핸드오프

핸드오프를 사용하면 에이전트가 다른 에이전트에 작업을 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 표시됩니다. 따라서 Refund Agent라는 에이전트로 핸드오프하는 경우 도구 이름은 transfer_to_refund_agent이 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_description가 설정된 경우 기본 도구 설명에 추가됩니다. 완전한 handoff() 객체를 작성하지 않고 모델이 해당 핸드오프를 선택해야 하는 시점을 알려주는 데 사용합니다.

Agents SDK에서 제공하는 handoff() 함수를 사용하여 핸드오프를 생성할 수 있습니다. 이 함수를 사용하면 선택적 재정의 및 입력 필터와 함께 핸드오프할 에이전트를 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)])

에이전트를 직접 사용하거나(billing_agent에서처럼) handoff() 함수를 사용할 수 있습니다.

`handoff()` 함수를 통한 핸드오프 사용자 지정

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

agent: 작업을 핸드오프할 대상 에이전트입니다.
tool_name_override: 기본적으로 transfer_to_<agent_name>으로 해석되는 Handoff.default_tool_name() 함수를 사용합니다. 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 호출되는 것을 확인하는 즉시 데이터 가져오기 등을 시작할 때 유용합니다. 이 함수는 에이전트 컨텍스트를 받으며, 선택적으로 LLM이 생성한 입력도 받을 수 있습니다. 입력 데이터는 input_type 매개변수로 제어합니다.
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 핸드오프별로 재정의하는 선택적 항목입니다. 값이 None이면 활성 실행 구성에 정의된 값을 대신 사용합니다.

handoff() 헬퍼는 항상 전달된 특정 agent로 제어권을 이전합니다. 가능한 대상이 여러 개라면 대상마다 하나의 핸드오프를 등록하고 모델이 그중에서 선택하도록 합니다. 자체 핸드오프 코드가 호출 시점에 반환할 에이전트를 결정해야 하는 경우에만 사용자 지정 Handoff을 사용합니다.

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 해야 할 수 있습니다. 예를 들어 "에스컬레이션 에이전트"로 핸드오프한다고 가정해 보겠습니다. 모델이 이유를 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_type 항목은 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 중첩 핸드오프 히스토리 설정을 사용하여 변경하지 않는 한 수신 에이전트는 계속 대화 히스토리를 확인합니다.

input_type 항목은 RunContextWrapper.context와도 별개입니다. 이미 로컬에 있는 애플리케이션 상태나 종속성이 아니라, 핸드오프 시점에 모델이 결정하는 메타데이터에 input_type을 사용합니다.

`input_type` 사용 시점

핸드오프에 reason, language, priority, summary 같은 소량의 모델 생성 메타데이터가 필요한 경우 input_type을 사용합니다. 예를 들어 분류 에이전트는 { "reason": "duplicate_charge", "priority": "high" }와 함께 환불 에이전트로 핸드오프할 수 있으며, 환불 에이전트가 작업을 넘겨받기 전에 on_handoff에서 해당 메타데이터를 기록하거나 저장할 수 있습니다.

목적이 다른 경우에는 다른 메커니즘을 선택합니다.

기존 애플리케이션 상태와 종속성은 RunContextWrapper.context에 넣습니다. 컨텍스트 가이드를 참조하세요.
수신 에이전트에 표시되는 히스토리를 변경하려면 input_filter, RunConfig.nest_handoff_history 또는 RunConfig.handoff_history_mapper를 사용합니다.
가능한 전문 에이전트가 여러 개라면 대상마다 하나의 핸드오프를 등록합니다. input_type을 사용하면 선택된 핸드오프에 메타데이터를 추가할 수 있지만 대상 간 디스패치를 수행하지는 않습니다.
대화를 이전하지 않고 중첩된 전문 에이전트에 구조화된 입력을 제공하려면 Agent.as_tool(parameters=...)을 사용하는 것이 좋습니다. 도구를 참조하세요.

입력 필터

핸드오프가 발생하면 새 에이전트가 대화를 넘겨받아 이전의 전체 대화 히스토리를 확인하는 것과 같습니다. 이를 변경하려면 input_filter을 설정할 수 있습니다. 입력 필터는 HandoffInputData를 통해 기존 입력을 받고 새로운 HandoffInputData를 반환해야 하는 함수입니다.

HandoffInputData에는 다음 항목이 포함됩니다.

input_history: Runner.run(...) 시작 전의 입력 히스토리
pre_handoff_items: 핸드오프가 호출된 에이전트 턴 이전에 생성된 항목
new_items: 핸드오프 호출 및 핸드오프 출력 항목을 포함해 현재 턴 중에 생성된 항목
input_items: new_items 대신 다음 에이전트에 전달할 선택적 항목으로, 세션 히스토리의 new_items은 그대로 유지하면서 모델 입력을 필터링할 수 있습니다.
run_context: 핸드오프가 호출된 시점의 활성 RunContextWrapper

중첩 핸드오프 히스토리는 옵트인 베타로 제공되며 안정화가 진행되는 동안 기본적으로 비활성화됩니다. RunConfig.nest_handoff_history을 활성화하면 러너는 요약 가능한 히스토리를 순서가 지정된 어시스턴트 요약 세그먼트로 압축하면서, 무손실 메시지 항목은 원래 위치에 보존합니다. 생성된 각 요약 세그먼트는 <CONVERSATION HISTORY> 래퍼를 사용하며, 이후 핸드오프에서는 순서가 지정된 트랜스크립트를 다시 구성하기 전에 이전에 생성된 세그먼트를 평면화합니다. 세션, RunState, RunResult.to_input_list()는 이 SDK 기본 히스토리로 이동된 정확한 메시지 출현 항목을 추적하여 해당 항목이 두 번 추가되지 않도록 합니다. 별도로 존재하는 동일한 메시지는 계속 보존됩니다. 내장 세그먼트화 대신 다음 에이전트에 전달할 정확한 입력 항목 목록을 반환하도록 RunConfig.handoff_history_mapper을 통해 자체 매핑 함수를 제공할 수 있습니다. 이 옵트인은 핸드오프의 input_filter과 활성 실행의 RunConfig.handoff_input_filter가 모두 설정되지 않은 경우에만 적용되므로, 이미 페이로드를 사용자 지정하는 기존 코드(이 리포지토리의 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, 이렇게 하면 Handoff.nest_handoff_history이 설정됩니다. 생성된 요약 세그먼트의 래퍼 텍스트만 변경하려면 에이전트를 실행하기 전에 set_conversation_history_wrappers을 호출합니다. 이후 실행에서 기본 래퍼를 복원해야 하는 경우 실행 전에 reset_conversation_history_wrappers을 호출합니다.

핸드오프와 활성 RunConfig.handoff_input_filter이 모두 필터를 정의한 경우 핸드오프별 input_filter이 해당 핸드오프에서 우선합니다.

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 호출을 검사해야 하는 경우 도구 가드레일을 사용합니다.

히스토리에서 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)!
)

FAQ agent 호출 시 히스토리에서 모든 도구 관련 항목을 자동으로 제거합니다.

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_instructions을 호출하여 프롬프트에 권장 데이터를 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>.""",
)