콘텐츠로 이동

핸드오프

핸드오프를 사용하면 에이전트가 작업을 다른 에이전트에 위임할 수 있습니다. 이는 서로 다른 에이전트가 각기 다른 영역을 전문적으로 처리하는 시나리오에서 특히 유용합니다. 예를 들어 고객 지원 앱에는 주문 상태, 환불, FAQ 등의 작업을 각각 전문적으로 처리하는 에이전트가 있을 수 있습니다.

핸드오프는 LLM에 도구로 표현됩니다. 따라서 Refund Agent라는 에이전트로 핸드오프하는 경우 도구의 이름은 transfer_to_refund_agent가 됩니다.

핸드오프 생성

모든 에이전트에는 handoffs 매개변수가 있으며, Agent를 직접 받거나 핸드오프를 사용자 지정하는 Handoff 객체를 받을 수 있습니다.

일반 Agent 인스턴스를 전달하면 해당 인스턴스의 handoff_description이 설정된 경우 기본 도구 설명에 추가됩니다. 완전한 handoff() 객체를 작성하지 않고도 모델이 언제 해당 핸드오프를 선택해야 하는지 알려주는 데 사용할 수 있습니다.

Agents SDK에서 제공하는 handoff() 함수를 사용하여 핸드오프를 생성할 수 있습니다. 이 함수로 핸드오프할 에이전트와 선택적 재정의 및 입력 필터를 지정할 수 있습니다.

기본 사용법

다음과 같이 간단한 핸드오프를 생성할 수 있습니다.

from agents import Agent, handoff

billing_agent = Agent(name="Billing agent")
refund_agent = Agent(name="Refund agent")

# (1)!
triage_agent = Agent(name="Triage agent", handoffs=[billing_agent, handoff(refund_agent)])
  1. 에이전트를 직접 사용할 수도 있고(billing_agent의 경우처럼), handoff() 함수를 사용할 수도 있습니다.

handoff() 함수를 통한 핸드오프 사용자 지정

handoff() 함수를 사용하면 여러 항목을 사용자 지정할 수 있습니다.

  • agent: 핸드오프할 대상 에이전트입니다.
  • tool_name_override: 기본적으로 transfer_to_<agent_name>으로 해석되는 Handoff.default_tool_name() 함수가 사용됩니다. 이를 재정의할 수 있습니다.
  • tool_description_override: Handoff.default_tool_description()의 기본 도구 설명을 재정의합니다
  • on_handoff: 핸드오프가 호출될 때 실행되는 콜백 함수입니다. 핸드오프가 호출된다는 사실을 확인하는 즉시 데이터 가져오기와 같은 작업을 시작하는 데 유용합니다. 이 함수는 에이전트 컨텍스트를 받으며, 선택적으로 LLM이 생성한 입력도 받을 수 있습니다. 입력 데이터는 input_type 매개변수로 제어됩니다.
  • input_type: 핸드오프 도구 호출 인수의 스키마입니다. 설정하면 파싱된 페이로드가 on_handoff에 전달됩니다.
  • input_filter: 다음 에이전트가 받는 입력을 필터링할 수 있습니다. 자세한 내용은 아래를 참조하세요.
  • is_enabled: 핸드오프의 활성화 여부입니다. 불리언 또는 불리언을 반환하는 함수일 수 있으므로 런타임에 핸드오프를 동적으로 활성화하거나 비활성화할 수 있습니다.
  • nest_handoff_history: RunConfig 수준의 nest_handoff_history 설정을 호출별로 재정의하는 선택적 항목입니다. None이면 활성 실행 구성에 정의된 값이 대신 사용됩니다.

handoff() 헬퍼는 항상 전달한 특정 agent로 제어권을 이전합니다. 가능한 대상이 여러 개인 경우 대상마다 하나의 핸드오프를 등록하고 모델이 그중에서 선택하게 하세요. 호출 시 자체 핸드오프 코드에서 반환할 에이전트를 결정해야 하는 경우에만 사용자 지정 Handoff를 사용하세요.

from agents import Agent, handoff, RunContextWrapper

def on_handoff(ctx: RunContextWrapper[None]):
    print("Handoff called")

agent = Agent(name="My agent")

handoff_obj = handoff(
    agent=agent,
    on_handoff=on_handoff,
    tool_name_override="custom_handoff_tool",
    tool_description_override="Custom description",
)

핸드오프 입력

특정 상황에서는 LLM이 핸드오프를 호출할 때 일부 데이터를 제공하도록 할 수 있습니다. 예를 들어 "에스컬레이션 에이전트"로 핸드오프한다고 가정해 보겠습니다. 모델이 사유를 제공하도록 하여 이를 기록할 수 있습니다.

from pydantic import BaseModel

from agents import Agent, handoff, RunContextWrapper

class EscalationData(BaseModel):
    reason: str

async def on_handoff(ctx: RunContextWrapper[None], input_data: EscalationData):
    print(f"Escalation agent called with reason: {input_data.reason}")

agent = Agent(name="Escalation agent")

handoff_obj = handoff(
    agent=agent,
    on_handoff=on_handoff,
    input_type=EscalationData,
)

input_type은 핸드오프 도구 호출 자체의 인수를 설명합니다. SDK는 해당 스키마를 핸드오프 도구의 parameters로 모델에 노출하고, 반환된 JSON을 로컬에서 검증한 후 파싱된 값을 on_handoff에 전달합니다.

이는 다음 에이전트의 기본 입력을 대체하지 않으며 다른 대상을 선택하지도 않습니다. handoff() 헬퍼는 여전히 래핑한 특정 에이전트로 제어권을 이전하며, input_filter 또는 중첩된 핸드오프 기록 설정으로 변경하지 않는 한 수신 에이전트는 계속 대화 기록을 볼 수 있습니다.

