모델

Agents SDK 는 두 가지 방식으로 OpenAI 모델을 즉시 사용할 수 있도록 지원합니다:

• 권장: 새로운 Responses API를 사용해 OpenAI API 를 호출하는 OpenAIResponsesModel
• Chat Completions API를 사용해 OpenAI API 를 호출하는 OpenAIChatCompletionsModel

OpenAI 모델

Agent 를 초기화할 때 모델을 지정하지 않으면 기본 모델이 사용됩니다. 현재 기본값은 gpt-4.1이며, 에이전트 중심 워크플로를 위한 예측 가능성과 낮은 지연 시간의 균형이 뛰어납니다.

gpt-5 같은 다른 모델로 전환하려면 다음 섹션의 단계를 따르세요.

기본 OpenAI 모델

사용자 지정 모델을 설정하지 않은 모든 에이전트에 대해 일관되게 특정 모델을 사용하려면, 에이전트를 실행하기 전에 OPENAI_DEFAULT_MODEL 환경 변수를 설정하세요.

export OPENAI_DEFAULT_MODEL=gpt-5
python3 my_awesome_agent.py

GPT-5 모델

이 방식으로 GPT-5 의 reasoning 모델들(gpt-5, gpt-5-mini, gpt-5-nano)을 사용할 때, SDK 는 기본적으로 합리적인 ModelSettings 를 적용합니다. 구체적으로 reasoning.effort 와 verbosity 를 모두 "low" 로 설정합니다. 이러한 설정을 직접 구성하려면 agents.models.get_default_model_settings("gpt-5") 를 호출하세요.

지연 시간을 더 낮추거나 특정 요구사항이 있는 경우, 다른 모델과 설정을 선택할 수 있습니다. 기본 모델의 reasoning effort 를 조정하려면 사용자 정의 ModelSettings 를 전달하세요:

from openai.types.shared import Reasoning
from agents import Agent, ModelSettings

my_agent = Agent(
    name="My Agent",
    instructions="You're a helpful agent.",
    model_settings=ModelSettings(reasoning=Reasoning(effort="minimal"), verbosity="low")
    # If OPENAI_DEFAULT_MODEL=gpt-5 is set, passing only model_settings works.
    # It's also fine to pass a GPT-5 model name explicitly:
    # model="gpt-5",
)

특히 지연 시간을 낮추기 위해 gpt-5-mini 또는 gpt-5-nano 모델을 reasoning.effort="minimal" 과 함께 사용하면 기본 설정보다 더 빠르게 응답을 반환하는 경우가 많습니다. 다만 Responses API 의 일부 내장 도구(예: 파일 검색 및 이미지 생성)는 "minimal" reasoning effort 를 지원하지 않으므로, Agents SDK 의 기본값은 "low" 입니다.

비 GPT-5 모델

사용자 지정 model_settings 없이 비 GPT-5 모델 이름을 전달하면, SDK 는 어떤 모델과도 호환되는 일반적인 ModelSettings 로 되돌립니다.

OpenAI 이외의 모델

대부분의 비 OpenAI 모델은 LiteLLM 통합을 통해 사용할 수 있습니다. 먼저, litellm 의 종속성 그룹을 설치하세요:

pip install "openai-agents[litellm]"

그런 다음, litellm/ 접두사를 사용해 지원되는 모델 중 아무 것이나 사용하세요:

claude_agent = Agent(model="litellm/anthropic/claude-3-5-sonnet-20240620", ...)
gemini_agent = Agent(model="litellm/gemini/gemini-2.5-flash-preview-04-17", ...)

비 OpenAI 모델을 사용하는 다른 방법

다른 LLM 공급자를 추가로 통합하는 방법은 3 가지가 있습니다(예시는 여기에 있음):

1. set_default_openai_client 는 전역적으로 AsyncOpenAI 인스턴스를 LLM 클라이언트로 사용하려는 경우에 유용합니다. 이는 LLM 공급자가 OpenAI 호환 API 엔드포인트를 제공하며 base_url 과 api_key 를 설정할 수 있는 경우입니다. 구성 가능한 예시는 examples/model_providers/custom_example_global.py 를 참조하세요.
2. ModelProvider 는 Runner.run 수준에서 사용합니다. 이를 통해 "이 실행 내 모든 에이전트에 사용자 지정 모델 공급자를 사용"하도록 지정할 수 있습니다. 구성 가능한 예시는 examples/model_providers/custom_example_provider.py 를 참조하세요.
3. Agent.model 은 특정 Agent 인스턴스에 대해 모델을 지정할 수 있게 합니다. 이를 통해 서로 다른 에이전트에 대해 서로 다른 공급자를 혼합하여 사용할 수 있습니다. 구성 가능한 예시는 examples/model_providers/custom_example_agent.py 를 참조하세요. 대부분의 사용 가능한 모델을 쉽게 사용하는 방법은 LiteLLM 통합을 통한 것입니다.

platform.openai.com 의 API 키가 없는 경우, set_tracing_disabled() 로 트레이싱을 비활성화하거나, 다른 트레이싱 프로세서를 설정하는 것을 권장합니다.

Note

이 예시들에서는 대부분의 LLM 공급자가 아직 Responses API 를 지원하지 않기 때문에 Chat Completions API/모델을 사용합니다. 사용 중인 LLM 공급자가 지원한다면 Responses 사용을 권장합니다.

