컨텍스트 관리

컨텍스트는 여러 의미로 쓰입니다. 여기서 중요한 컨텍스트는 크게 두 가지입니다:

코드에서 로컬로 사용할 수 있는 컨텍스트: 도구 함수 실행 시, on_handoff 같은 콜백, 라이프사이클 훅 등에서 필요한 데이터와 의존성
LLM에 제공되는 컨텍스트: LLM이 응답을 생성할 때 볼 수 있는 데이터

로컬 컨텍스트

이는 RunContextWrapper 클래스와 그 안의 context 속성으로 표현됩니다. 동작 방식은 다음과 같습니다:

원하는 어떤 Python 객체든 만듭니다. 일반적으로 dataclass 또는 Pydantic 객체를 사용합니다.
그 객체를 다양한 실행 메서드에 전달합니다(예: Runner.run(..., **context=whatever**)).
모든 도구 호출, 라이프사이클 훅 등에는 RunContextWrapper[T] 래퍼 객체가 전달됩니다. 여기서 T는 컨텍스트 객체 타입을 의미하며 wrapper.context를 통해 접근할 수 있습니다.

가장 중요한 점: 특정 에이전트 실행에 포함되는 모든 에이전트, 도구 함수, 라이프사이클 등은 동일한 컨텍스트의 타입을 사용해야 합니다.

컨텍스트는 다음과 같은 용도로 사용할 수 있습니다:

실행에 필요한 컨텍스트 데이터(예: 사용자 이름/uid 등 사용자에 대한 정보)
의존성(예: 로거 객체, 데이터 페처 등)
헬퍼 함수

주의

컨텍스트 객체는 LLM에 전송되지 않습니다. 로컬 객체로서 읽고, 쓰고, 메서드를 호출할 수 있습니다.

import asyncio
from dataclasses import dataclass

from agents import Agent, RunContextWrapper, Runner, function_tool

@dataclass
class UserInfo:  # (1)!
    name: str
    uid: int

@function_tool
async def fetch_user_age(wrapper: RunContextWrapper[UserInfo]) -> str:  # (2)!
    """Fetch the age of the user. Call this function to get user's age information."""
    return f"The user {wrapper.context.name} is 47 years old"

async def main():
    user_info = UserInfo(name="John", uid=123)

    agent = Agent[UserInfo](  # (3)!
        name="Assistant",
        tools=[fetch_user_age],
    )

    result = await Runner.run(  # (4)!
        starting_agent=agent,
        input="What is the age of the user?",
        context=user_info,
    )

    print(result.final_output)  # (5)!
    # The user John is 47 years old.

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

이것이 컨텍스트 객체입니다. 여기서는 dataclass를 사용했지만, 어떤 타입이든 사용할 수 있습니다.
이것은 도구입니다. RunContextWrapper[UserInfo]를 받는 것을 볼 수 있습니다. 도구 구현은 컨텍스트에서 값을 읽습니다.
타입 체커가 오류를 잡을 수 있도록 에이전트에 제네릭 UserInfo를 지정합니다(예: 다른 컨텍스트 타입을 받는 도구를 전달하려 할 때).
컨텍스트는 run 함수에 전달됩니다.
에이전트는 도구를 올바르게 호출하고 나이를 가져옵니다.

고급: `ToolContext`

경우에 따라 실행 중인 도구에 대한 추가 메타데이터(이름, 호출 ID, 원문 인자 문자열 등)에 접근하고 싶을 수 있습니다.
이를 위해 RunContextWrapper를 확장한 ToolContext 클래스를 사용할 수 있습니다.

from typing import Annotated
from pydantic import BaseModel, Field
from agents import Agent, Runner, function_tool
from agents.tool_context import ToolContext

class WeatherContext(BaseModel):
    user_id: str

class Weather(BaseModel):
    city: str = Field(description="The city name")
    temperature_range: str = Field(description="The temperature range in Celsius")
    conditions: str = Field(description="The weather conditions")

@function_tool
def get_weather(ctx: ToolContext[WeatherContext], city: Annotated[str, "The city to get the weather for"]) -> Weather:
    print(f"[debug] Tool context: (name: {ctx.tool_name}, call_id: {ctx.tool_call_id}, args: {ctx.tool_arguments})")
    return Weather(city=city, temperature_range="14-20C", conditions="Sunny with wind.")

agent = Agent(
    name="Weather Agent",
    instructions="You are a helpful agent that can tell the weather of a given city.",
    tools=[get_weather],
)

ToolContext는 RunContextWrapper와 동일한 .context 속성을 제공하며,
현재 도구 호출에 특화된 추가 필드를 제공합니다:

tool_name – 호출 중인 도구의 이름
tool_call_id – 이 도구 호출의 고유 식별자
tool_arguments – 도구에 전달된 원문 인자 문자열

실행 중 도구 수준 메타데이터가 필요할 때 ToolContext를 사용하세요.
에이전트와 도구 간 일반적인 컨텍스트 공유에는 RunContextWrapper만으로 충분합니다.

에이전트/LLM 컨텍스트

LLM이 호출될 때 볼 수 있는 데이터는 대화 기록뿐입니다. 따라서 LLM에 새로운 데이터를 제공하려면, 해당 데이터가 대화 기록에 포함되도록 만들어야 합니다. 방법은 다음과 같습니다:

에이전트의 instructions에 추가합니다. 이는 "system prompt" 또는 "developer message"라고도 합니다. 시스템 프롬프트는 정적 문자열일 수도 있고, 컨텍스트를 받아 문자열을 출력하는 동적 함수일 수도 있습니다. 사용자 이름이나 현재 날짜처럼 항상 유용한 정보를 전달하는 일반적인 방법입니다.
Runner.run 함수를 호출할 때 input에 추가합니다. 이는 instructions와 유사하지만, 명령 체계에서 더 낮은 위치의 메시지를 사용할 수 있습니다.
함수 도구를 통해 노출합니다. 이는 온디맨드 컨텍스트에 유용합니다. LLM이 필요할 때 해당 데이터를 가져오기 위해 도구를 호출할 수 있습니다.
리트리벌 또는 웹 검색을 사용합니다. 이는 파일이나 데이터베이스에서 관련 데이터를 가져올 수 있는 특수 도구(리트리벌) 또는 웹에서 데이터를 가져오는 도구(웹 검색)입니다. 관련 컨텍스트 데이터로 응답을 근거(grounding) 있게 만드는 데 유용합니다.

컨텍스트 관리

로컬 컨텍스트

고급: ToolContext

에이전트/LLM 컨텍스트

고급: `ToolContext`