ツール

ツールを使用すると、エージェントはデータ取得、コード実行、外部 API 呼び出し、さらにはコンピュータ操作などのアクションを実行できます。Agents SDK には 3 種類のツールがあります。

ホスト型ツール: これらは LLM サーバー上で AI モデルと一緒に実行されます。OpenAI は retrieval、Web 検索、コンピュータ操作をホスト型ツールとして提供しています。
関数ツール: 任意の Python 関数をツールとして利用できます。
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扱い、ハンドオフせずに他のエージェントを呼び出せます。

ホスト型ツール

OpenAIResponsesModel を使用する場合、OpenAI はいくつかの組み込みツールを提供しています。

WebSearchTool はエージェントに Web 検索を行わせます。
FileSearchTool は OpenAI ベクトルストアから情報を取得します。
ComputerTool はコンピュータ操作タスクを自動化します。
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 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 はローカル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利用できます。Agents SDK が自動的にセットアップを行います。

ツール名は Python 関数名になります（または任意で指定可能）
ツールの説明は関数の docstring から取得されます（または任意で指定可能）
関数の引数から入力スキーマを自動生成します
各入力の説明は docstring から取得されます（無効化も可能）

Python の inspect モジュールで関数シグネチャを抽出し、docstring 解析には griffe、スキーマ生成には pydantic を使用しています。

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()

関数の引数には任意の Python 型を使用でき、同期関数・非同期関数のどちらでも構いません。
docstring が存在する場合、ツールおよび引数の説明として利用されます。
関数は任意で context（先頭の引数）を受け取れます。また、ツール名や説明、docstring スタイルなどの上書き設定も可能です。
デコレート済みの関数をツール一覧に渡すだけで使用できます。

出力を表示するには展開

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"
}

カスタム関数ツール

Python 関数をそのままツールにしたくない場合は、FunctionTool を直接作成できます。必要な項目は以下のとおりです。

name
description
params_json_schema: 引数の JSON スキーマ
on_invoke_tool: ToolContext と JSON 文字列形式の引数を受け取り、ツール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、ツール用スキーマを関数シグネチャから自動で抽出し、docstring からツールや各引数の説明を取得します。ポイントは次のとおりです。

inspect モジュールでシグネチャを解析し、型アノテーションから引数の型を判定して Pydantic モデルを動的に構築します。Python の基本型、Pydantic モデル、TypedDict など大半の型をサポートします。
docstring 解析には griffe を使用します。対応フォーマットは google、sphinx、numpy です。フォーマットは自動推定しますが、function_tool 呼び出し時に明示的に指定もできます。use_docstring_info を False に設定すれば解析を無効化できます。

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

ワークフローによっては、ハンドオフせずに中央のエージェントが複数の専門エージェントをオーケストレーションしたい場合があります。その際、エージェントをツールとしてモデル化できます。

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)

ツール化エージェントのカスタマイズ

agent.as_tool はエージェントを簡単にツール化するためのヘルパーです。ただしすべての設定をサポートするわけではなく、たとえば 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 Runner.run を直接使用してください。

@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)

出力のカスタム抽出

場合によっては、ツール化したエージェントの出力を中央エージェントへ返す前に加工したいことがあります。たとえば以下のようなケースです。

サブエージェントのチャット履歴から特定情報（例: JSON ペイロード）のみを抽出する
エージェントの最終回答を変換・再フォーマットする（例: Markdown をプレーンテキストや CSV に変換）
出力を検証し、不足または不正な場合にフォールバック値を返す

これを行うには、as_tool メソッドに custom_output_extractor 引数を渡します。

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,
)

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 へ返されるエラー応答を生成する関数です。

何も渡さなかった場合は、default_tool_error_function が実行され、LLM にエラーが発生したことを通知します。
独自のエラー関数を渡すと、それが実行され、その応答が LLM へ送信されます。
明示的に None を渡すと、ツール呼び出し時のエラーは再スローされます。モデルが無効な JSON を生成した場合は ModelBehaviorError、ユーザーコードがクラッシュした場合は UserError などになります。

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