ストリーミング

ストリーミングを使用すると、エージェント実行の進行中に更新を購読できます。これは、エンドユーザーに進捗状況や部分的な応答を表示する際に便利です。

ストリーミングするには、Runner.run_streamed() を呼び出します。これにより、RunResultStreaming が返されます。result.stream_events() を呼び出すと、以下で説明する StreamEvent オブジェクトの非同期ストリームが返されます。

非同期イテレーターが完了するまで、result.stream_events() の取得を続けてください。ストリーミング実行はイテレーターが終了するまで完了せず、セッションの永続化、承認情報の記録、履歴の圧縮などの後処理は、最後に表示されるトークンが到着した後に完了する場合があります。ループが終了すると、result.is_complete に最終的な実行状態が反映されます。

raw レスポンスイベント

RawResponsesStreamEvent オブジェクトは、LLM から直接渡された raw イベントをラップします。各オブジェクトの data フィールドには、response.created や response.output_text.delta などの型を持つ OpenAI Responses API イベントが含まれます。これらのイベントは、応答メッセージが生成され次第、ユーザーにストリーミングしたい場合に便利です。

コンピュータツールの raw イベントでは、保存された実行結果と同様に、プレビュー版と GA 版の区別が維持されます。プレビュー版のフローでは、1 つの action を持つ computer_call 項目がストリーミングされます。一方、gpt-5.5 では、バッチ化された actions[] を持つ computer_call 項目をストリーミングできます。上位レベルの RunItemStreamEvent インターフェースでは、このためにコンピュータ専用の特別なイベント名は追加されません。どちらの形式も引き続き tool_called として公開され、スクリーンショットの実行結果は computer_call_output 項目をラップする tool_output として返されます。

たとえば、以下では LLM が生成したテキストをトークン単位で出力します。

import asyncio
from openai.types.responses import ResponseTextDeltaEvent
from agents import Agent, Runner


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

    result = Runner.run_streamed(agent, input="Please tell me 5 jokes.")
    async for event in result.stream_events():
        if event.type == "raw_response_event" and isinstance(event.data, ResponseTextDeltaEvent):
            print(event.data.delta, end="", flush=True)


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

ストリーミングと承認

ストリーミングは、ツールの承認待ちで一時停止する実行にも対応しています。ツールに承認が必要な場合、result.stream_events() は終了し、保留中の承認が RunResultStreaming.interruptions に公開されます。result.to_state() を使用して実行結果を RunState に変換し、中断を承認または拒否してから、Runner.run_streamed(...) で再開します。

result = Runner.run_streamed(agent, "Delete temporary files if they are no longer needed.")
async for _event in result.stream_events():
    pass

if result.interruptions:
    state = result.to_state()
    for interruption in result.interruptions:
        state.approve(interruption)
    result = Runner.run_streamed(agent, state)
    async for _event in result.stream_events():
        pass

一時停止と再開の手順全体については、human-in-the-loop ガイドを参照してください。

現在のターン終了後のストリーミング停止

ストリーミング実行を途中で停止する必要がある場合は、result.cancel() を呼び出します。デフォルトでは、実行は直ちに停止します。停止する前に現在のターンを正常に完了させるには、代わりに result.cancel(mode="after_turn") を呼び出します。

ストリーミング実行は、result.stream_events() が完了するまで完了しません。最後に表示されるトークンの後も、SDK がセッション項目を永続化したり、承認状態を確定したり、履歴を圧縮したりしている場合があります。

result.to_input_list(mode="normalized") から手動で続行していて、cancel(mode="after_turn") がツールターンの後に停止した場合は、新しいユーザーターンをすぐに追加するのではなく、その正規化済み入力を使用して result.last_agent を再実行し、未完了の既存ユーザーターンを続行します。

未完了の実行を再開する前に新しいユーザー入力が到着した場合は、最後まで取得した実行結果を result.to_state() で変換し、state.add_input(...) を呼び出して、その状態から再開します。Runner は、次のモデル呼び出しの直前に準備済みの入力を取り込みます。再開前の入力追加を参照してください。
ストリーミング実行がツールの承認待ちで停止した場合、それを新しいターンとして扱わないでください。ストリームを最後まで取得し、result.interruptions を確認して、代わりに result.to_state() から再開します。
RunConfig.session_input_callback を使用すると、取得したセッション履歴と新しいユーザー入力を次のモデル呼び出しの前にどのようにマージするかをカスタマイズできます。そこで新しいターンの項目を書き換えた場合、そのターンでは書き換え後の内容が永続化されます。

実行項目イベントとエージェントイベント

RunItemStreamEvent は、より上位レベルのイベントです。項目の生成が完全に完了したときに通知されます。これにより、トークンごとではなく、「メッセージが生成された」「ツールが実行された」などの単位で進捗状況を通知できます。同様に、AgentUpdatedStreamEvent は、現在のエージェントが変更されたとき（ハンドオフの結果など）に更新を提供します。

実行項目イベント名

RunItemStreamEvent.name では、次の固定されたセマンティックイベント名のセットを使用します。

message_output_created
handoff_requested
handoff_occured
tool_called
tool_search_called
tool_search_output_created
tool_output
reasoning_item_created
mcp_approval_requested
mcp_approval_response
mcp_list_tools

handoff_occured は、後方互換性のため意図的に誤った綴りになっています。

ハンドオフ呼び出しは handoff_requested としてのみ生成され、tool_called として重複して生成されることはありません。同じターン内の通常の関数ツール呼び出しでは、引き続き tool_called が生成されます。

ホスト型ツール検索を使用すると、モデルがツール検索リクエストを発行したときに tool_search_called が生成され、Responses API がロード済みのサブセットを返したときに tool_search_output_created が生成されます。

Programmatic Tool Calling を使用する場合、生成された program と、プログラム側が所有する通常の子ツール呼び出しに対して tool_called が生成されます。子ツールの出力と、生成された program に対応する program_output に対しては、tool_output が生成されます。プログラム側が所有するホスト型 MCP の mcp_approval_request 項目と mcp_list_tools 項目は例外です。これらはそれぞれ、MCPApprovalRequestItem と MCPListToolsItem をラップする mcp_approval_requested と mcp_list_tools として生成されます。その他の項目を区別するには、raw 項目の type を確認してください。プログラム側が所有する子呼び出しには、型が program で、呼び出し元 ID により親プログラムを識別できる caller も含まれます。

たとえば、以下では raw イベントを無視し、更新をユーザーにストリーミングします。

import asyncio
import random
from agents import Agent, ItemHelpers, Runner
from agents.decorators import tool


@tool
def how_many_jokes() -> int:
    return random.randint(1, 10)


async def main():
    agent = Agent(
        name="Joker",
        instructions="First call the `how_many_jokes` tool, then tell that many jokes.",
        tools=[how_many_jokes],
    )

    result = Runner.run_streamed(
        agent,
        input="Hello",
    )
    print("=== Run starting ===")

    async for event in result.stream_events():
        # We'll ignore the raw responses event deltas
        if event.type == "raw_response_event":
            continue
        # When the agent updates, print that
        elif event.type == "agent_updated_stream_event":
            print(f"Agent updated: {event.new_agent.name}")
            continue
        # When items are generated, print them
        elif event.type == "run_item_stream_event":
            if event.item.type == "tool_call_item":
                print("-- Tool was called")
            elif event.item.type == "tool_call_output_item":
                print(f"-- Tool output: {event.item.output}")
            elif event.item.type == "message_output_item":
                print(f"-- Message output:\n {ItemHelpers.text_message_output(event.item)}")
            else:
                pass  # Ignore other event types

    print("=== Run complete ===")


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