또한 input_type은 RunContextWrapper.context와 별개입니다. 로컬에 이미 있는 애플리케이션 상태나 종속성이 아니라, 모델이 핸드오프 시점에 결정하는 메타데이터에 input_type을 사용하세요.

input_type 사용 시점

핸드오프에 reason, language, priority, summary처럼 모델이 생성한 소량의 메타데이터가 필요한 경우 input_type을 사용하세요. 예를 들어 분류 에이전트는 { "reason": "duplicate_charge", "priority": "high" }와 함께 환불 에이전트로 핸드오프할 수 있으며, 환불 에이전트가 작업을 이어받기 전에 on_handoff가 해당 메타데이터를 기록하거나 저장할 수 있습니다.

목적이 다르다면 다른 메커니즘을 선택하세요.

입력 필터

핸드오프가 발생하면 새 에이전트가 대화를 이어받아 이전의 전체 대화 기록을 볼 수 있게 됩니다. 이를 변경하려면 input_filter를 설정할 수 있습니다. 입력 필터는 HandoffInputData를 통해 기존 입력을 받고 새로운 HandoffInputData를 반환해야 하는 함수입니다.

HandoffInputData에는 다음이 포함됩니다.

  • input_history: Runner.run(...)이 시작되기 전의 입력 기록입니다.
  • pre_handoff_items: 핸드오프가 호출된 에이전트 턴 이전에 생성된 항목입니다.
  • new_items: 핸드오프 호출 및 핸드오프 출력 항목을 포함하여 현재 턴 중에 생성된 항목입니다.
  • input_items: new_items 대신 다음 에이전트로 전달할 선택적 항목입니다. 세션 기록에서 new_items를 그대로 유지하면서 모델 입력을 필터링할 수 있습니다.
  • run_context: 핸드오프가 호출된 시점의 활성 RunContextWrapper입니다.

중첩된 핸드오프는 선택적으로 활성화할 수 있는 베타 기능이며, 안정화가 진행되는 동안 기본적으로 비활성화되어 있습니다. RunConfig.nest_handoff_history를 활성화하면 러너는 무손실 메시지 항목을 원래 위치에 보존하면서 요약 가능한 기록을 순서가 지정된 어시스턴트 요약 세그먼트로 압축합니다. 생성된 각 요약 세그먼트에는 <CONVERSATION HISTORY> 래퍼가 사용되며, 이후의 핸드오프는 순서가 지정된 대화 기록을 다시 구성하기 전에 이전에 생성된 세그먼트를 평면화합니다. 세션, RunState, RunResult.to_input_list()는 동일한 항목이 두 번 추가되지 않도록 이 SDK 기본 기록으로 이동된 정확한 메시지 발생 항목을 추적합니다. 별개의 동일한 메시지는 계속 보존됩니다. RunConfig.handoff_history_mapper를 통해 자체 매핑 함수를 제공하면 기본 제공 세분화 기능을 사용하는 대신 다음 에이전트에 전달할 정확한 입력 항목 목록을 반환할 수 있습니다. 이 선택적 기능은 핸드오프와 실행 어느 쪽에도 명시적인 input_filter가 없는 경우에만 적용되므로, 이미 페이로드를 사용자 지정하는 기존 코드(이 저장소의 코드 예제 포함)는 변경 없이 현재 동작을 유지합니다. handoff(...)에 nest_handoff_history=True 또는 False를 전달하여 단일 핸드오프의 중첩 동작을 재정의할 수 있으며, 이 값은 Handoff.nest_handoff_history를 설정합니다. 생성된 요약 세그먼트의 래퍼 텍스트만 변경하려면 에이전트를 실행하기 전에 set_conversation_history_wrappers를 호출하세요. 필요에 따라 reset_conversation_history_wrappers도 호출할 수 있습니다.

핸드오프와 활성 RunConfig.handoff_input_filter가 모두 필터를 정의한 경우, 해당 핸드오프에는 핸드오프별 input_filter가 우선 적용됩니다.

Note

핸드오프는 단일 실행 내에서 유지됩니다. 입력 가드레일은 여전히 체인의 첫 번째 에이전트에만 적용되고 출력 가드레일은 최종 출력을 생성하는 에이전트에만 적용됩니다. 워크플로 내의 각 사용자 지정 함수 도구 호출 전후에 검사가 필요한 경우 도구 가드레일을 사용하세요.

기록에서 모든 도구 호출을 제거하는 것과 같은 몇 가지 일반적인 패턴은 agents.extensions.handoff_filters에 구현되어 있습니다

from agents import Agent, handoff
from agents.extensions import handoff_filters

agent = Agent(name="FAQ agent")

handoff_obj = handoff(
    agent=agent,
    input_filter=handoff_filters.remove_all_tools, # (1)!
)
  1. 이렇게 하면 FAQ agent가 호출될 때 기록에서 모든 도구가 자동으로 제거됩니다.

권장 프롬프트

LLM이 핸드오프를 올바르게 이해하도록 하려면 에이전트에 핸드오프 관련 정보를 포함하는 것이 좋습니다. agents.extensions.handoff_prompt.RECOMMENDED_PROMPT_PREFIX에 권장 접두사가 있으며, agents.extensions.handoff_prompt.prompt_with_handoff_instructions를 호출하여 프롬프트에 권장 내용을 자동으로 추가할 수도 있습니다.

from agents import Agent
from agents.extensions.handoff_prompt import RECOMMENDED_PROMPT_PREFIX

billing_agent = Agent(
    name="Billing agent",
    instructions=f"""{RECOMMENDED_PROMPT_PREFIX}
    <Fill in the rest of your prompt here>.""",
)