ツール

ツールは エージェント にアクションを実行させます。データの取得、コードの実行、外部 API の呼び出し、さらにはコンピュータの使用などです。Agent SDK には 3 つのクラスのツールがあります:

• Hosted ツール: これらは LLM サーバー上で AI モデルと並行して実行されます。OpenAI は retrieval、Web 検索、コンピュータ操作 を Hosted ツールとして提供します。
• Function calling: 任意の Python 関数をツールとして使用できます。
• ツールとしての エージェント: エージェント をツールとして使用でき、ハンドオフ なしに他の エージェント を呼び出せます。

Hosted ツール

OpenAI は、OpenAIResponsesModel を使用する際にいくつかの組み込みツールを提供します:

• WebSearchTool は エージェント に Web を検索させます。
• FileSearchTool は OpenAI の ベクトルストア から情報を取得できます。
• ComputerTool は コンピュータ操作 の自動化を可能にします。
• CodeInterpreterTool は LLM にサンドボックス環境でコードを実行させます。
• HostedMCPTool はリモートの MCP サーバーのツールをモデルに公開します。
• ImageGenerationTool はプロンプトから画像を生成します。
• LocalShellTool はあなたのマシン上でシェルコマンドを実行します。

from agents import Agent, FileSearchTool, Runner, WebSearchTool

agent = Agent(
    name="Assistant",
    tools=[
        WebSearchTool(),
        FileSearchTool(
            max_num_results=3,
            vector_store_ids=["VECTOR_STORE_ID"],
        ),
    ],
)

async def main():
    result = await Runner.run(agent, "Which coffee shop should I go to, taking into account my preferences and the weather today in SF?")
    print(result.final_output)

関数ツール

任意の Python 関数をツールとして使用できます。Agents SDK がツールを自動的にセットアップします:

• ツール名は Python 関数名になります（任意で名前を指定可能）
• ツールの説明は関数の docstring から取得します（任意で説明を指定可能）
• 関数の入力スキーマは、関数の引数から自動生成されます
• 各入力の説明は、無効化しない限り関数の docstring から取得されます

Python の inspect モジュールで関数シグネチャを抽出し、griffe で docstring を解析、pydantic でスキーマを作成します。

import json

from typing_extensions import TypedDict, Any

from agents import Agent, FunctionTool, RunContextWrapper, function_tool


class Location(TypedDict):
    lat: float
    long: float

@function_tool  # (1)!
async def fetch_weather(location: Location) -> str:
    # (2)!
    """Fetch the weather for a given location.

    Args:
        location: The location to fetch the weather for.
    """
    # In real life, we'd fetch the weather from a weather API
    return "sunny"


@function_tool(name_override="fetch_data")  # (3)!
def read_file(ctx: RunContextWrapper[Any], path: str, directory: str | None = None) -> str:
    """Read the contents of a file.

    Args:
        path: The path to the file to read.
        directory: The directory to read the file from.
    """
    # In real life, we'd read the file from the file system
    return "<file contents>"


agent = Agent(
    name="Assistant",
    tools=[fetch_weather, read_file],  # (4)!
)

for tool in agent.tools:
    if isinstance(tool, FunctionTool):
        print(tool.name)
        print(tool.description)
        print(json.dumps(tool.params_json_schema, indent=2))
        print()

1. 任意の Python 型を関数の引数として使用でき、関数は同期・非同期のどちらでも構いません。
2. docstring があれば、説明と引数の説明の取得に使用します。
3. 関数は任意で context を取れます（最初の引数である必要があります）。ツール名、説明、docstring スタイルなどのオーバーライドも設定できます。
4. デコレートした関数をツールのリストに渡せます。

出力を表示

fetch_weather
Fetch the weather for a given location.
{
"$defs": {
  "Location": {
    "properties": {
      "lat": {
        "title": "Lat",
        "type": "number"
      },
      "long": {
        "title": "Long",
        "type": "number"
      }
    },
    "required": [
      "lat",
      "long"
    ],
    "title": "Location",
    "type": "object"
  }
},
"properties": {
  "location": {
    "$ref": "#/$defs/Location",
    "description": "The location to fetch the weather for."
  }
},
"required": [
  "location"
],
"title": "fetch_weather_args",
"type": "object"
}

fetch_data
Read the contents of a file.
{
"properties": {
  "path": {
    "description": "The path to the file to read.",
    "title": "Path",
    "type": "string"
  },
  "directory": {
    "anyOf": [
      {
        "type": "string"
      },
      {
        "type": "null"
      }
    ],
    "default": null,
    "description": "The directory to read the file from.",
    "title": "Directory"
  }
},
"required": [
  "path"
],
"title": "fetch_data_args",
"type": "object"
}