모델 혼합 사용

단일 워크플로 내에서 에이전트마다 서로 다른 모델을 사용하고 싶을 수 있습니다. 예를 들어 분류에는 더 작고 빠른 모델을, 복잡한 작업에는 더 크고 강력한 모델을 사용할 수 있습니다. Agent 를 구성할 때 다음 중 하나로 특정 모델을 선택할 수 있습니다:

1. 모델 이름을 전달
2. 임의의 모델 이름 + 해당 이름을 Model 인스턴스로 매핑할 수 있는 ModelProvider 전달
3. 직접 Model 구현 제공

Note

SDK 는 OpenAIResponsesModel 과 OpenAIChatCompletionsModel 두 형태를 모두 지원하지만, 두 형태가 지원하는 기능과 도구가 다르므로 각 워크플로에는 하나의 모델 형태만 사용하는 것을 권장합니다. 워크플로에서 모델 형태를 혼합해야 한다면, 사용하는 모든 기능이 두 형태 모두에서 사용 가능한지 확인하세요.

from agents import Agent, Runner, AsyncOpenAI, OpenAIChatCompletionsModel
import asyncio

spanish_agent = Agent(
    name="Spanish agent",
    instructions="You only speak Spanish.",
    model="gpt-5-mini", # (1)!
)

english_agent = Agent(
    name="English agent",
    instructions="You only speak English",
    model=OpenAIChatCompletionsModel( # (2)!
        model="gpt-5-nano",
        openai_client=AsyncOpenAI()
    ),
)

triage_agent = Agent(
    name="Triage agent",
    instructions="Handoff to the appropriate agent based on the language of the request.",
    handoffs=[spanish_agent, english_agent],
    model="gpt-5",
)

async def main():
    result = await Runner.run(triage_agent, input="Hola, ¿cómo estás?")
    print(result.final_output)

1. OpenAI 모델의 이름을 직접 설정합니다
2. Model 구현을 제공합니다

에이전트에 사용되는 모델을 추가로 구성하려는 경우, temperature 같은 선택적 모델 구성 매개변수를 제공하는 ModelSettings 를 전달할 수 있습니다.

from agents import Agent, ModelSettings

english_agent = Agent(
    name="English agent",
    instructions="You only speak English",
    model="gpt-4.1",
    model_settings=ModelSettings(temperature=0.1),
)

또한 OpenAI 의 Responses API 를 사용할 때 몇 가지 다른 선택적 매개변수(예: user, service_tier 등)가 있습니다. 이들이 최상위에 없으면 extra_args 를 사용해 함께 전달할 수 있습니다.

from agents import Agent, ModelSettings

english_agent = Agent(
    name="English agent",
    instructions="You only speak English",
    model="gpt-4.1",
    model_settings=ModelSettings(
        temperature=0.1,
        extra_args={"service_tier": "flex", "user": "user_12345"},
    ),
)

다른 LLM 공급자 사용 시 흔한 문제

트레이싱 클라이언트 오류 401

트레이싱 관련 오류가 발생하는 경우, 트레이스가 OpenAI 서버로 업로드되지만 OpenAI API 키가 없기 때문입니다. 해결 방법은 다음 세 가지입니다:

1. 트레이싱을 완전히 비활성화: set_tracing_disabled(True)
2. 트레이싱용 OpenAI 키 설정: set_tracing_export_api_key(...). 이 API 키는 트레이스 업로드에만 사용되며, 반드시 platform.openai.com 의 키여야 합니다
3. 비 OpenAI 트레이스 프로세서를 사용. tracing 문서 참고

Responses API 지원

SDK 는 기본적으로 Responses API 를 사용하지만, 대부분의 다른 LLM 공급자는 아직 지원하지 않습니다. 이로 인해 404 등의 문제가 발생할 수 있습니다. 해결 방법은 다음 두 가지입니다:

1. set_default_openai_api("chat_completions") 를 호출하세요. 환경 변수로 OPENAI_API_KEY 와 OPENAI_BASE_URL 을 설정한 경우에 동작합니다
2. OpenAIChatCompletionsModel 을 사용하세요. 예시는 여기에 있습니다

structured outputs 지원

일부 모델 공급자는 structured outputs을 지원하지 않습니다. 이로 인해 다음과 유사한 오류가 발생할 수 있습니다:

BadRequestError: Error code: 400 - {'error': {'message': "'response_format.type' : value is not one of the allowed values ['text','json_object']", 'type': 'invalid_request_error'}}

이는 일부 모델 공급자의 한계로, JSON 출력을 지원하더라도 출력에 사용할 json_schema 를 지정할 수 없습니다. 이에 대한 해결책을 마련 중이지만, 그렇지 않으면 잘못된 JSON 때문에 앱이 자주 깨질 수 있으므로 JSON schema 출력을 지원하는 공급자에 의존할 것을 권장합니다.

공급자 간 모델 혼합 사용

모델 공급자 간 기능 차이를 인지하지 못하면 오류가 발생할 수 있습니다. 예를 들어 OpenAI 는 structured outputs, 멀티모달 입력, 호스티드 파일 검색 및 웹 검색을 지원하지만, 다른 많은 공급자는 이러한 기능을 지원하지 않습니다. 다음 제한 사항을 유의하세요:

• 지원하지 않는 공급자에게는 이해하지 못하는 tools 를 보내지 말 것
• 텍스트 전용 모델을 호출하기 전에 멀티모달 입력을 필터링할 것
• structured JSON 출력을 지원하지 않는 공급자는 때때로 잘못된 JSON 을 생성할 수 있음을 유의할 것