모델

Agents SDK는 OpenAI 모델을 두 가지 방식으로 기본 지원합니다.

권장: 새 Responses API를 사용해 OpenAI API를 호출하는 OpenAIResponsesModel
Chat Completions API를 사용해 OpenAI API를 호출하는 OpenAIChatCompletionsModel

모델 설정 선택

설정에 맞는 가장 단순한 경로부터 시작하세요.

원하는 작업	권장 경로	더 읽어보기
OpenAI 모델만 사용	기본 OpenAI provider를 Responses 모델 경로와 함께 사용	OpenAI 모델
websocket transport로 OpenAI Responses API 사용	Responses 모델 경로를 유지하고 websocket transport 활성화	Responses WebSocket transport
하나의 비 OpenAI provider 사용	내장 provider 통합 지점부터 시작	비 OpenAI 모델
에이전트 간 모델 또는 provider 혼합	실행별 또는 에이전트별로 provider를 선택하고 기능 차이 검토	하나의 워크플로에서 모델 혼합 및 provider 간 모델 혼합
고급 OpenAI Responses 요청 설정 조정	OpenAI Responses 경로에서 `ModelSettings` 사용	고급 OpenAI Responses 설정
비 OpenAI 또는 혼합 provider 라우팅을 위한 서드파티 어댑터 사용	지원되는 베타 어댑터를 비교하고 배포하려는 provider 경로 검증	서드파티 어댑터

OpenAI 모델

대부분의 OpenAI 전용 앱에서는 기본 OpenAI provider와 문자열 모델 이름을 사용하고 Responses 모델 경로를 유지하는 것이 권장됩니다.

Agent를 초기화할 때 모델을 지정하지 않으면 기본 모델이 사용됩니다. 현재 기본값은 지연 시간이 짧은 에이전트 워크플로를 위해 reasoning.effort="none" 및 verbosity="low"가 설정된 gpt-5.4-mini입니다. 액세스 권한이 있다면, 명시적인 model_settings를 유지하면서 더 높은 품질을 위해 에이전트를 gpt-5.5로 설정하는 것을 권장합니다.

gpt-5.5 같은 다른 모델로 전환하려면, 에이전트를 구성하는 방법이 두 가지 있습니다.

기본 모델

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

export OPENAI_DEFAULT_MODEL=gpt-5.5
python3 my_awesome_agent.py

둘째, RunConfig를 통해 실행의 기본 모델을 설정할 수 있습니다. 에이전트에 모델을 설정하지 않으면 이 실행의 모델이 사용됩니다.

from agents import Agent, RunConfig, Runner

agent = Agent(
    name="Assistant",
    instructions="You're a helpful agent.",
)

result = await Runner.run(
    agent,
    "Hello",
    run_config=RunConfig(model="gpt-5.5"),
)

GPT-5 모델

이 방식으로 gpt-5.5와 같은 GPT-5 모델을 사용하면 SDK가 기본 ModelSettings를 적용합니다. 대부분의 사용 사례에 가장 잘 맞는 설정이 적용됩니다. 기본 모델의 reasoning effort를 조정하려면 직접 ModelSettings를 전달하세요.

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

my_agent = Agent(
    name="My Agent",
    instructions="You're a helpful agent.",
    # If OPENAI_DEFAULT_MODEL=gpt-5.5 is set, passing only model_settings works.
    # It's also fine to pass a GPT-5 model name explicitly:
    model="gpt-5.5",
    model_settings=ModelSettings(reasoning=Reasoning(effort="high"), verbosity="low")
)

더 낮은 지연 시간을 위해서는 GPT-5 모델에서 reasoning.effort="none"을 사용하는 것이 권장됩니다.

ComputerTool 모델 선택

에이전트에 ComputerTool이 포함된 경우 실제 Responses 요청의 유효 모델이 SDK가 전송하는 computer-tool payload를 결정합니다. 명시적인 gpt-5.5 요청은 GA 내장 computer 도구를 사용하고, 명시적인 computer-use-preview 요청은 이전 computer_use_preview payload를 유지합니다.

프롬프트가 관리하는 호출이 주요 예외입니다. 프롬프트 템플릿이 모델을 소유하고 SDK가 요청에서 model을 생략하는 경우, SDK는 프롬프트가 어떤 모델을 고정하는지 추측하지 않기 위해 preview 호환 computer payload를 기본값으로 사용합니다. 이 흐름에서 GA 경로를 유지하려면 요청에 model="gpt-5.5"를 명시하거나 ModelSettings(tool_choice="computer") 또는 ModelSettings(tool_choice="computer_use")로 GA selector를 강제하세요.

등록된 ComputerTool이 있으면 tool_choice="computer", "computer_use", "computer_use_preview"는 유효 요청 모델과 일치하는 내장 selector로 정규화됩니다. 등록된 ComputerTool이 없으면 해당 문자열은 일반 함수 이름처럼 계속 동작합니다.

Preview 호환 요청은 environment와 display dimensions를 미리 직렬화해야 하므로, ComputerProvider factory를 사용하는 프롬프트 관리 흐름은 구체적인 Computer 또는 AsyncComputer 인스턴스를 전달하거나 요청을 보내기 전에 GA selector를 강제해야 합니다. 전체 마이그레이션 세부 정보는 도구를 참조하세요.

