컨텍스트 관리

컨텍스트는 여러 의미로 사용되는 용어입니다. 고려해야 할 컨텍스트에는 크게 두 가지 범주가 있습니다.

코드에서 로컬로 사용할 수 있는 컨텍스트: 도구 함수가 실행될 때, on_handoff 같은 콜백에서, 수명 주기 훅 등에서 필요할 수 있는 데이터와 종속성입니다.
LLM에서 사용할 수 있는 컨텍스트: LLM이 응답을 생성할 때 확인하는 데이터입니다.

로컬 컨텍스트

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

원하는 Python 객체를 생성합니다. 일반적으로 데이터 클래스나 Pydantic 객체를 사용합니다.
해당 객체를 다양한 실행 메서드에 전달합니다(예: Runner.run(..., context=whatever)).
모든 도구 호출, 수명 주기 훅 등에는 래퍼 객체 RunContextWrapper[T]가 전달됩니다. 여기서 T는 컨텍스트 객체의 유형을 나타내며, 객체 자체는 wrapper.context을 통해 사용할 수 있습니다.

일부 런타임별 콜백에서는 SDK가 RunContextWrapper[T]의 더 특화된 하위 클래스를 전달할 수 있습니다. 예를 들어 FunctionTool 인스턴스의 수명 주기 훅은 일반적으로 ToolContext를 받으며, 이를 통해 tool_call_id, tool_name, tool_arguments 같은 도구 호출 메타데이터도 사용할 수 있습니다.

알아야 할 가장 중요한 사항은 주어진 에이전트 실행에서 사용하는 모든 에이전트, 도구 함수, 수명 주기 항목 등이 동일한 컨텍스트 _유형_을 사용해야 한다는 것입니다.

컨텍스트는 다음과 같은 용도로 사용할 수 있습니다.

실행을 위한 컨텍스트 데이터(예: 사용자 이름/uid 또는 사용자에 관한 기타 정보)
종속성(예: 로거 객체, 데이터 가져오기 도구 등)
헬퍼 함수

참고

컨텍스트 객체는 LLM으로 전송되지 않습니다. 이는 읽고 쓰거나 메서드를 호출할 수 있는 순수한 로컬 객체입니다.

단일 실행 내에서 파생된 래퍼는 기반 애플리케이션 컨텍스트, 승인 상태, 사용량 추적을 공유합니다. 중첩된 Agent.as_tool() 실행에는 다른 tool_input가 연결될 수 있지만, 기본적으로 애플리케이션 상태의 격리된 복사본이 제공되지는 않습니다.

기능 노출을 위한 로컬 컨텍스트 사용

함수 도구, MCP 도구, 핸드오프가 동일한 요청 정책에 종속되는 경우 정책 입력값이나 헬퍼를 애플리케이션 컨텍스트에 보관합니다. 각 SDK 인터페이스는 자체 콜백을 통해 현재 실행 컨텍스트를 제공합니다.

FunctionTool.is_enabled는 RunContextWrapper을 받습니다.
Handoff.is_enabled는 RunContextWrapper을 받습니다.
MCP tool_filter는 ToolFilterContext을 받으며, 이 객체의 run_context 속성에는 현재 RunContextWrapper가 포함됩니다.

별도의 기능 목록을 유지하는 대신 공유 애플리케이션 정책을 이러한 콜백에 맞게 적용합니다. 콜백은 SDK가 현재 실행에 노출하는 기능을 제어하지만, 모델이 생성한 인수나 리소스 선택을 인가할 수는 없습니다. 함수 도구의 경우 이러한 결정은 도구 구현 내부에서 강제하거나, 적절한 경우 도구 입력 가드레일과 승인을 사용합니다. MCP 서버는 보호되는 작업을 자체적으로 인가해야 합니다. input_type이 설정된 핸드오프의 경우 애플리케이션 부수 효과가 발생하기 전에 on_handoff 시작 시 파싱된 입력을 확인하고, 인가에 실패하면 값을 반환하지 말고 예외를 발생시킵니다. 도구 입력 가드레일은 핸드오프에 적용되지 않습니다. 콜백 수명 주기는 핸드오프 입력을 참조하세요.

`RunContextWrapper` 제공 항목

RunContextWrapper은 애플리케이션에서 정의한 컨텍스트 객체를 감싸는 래퍼입니다. 실제로는 다음 항목을 가장 자주 사용합니다.

자체적으로 변경 가능한 애플리케이션 상태와 종속성을 위한 wrapper.context
현재 실행 전체에서 집계된 요청 및 토큰 사용량을 위한 wrapper.usage
현재 실행이 Agent.as_tool() 내부에서 수행될 때 구조화된 입력을 제공하는 wrapper.tool_input
승인 상태를 프로그래밍 방식으로 업데이트해야 할 때 사용하는 wrapper.approve_tool(...) / wrapper.reject_tool(...)

wrapper.context만 애플리케이션에서 정의한 객체입니다. 나머지 필드는 SDK가 관리하는 런타임 메타데이터입니다.