関数ツールからの画像やファイルの返却

テキスト出力に加えて、関数ツールの出力として 1 つまたは複数の画像やファイルを返せます。次のいずれかを返してください:

• 画像: ToolOutputImage（または TypedDict 版の ToolOutputImageDict）
• ファイル: ToolOutputFileContent（または TypedDict 版の ToolOutputFileContentDict）
• テキスト: 文字列または文字列化可能オブジェクト、または ToolOutputText（または TypedDict 版の ToolOutputTextDict）

カスタム関数ツール

Python 関数をツールとして使いたくない場合もあります。その場合は、直接 FunctionTool を作成できます。次を指定する必要があります:

• name
• description
• params_json_schema（引数の JSON スキーマ）
• on_invoke_tool（ToolContext と JSON 文字列の引数を受け取り、ツールの出力を文字列で返す非同期関数）

from typing import Any

from pydantic import BaseModel

from agents import RunContextWrapper, FunctionTool



def do_some_work(data: str) -> str:
    return "done"


class FunctionArgs(BaseModel):
    username: str
    age: int


async def run_function(ctx: RunContextWrapper[Any], args: str) -> str:
    parsed = FunctionArgs.model_validate_json(args)
    return do_some_work(data=f"{parsed.username} is {parsed.age} years old")


tool = FunctionTool(
    name="process_user",
    description="Processes extracted user data",
    params_json_schema=FunctionArgs.model_json_schema(),
    on_invoke_tool=run_function,
)

引数と docstring の自動解析

前述のとおり、ツールのスキーマを抽出するために関数シグネチャを自動解析し、ツールおよび個々の引数の説明を抽出するために docstring を解析します。補足:

1. シグネチャ解析は inspect モジュール経由で行います。型アノテーションを用いて引数の型を理解し、全体のスキーマを表す Pydantic モデルを動的に構築します。Python の基本型、Pydantic モデル、TypedDict などほとんどの型をサポートします。
2. docstring の解析には griffe を使用します。サポートする docstring 形式は google、sphinx、numpy です。docstring 形式は自動検出を試みますがベストエフォートであり、function_tool 呼び出し時に明示的に設定できます。use_docstring_info を False に設定して docstring 解析を無効化することもできます。

スキーマ抽出のコードは agents.function_schema にあります。

ツールとしての エージェント

一部のワークフローでは、ハンドオフ するのではなく、中央の エージェント が専門 エージェント のネットワークをオーケストレーションしたい場合があります。エージェント をツールとしてモデリングすることで実現できます。

from agents import Agent, Runner
import asyncio

spanish_agent = Agent(
    name="Spanish agent",
    instructions="You translate the user's message to Spanish",
)

french_agent = Agent(
    name="French agent",
    instructions="You translate the user's message to French",
)

orchestrator_agent = Agent(
    name="orchestrator_agent",
    instructions=(
        "You are a translation agent. You use the tools given to you to translate."
        "If asked for multiple translations, you call the relevant tools."
    ),
    tools=[
        spanish_agent.as_tool(
            tool_name="translate_to_spanish",
            tool_description="Translate the user's message to Spanish",
        ),
        french_agent.as_tool(
            tool_name="translate_to_french",
            tool_description="Translate the user's message to French",
        ),
    ],
)

async def main():
    result = await Runner.run(orchestrator_agent, input="Say 'Hello, how are you?' in Spanish.")
    print(result.final_output)

ツール化したエージェントのカスタマイズ

agent.as_tool 関数は エージェント をツールに変換しやすくするための簡便メソッドです。ただし、すべての設定をサポートしているわけではありません。例えば、max_turns は設定できません。高度なユースケースでは、ツール実装内で直接 Runner.run を使用してください:

@function_tool
async def run_my_agent() -> str:
    """A tool that runs the agent with custom configs"""

    agent = Agent(name="My agent", instructions="...")

    result = await Runner.run(
        agent,
        input="...",
        max_turns=5,
        run_config=...
    )

    return str(result.final_output)

カスタム出力抽出

場合によっては、中央の エージェント に返す前にツール化した エージェント の出力を加工したいことがあります。例えば次のような用途に有用です:

• サブエージェントのチャット履歴から特定の情報（例: JSON ペイロード）を抽出する。
• エージェント の最終回答を変換・再整形する（例: Markdown をプレーンテキストや CSV に変換）。
• 出力を検証し、エージェント の応答が欠落または不正な場合にフォールバック値を提供する。

