컨텍스트 관리

컨텍스트는 여러 의미로 쓰이는 용어입니다. 주로 고려해야 할 컨텍스트에는 두 가지 주요 유형이 있습니다.

코드에서 로컬로 사용할 수 있는 컨텍스트: 도구 함수가 실행될 때, on_handoff 같은 콜백 중에, 생명주기 훅 등에서 필요할 수 있는 데이터와 의존성입니다.
LLM이 사용할 수 있는 컨텍스트: LLM이 응답을 생성할 때 보는 데이터입니다.

로컬 컨텍스트

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

원하는 Python 객체를 만듭니다. 일반적인 패턴은 dataclass나 Pydantic 객체를 사용하는 것입니다.
해당 객체를 다양한 run 메서드에 전달합니다(예: Runner.run(..., context=whatever)).
모든 도구 호출, 생명주기 훅 등에는 래퍼 객체인 RunContextWrapper[T]가 전달되며, 여기서 T는 wrapper.context를 통해 접근할 수 있는 컨텍스트 객체 타입을 나타냅니다.

일부 런타임별 콜백의 경우 SDK가 RunContextWrapper[T]의 더 특화된 서브클래스를 전달할 수 있습니다. 예를 들어 함수 도구 생명주기 훅은 일반적으로 ToolContext를 받으며, 이는 tool_call_id, tool_name, tool_arguments 같은 도구 호출 메타데이터도 노출합니다.

알아두어야 할 가장 중요한 점은 특정 에이전트 실행에 포함되는 모든 에이전트, 도구 함수, 생명주기 등은 동일한 컨텍스트 _타입_을 사용해야 한다는 것입니다.

컨텍스트는 다음과 같은 용도로 사용할 수 있습니다.

실행을 위한 컨텍스트 데이터(예: 사용자 이름/uid 또는 사용자에 대한 기타 정보)
의존성(예: 로거 객체, 데이터 페처 등)
헬퍼 함수

참고

컨텍스트 객체는 LLM으로 전송되지 않습니다. 이는 오직 로컬 객체이며, 읽고 쓰거나 해당 객체의 메서드를 호출할 수 있습니다.

단일 실행 내에서 파생된 래퍼들은 동일한 기본 앱 컨텍스트, 승인 상태, 사용량 추적을 공유합니다. 중첩된 Agent.as_tool() 실행은 다른 tool_input을 붙일 수 있지만, 기본적으로 앱 상태의 격리된 복사본을 받지는 않습니다.

`RunContextWrapper`의 노출 항목

RunContextWrapper는 앱에서 정의한 컨텍스트 객체를 감싸는 래퍼입니다. 실제로는 대부분 다음을 사용하게 됩니다.

wrapper.context: 직접 사용하는 변경 가능한 앱 상태와 의존성
wrapper.usage: 현재 실행 전반의 집계된 요청 및 토큰 사용량
wrapper.tool_input: 현재 실행이 Agent.as_tool() 안에서 실행 중일 때의 구조화된 입력
wrapper.approve_tool(...) / wrapper.reject_tool(...): 승인 상태를 프로그래밍 방식으로 업데이트해야 할 때 사용

wrapper.context만 앱에서 정의한 객체입니다. 다른 필드는 SDK가 관리하는 런타임 메타데이터입니다.

나중에 휴먼인더루프 (HITL) 또는 내구성 있는 작업 워크플로를 위해 RunState를 직렬화하면, 해당 런타임 메타데이터가 상태와 함께 저장됩니다. 직렬화된 상태를 영속화하거나 전송할 계획이라면 RunContextWrapper.context에 비밀 정보를 넣지 마세요.

대화 상태는 별개의 문제입니다. 턴을 이어가는 방식에 따라 result.to_input_list(), session, conversation_id, 또는 previous_response_id를 사용하세요. 이 결정에 대해서는 결과, 에이전트 실행, 세션을 참고하세요.

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 읽습니다.
에이전트에 제네릭 UserInfo를 표시하여, 타입 검사기가 오류를 잡을 수 있도록 합니다(예를 들어 다른 컨텍스트 타입을 받는 도구를 전달하려고 한 경우).
컨텍스트가 run 함수에 전달됩니다.
에이전트가 도구를 올바르게 호출하고 나이를 가져옵니다.

고급: `ToolContext`

어떤 경우에는 실행 중인 도구에 대한 추가 메타데이터(예: 이름, 호출 ID, 원문 인수 문자열)에 접근하고 싶을 수 있습니다.
이를 위해 RunContextWrapper를 확장하는 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 필드도 제공합니다.

tool_name – 호출되는 도구의 이름
tool_call_id – 이 도구 호출의 고유 식별자
tool_arguments – 도구에 전달된 원문 인수 문자열
tool_namespace – 도구가 tool_namespace() 또는 다른 네임스페이스가 지정된 표면을 통해 로드된 경우, 도구 호출의 Responses 네임스페이스
qualified_tool_name – 네임스페이스가 있을 때 해당 네임스페이스로 한정된 도구 이름

실행 중에 도구 수준 메타데이터가 필요할 때 ToolContext를 사용하세요.
에이전트와 도구 간의 일반적인 컨텍스트 공유에는 RunContextWrapper로 충분합니다. ToolContext는 RunContextWrapper를 확장하므로, 중첩된 Agent.as_tool() 실행이 구조화된 입력을 제공한 경우 .tool_input도 노출할 수 있습니다.

에이전트/LLM 컨텍스트

LLM이 호출될 때 LLM이 볼 수 있는 유일한 데이터는 대화 기록에 있는 데이터입니다. 즉, LLM이 어떤 새 데이터를 사용할 수 있게 하려면 해당 기록에서 사용할 수 있는 방식으로 제공해야 합니다. 이를 수행하는 방법은 몇 가지가 있습니다.

Agent instructions에 추가할 수 있습니다. 이는 "시스템 프롬프트" 또는 "개발자 메시지"라고도 합니다. 시스템 프롬프트는 정적 문자열일 수도 있고, 컨텍스트를 받아 문자열을 출력하는 동적 함수일 수도 있습니다. 이는 항상 유용한 정보(예: 사용자의 이름 또는 현재 날짜)에 흔히 사용하는 전략입니다.
Runner.run 함수를 호출할 때 input에 추가합니다. 이는 instructions 전략과 유사하지만, 명령 체계에서 더 낮은 위치의 메시지를 사용할 수 있게 해줍니다.
함수 도구를 통해 노출합니다. 이는 온디맨드 컨텍스트에 유용합니다. LLM이 어떤 데이터가 필요한 시점을 결정하고, 해당 데이터를 가져오기 위해 도구를 호출할 수 있습니다.
검색 또는 웹 검색을 사용합니다. 이는 파일이나 데이터베이스에서 관련 데이터를 가져올 수 있는 특수 도구(검색) 또는 웹에서 가져올 수 있는 특수 도구(웹 검색)입니다. 이는 응답을 관련 컨텍스트 데이터에 "근거화"하는 데 유용합니다.