콘텐츠로 이동

OpenAI Agents SDK

OpenAI Agents SDK를 사용하면 매우 적은 추상화로 구성된 가볍고 사용하기 쉬운 패키지에서 에이전트형 AI 앱을 만들 수 있습니다. 이는 이전 에이전트 실험인 Swarm을 프로덕션 환경에 적합하게 업그레이드한 것입니다. Agents SDK는 매우 작은 기본 구성 요소 집합을 제공합니다.

  • 에이전트: instructions와 tools가 장착된 LLM
  • Agents as tools / 핸드오프: 에이전트가 특정 작업을 다른 에이전트에 위임할 수 있게 해주는 기능
  • 가드레일: 에이전트 입력과 출력의 유효성 검사를 가능하게 하는 기능

Python과 함께 사용하면 이러한 기본 구성 요소만으로도 도구와 에이전트 간의 복잡한 관계를 표현할 수 있을 만큼 강력하며, 가파른 학습 곡선 없이 실제 애플리케이션을 구축할 수 있습니다. 또한 SDK에는 에이전트형 흐름을 시각화하고 디버그할 수 있을 뿐 아니라, 이를 평가하고 애플리케이션에 맞게 모델을 파인튜닝할 수도 있는 내장 트레이싱이 포함되어 있습니다.

Agents SDK 사용 이유

SDK에는 두 가지 핵심 설계 원칙이 있습니다.

  1. 사용할 가치가 있을 만큼 충분한 기능을 제공하되, 빠르게 배울 수 있을 만큼 기본 구성 요소를 적게 유지합니다.
  2. 기본 설정만으로도 잘 작동하지만, 정확히 어떤 일이 일어나는지 원하는 대로 커스터마이즈할 수 있습니다.

SDK의 주요 기능은 다음과 같습니다.

  • 에이전트 루프: 도구 호출을 처리하고, 결과를 LLM에 다시 보내며, 작업이 완료될 때까지 계속 진행하는 내장 에이전트 루프
  • Python-first: 새로운 추상화를 배울 필요 없이, 내장 언어 기능을 사용해 에이전트를 오케스트레이션하고 체인으로 연결
  • Agents as tools / 핸드오프: 여러 에이전트 간 작업을 조율하고 위임하기 위한 강력한 메커니즘
  • 샌드박스 에이전트: 매니페스트로 정의된 파일, 샌드박스 클라이언트 선택, 재개 가능한 샌드박스 세션을 갖춘 실제 격리 워크스페이스에서 전문 에이전트 실행
  • 가드레일: 에이전트 실행과 병렬로 입력 유효성 검사와 안전성 검사를 실행하고, 검사를 통과하지 못하면 빠르게 실패 처리
  • 함수 도구: 자동 스키마 생성과 Pydantic 기반 검증을 통해 모든 Python 함수를 도구로 변환
  • MCP 서버 도구 호출: 함수 도구와 동일한 방식으로 작동하는 내장 MCP 서버 도구 통합
  • 세션: 에이전트 루프 내에서 작업 컨텍스트를 유지하기 위한 지속형 메모리 계층
  • 휴먼인더루프 (HITL): 에이전트 실행 전반에 사람을 참여시키기 위한 내장 메커니즘
  • 트레이싱: 워크플로를 시각화, 디버그, 모니터링하기 위한 내장 트레이싱. OpenAI 평가, 파인튜닝, 증류 도구 모음 지원 포함
  • 실시간 에이전트: gpt-realtime-2, 자동 인터럽션 감지, 컨텍스트 관리, 가드레일 등을 사용해 강력한 음성 에이전트 구축

Agents SDK 또는 Responses API

SDK는 기본적으로 OpenAI 모델에 Responses API를 사용하지만, 모델 호출 주변에 더 높은 수준의 런타임을 추가합니다.

다음과 같은 경우 Responses API를 직접 사용하세요.

  • 루프, 도구 디스패치, 상태 처리를 직접 소유하고 싶을 때
  • 워크플로가 짧게 끝나며 주로 모델의 응답을 반환하는 것이 목적일 때

다음과 같은 경우 Agents SDK를 사용하세요.

  • 런타임이 턴, 도구 실행, 가드레일, 핸드오프 또는 세션을 관리하기를 원할 때
  • 에이전트가 산출물을 생성하거나 여러 조율된 단계에 걸쳐 동작해야 할 때
  • 실제 워크스페이스 또는 샌드박스 에이전트를 통한 재개 가능한 실행이 필요할 때

하나를 전역적으로 선택할 필요는 없습니다. 많은 애플리케이션은 관리형 워크플로에는 SDK를 사용하고, 더 낮은 수준의 경로에는 Responses API를 직접 호출합니다.

설치

pip install openai-agents

Hello world 예제

from agents import Agent, Runner

agent = Agent(name="Assistant", instructions="You are a helpful assistant")

result = Runner.run_sync(agent, "Write a haiku about recursion in programming.")
print(result.final_output)

# Code within the code,
# Functions calling themselves,
# Infinite loop's dance.

(이를 실행하는 경우 OPENAI_API_KEY 환경 변수를 설정했는지 확인하세요)

export OPENAI_API_KEY=sk-...

시작 지점

  • Quickstart를 통해 첫 텍스트 기반 에이전트를 만드세요.
  • 그런 다음 Running agents에서 턴 간 상태를 어떻게 유지할지 결정하세요.
  • 작업이 실제 파일, 저장소 또는 에이전트별 격리 워크스페이스 상태에 의존한다면 샌드박스 에이전트 퀵스타트를 읽어보세요.
  • 핸드오프와 매니저 스타일 오케스트레이션 중에서 결정하고 있다면 에이전트 오케스트레이션을 읽어보세요.

경로 선택

수행하려는 작업은 알지만 어느 페이지에서 설명하는지 모를 때 이 표를 사용하세요.

목표 시작 지점
첫 텍스트 에이전트를 만들고 한 번의 전체 실행 확인 Quickstart
함수 도구, 호스티드 툴 또는 Agents as tools 추가 Tools
실제 격리 워크스페이스 안에서 코딩, 리뷰 또는 문서 에이전트 실행 샌드박스 에이전트 퀵스타트 및 샌드박스 클라이언트
핸드오프와 매니저 스타일 오케스트레이션 중 결정 에이전트 오케스트레이션
턴 간 메모리 유지 Running agents 및 Sessions
OpenAI 모델, websocket 전송 또는 OpenAI 외 제공업체 사용 Models
출력, 실행 항목, 인터럽션(중단 처리), 재개 상태 검토 Results
gpt-realtime-2로 저지연 음성 에이전트 구축 실시간 에이전트 퀵스타트 및 실시간 전송
음성-텍스트 / 에이전트 / 텍스트-음성 파이프라인 구축 음성 파이프라인 퀵스타트