これは、as_tool メソッドに custom_output_extractor 引数を渡すことで行えます:

async def extract_json_payload(run_result: RunResult) -> str:
    # Scan the agent’s outputs in reverse order until we find a JSON-like message from a tool call.
    for item in reversed(run_result.new_items):
        if isinstance(item, ToolCallOutputItem) and item.output.strip().startswith("{"):
            return item.output.strip()
    # Fallback to an empty JSON object if nothing was found
    return "{}"


json_tool = data_agent.as_tool(
    tool_name="get_data_json",
    tool_description="Run the data agent and return only its JSON payload",
    custom_output_extractor=extract_json_payload,
)

条件付きツール有効化

is_enabled パラメーター を使用して、実行時に エージェント のツールを条件付きで有効化または無効化できます。これにより、コンテキスト、ユーザー の設定、実行時の条件に基づいて、LLM に提供するツールを動的に絞り込めます。

import asyncio
from agents import Agent, AgentBase, Runner, RunContextWrapper
from pydantic import BaseModel

class LanguageContext(BaseModel):
    language_preference: str = "french_spanish"

def french_enabled(ctx: RunContextWrapper[LanguageContext], agent: AgentBase) -> bool:
    """Enable French for French+Spanish preference."""
    return ctx.context.language_preference == "french_spanish"

# Create specialized agents
spanish_agent = Agent(
    name="spanish_agent",
    instructions="You respond in Spanish. Always reply to the user's question in Spanish.",
)

french_agent = Agent(
    name="french_agent",
    instructions="You respond in French. Always reply to the user's question in French.",
)

# Create orchestrator with conditional tools
orchestrator = Agent(
    name="orchestrator",
    instructions=(
        "You are a multilingual assistant. You use the tools given to you to respond to users. "
        "You must call ALL available tools to provide responses in different languages. "
        "You never respond in languages yourself, you always use the provided tools."
    ),
    tools=[
        spanish_agent.as_tool(
            tool_name="respond_spanish",
            tool_description="Respond to the user's question in Spanish",
            is_enabled=True,  # Always enabled
        ),
        french_agent.as_tool(
            tool_name="respond_french",
            tool_description="Respond to the user's question in French",
            is_enabled=french_enabled,
        ),
    ],
)

async def main():
    context = RunContextWrapper(LanguageContext(language_preference="french_spanish"))
    result = await Runner.run(orchestrator, "How are you?", context=context.context)
    print(result.final_output)

asyncio.run(main())

is_enabled パラメーター は次を受け付けます:

• Boolean values: True（常に有効）または False（常に無効）
• Callable functions: (context, agent) を取り、boolean を返す関数
• Async functions: 複雑な条件ロジック向けの非同期関数

無効化されたツールは実行時に LLM から完全に隠されるため、次の用途に役立ちます:

• ユーザー 権限に基づく機能のゲーティング
• 環境別のツール提供（dev と prod）
• 異なるツール構成の A/B テスト
• 実行時状態に基づく動的なツールフィルタリング

関数ツールでのエラー処理

@function_tool で関数ツールを作成する際、failure_error_function を渡せます。これは、ツール呼び出しがクラッシュした場合に LLM へエラー応答を提供する関数です。

• 既定（何も渡さない場合）では、エラーが発生したことを LLM に伝える default_tool_error_function を実行します。
• 独自のエラー関数を渡した場合はそれを実行し、その応答を LLM に送信します。
• 明示的に None を渡すと、ツール呼び出しエラーは再スローされ、あなたが処理できます。モデルが不正な JSON を生成した場合の ModelBehaviorError、あなたのコードがクラッシュした場合の UserError などになり得ます。

from agents import function_tool, RunContextWrapper
from typing import Any

def my_custom_error_function(context: RunContextWrapper[Any], error: Exception) -> str:
    """A custom function to provide a user-friendly error message."""
    print(f"A tool call failed with the following error: {error}")
    return "An internal server error occurred. Please try again later."

@function_tool(failure_error_function=my_custom_error_function)
def get_user_profile(user_id: str) -> str:
    """Fetches a user profile from a mock API.
     This function demonstrates a 'flaky' or failing API call.
    """
    if user_id == "user_123":
        return "User profile for user_123 successfully retrieved."
    else:
        raise ValueError(f"Could not retrieve profile for user_id: {user_id}. API returned an error.")

FunctionTool オブジェクトを手動で作成する場合は、on_invoke_tool 関数内でエラーを処理する必要があります。