나중에 휴먼인더루프 (HITL) 또는 지속성 작업 워크플로를 위해 RunState을 직렬화하면 해당 런타임 메타데이터도 상태와 함께 저장됩니다. 직렬화된 상태를 유지하거나 전송할 계획이라면 RunContextWrapper.context에 비밀 정보를 넣지 마세요.

대화 상태는 별도로 다뤄야 합니다. 대화 턴을 이어가는 방식에 따라 result.to_input_list(), session, conversation_id, previous_response_id 중 하나를 사용합니다. 자세한 결정 기준은 결과, 에이전트 실행, 세션을 참조하세요.

import asyncio
from dataclasses import dataclass

from agents import Agent, RunContextWrapper, Runner
from agents.decorators import tool


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


@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())

컨텍스트 객체입니다. 여기서는 데이터 클래스를 사용했지만 어떤 유형이든 사용할 수 있습니다.
도구입니다. RunContextWrapper[UserInfo]을 받는 것을 확인할 수 있습니다. 도구 구현은 컨텍스트에서 데이터를 읽습니다.
에이전트에 제네릭 UserInfo을 지정하여, 다른 컨텍스트 유형을 받는 도구를 전달하는 경우와 같은 오류를 타입 검사기가 감지할 수 있게 합니다.
컨텍스트가 run 함수에 전달됩니다.
에이전트가 도구를 올바르게 호출하고 나이를 가져옵니다.

고급: `ToolContext`

경우에 따라 실행 중인 도구의 이름, 호출 ID, 가공되지 않은 인수 문자열 같은 추가 메타데이터에 접근해야 할 수 있습니다.
이때 RunContextWrapper를 확장하는 ToolContext 클래스를 사용할 수 있습니다.

from typing import Annotated
from pydantic import BaseModel, Field
from agents import Agent
from agents.decorators import 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")


@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],
)

ToolContext은 RunContextWrapper과 동일한 .context 속성을 제공하며,
현재 도구 호출에 특화된 다음과 같은 추가 필드도 제공합니다.

tool_name – 호출되는 도구의 이름
tool_call_id – 이 도구 호출의 고유 식별자
tool_arguments – 도구에 전달된 가공되지 않은 인수 문자열
tool_namespace – 도구가 tool_namespace() 또는 네임스페이스를 사용하는 다른 인터페이스를 통해 로드된 경우 도구 호출의 Responses 네임스페이스
qualified_tool_name – 네임스페이스가 있는 경우 해당 네임스페이스로 한정된 도구 이름

실행 중에 도구 수준 메타데이터가 필요하면 ToolContext를 사용합니다.
에이전트와 도구 사이에서 일반적인 컨텍스트를 공유하는 용도로는 RunContextWrapper만으로 충분합니다. ToolContext은 RunContextWrapper을 확장하므로, 중첩된 Agent.as_tool() 실행에서 구조화된 입력을 제공한 경우 .tool_input도 노출할 수 있습니다.

에이전트/LLM 컨텍스트

LLM이 호출될 때 확인할 수 있는 유일한 데이터는 대화 기록에 포함된 데이터입니다. 따라서 LLM에서 새로운 데이터를 사용할 수 있게 하려면 해당 데이터가 대화 기록에 포함되도록 해야 합니다. 이를 위한 방법은 다음과 같습니다.

에이전트 instructions에 추가할 수 있습니다. 이는 "system prompt" 또는 "개발자 메시지"라고도 합니다. system prompt는 정적 문자열일 수도 있고, 컨텍스트를 받아 문자열을 출력하는 동적 함수일 수도 있습니다. 항상 유용한 정보(예: 사용자 이름이나 현재 날짜)에 일반적으로 사용하는 방식입니다.
Runner.run 함수를 호출할 때 input에 추가합니다. 이는 instructions 방식과 유사하지만, 명령 체계에서 더 낮은 위치의 메시지를 사용할 수 있습니다.
FunctionTool 인스턴스를 통해 노출합니다. 이는 필요할 때 제공되는 컨텍스트에 유용합니다. LLM이 데이터가 필요한 시점을 판단하고 도구를 호출하여 해당 데이터를 가져올 수 있습니다.
검색 또는 웹 검색을 사용합니다. 이는 파일이나 데이터베이스에서 관련 데이터를 가져오는 검색 또는 웹에서 데이터를 가져오는 웹 검색을 수행할 수 있는 특수 도구입니다. 이는 관련 컨텍스트 데이터에 응답의 "근거를 두는" 데 유용합니다.