiteSession - aiosqlite ベースの非同期 SQLite 実装
• RedisSession - Redis バックエンドセッション実装
• SQLAlchemySession - SQLAlchemy ベース実装
• DaprSession - Dapr state store 実装
• AdvancedSQLiteSession - 分岐と分析を備えた拡張 SQLite
• EncryptedSession - 任意のセッション向け暗号化ラッパー