비 GPT-5 모델

사용자 지정 model_settings 없이 비 GPT-5 모델 이름을 전달하면 SDK는 모든 모델과 호환되는 일반 ModelSettings로 되돌아갑니다.

Responses 전용 도구 검색 기능

다음 도구 기능은 OpenAI Responses 모델에서만 지원됩니다.

ToolSearchTool
tool_namespace()
@function_tool(defer_loading=True) 및 기타 지연 로딩 Responses 도구 표면

이 기능들은 Chat Completions 모델 및 비 Responses 백엔드에서 거부됩니다. 지연 로딩 도구를 사용할 때는 에이전트에 ToolSearchTool()을 추가하고, bare namespace 이름이나 지연 전용 함수 이름을 강제하지 말고 모델이 auto 또는 required tool choice를 통해 도구를 로드하도록 하세요. 설정 세부 정보와 현재 제약 사항은 도구를 참조하세요.

Responses WebSocket transport

기본적으로 OpenAI Responses API 요청은 HTTP transport를 사용합니다. OpenAI 기반 모델을 사용할 때 websocket transport를 선택할 수 있습니다.

기본 설정

from agents import set_default_openai_responses_transport

set_default_openai_responses_transport("websocket")

이는 기본 OpenAI provider가 확인한 OpenAI Responses 모델("gpt-5.5" 같은 문자열 모델 이름 포함)에 영향을 줍니다.

Transport 선택은 SDK가 모델 이름을 모델 인스턴스로 확인할 때 발생합니다. 구체적인 Model 객체를 전달하면 해당 transport는 이미 고정되어 있습니다. OpenAIResponsesWSModel은 websocket을 사용하고, OpenAIResponsesModel은 HTTP를 사용하며, OpenAIChatCompletionsModel은 Chat Completions에 남아 있습니다. RunConfig(model_provider=...)를 전달하면 전역 기본값 대신 해당 provider가 transport 선택을 제어합니다.

Provider 또는 실행 수준 설정

Provider별 또는 실행별로 websocket transport를 구성할 수도 있습니다.

from agents import Agent, OpenAIProvider, RunConfig, Runner

provider = OpenAIProvider(
    use_responses_websocket=True,
    # Optional; if omitted, OPENAI_WEBSOCKET_BASE_URL is used when set.
    websocket_base_url="wss://your-proxy.example/v1",
    # Optional low-level websocket keepalive settings.
    responses_websocket_options={"ping_interval": 20.0, "ping_timeout": 60.0},
)

agent = Agent(name="Assistant")
result = await Runner.run(
    agent,
    "Hello",
    run_config=RunConfig(model_provider=provider),
)

OpenAI 기반 provider는 선택적인 에이전트 등록 구성도 허용합니다. 이는 OpenAI 설정에서 harness ID 같은 provider 수준 등록 메타데이터가 필요한 경우를 위한 고급 옵션입니다.

from agents import (
    Agent,
    OpenAIAgentRegistrationConfig,
    OpenAIProvider,
    RunConfig,
    Runner,
)

provider = OpenAIProvider(
    use_responses_websocket=True,
    agent_registration=OpenAIAgentRegistrationConfig(harness_id="your-harness-id"),
)

agent = Agent(name="Assistant")
result = await Runner.run(
    agent,
    "Hello",
    run_config=RunConfig(model_provider=provider),
)

`MultiProvider`를 사용한 고급 라우팅

prefix 기반 모델 라우팅이 필요한 경우(예: 하나의 실행에서 openai/...와 any-llm/... 모델 이름 혼합) MultiProvider를 사용하고 여기에 openai_use_responses_websocket=True를 설정하세요.

MultiProvider는 두 가지 기존 기본값을 유지합니다.

openai/...는 OpenAI provider의 별칭으로 처리되므로 openai/gpt-4.1은 모델 gpt-4.1로 라우팅됩니다.
알 수 없는 prefix는 그대로 전달되지 않고 UserError를 발생시킵니다.

OpenAI provider가 literal namespaced 모델 ID를 기대하는 OpenAI 호환 엔드포인트를 가리키도록 할 때는 pass-through 동작을 명시적으로 선택하세요. websocket이 활성화된 설정에서는 MultiProvider에도 openai_use_responses_websocket=True를 유지하세요.

from agents import Agent, MultiProvider, RunConfig, Runner

provider = MultiProvider(
    openai_base_url="https://openrouter.ai/api/v1",
    openai_api_key="...",
    openai_use_responses_websocket=True,
    openai_prefix_mode="model_id",
    unknown_prefix_mode="model_id",
)

agent = Agent(
    name="Assistant",
    instructions="Be concise.",
    model="openai/gpt-4.1",
)

result = await Runner.run(
    agent,
    "Hello",
    run_config=RunConfig(model_provider=provider),
)

백엔드가 literal openai/... 문자열을 기대할 때 openai_prefix_mode="model_id"를 사용하세요. 백엔드가 openrouter/openai/gpt-4.1-mini 같은 다른 namespaced 모델 ID를 기대할 때는 unknown_prefix_mode="model_id"를 사용하세요. 이러한 옵션은 websocket transport 외부의 MultiProvider에서도 작동합니다. 이 예제는 이 섹션에서 설명하는 transport 설정의 일부이므로 websocket을 활성화한 상태로 유지합니다. 동일한 옵션은 responses_websocket_session()에서도 사용할 수 있습니다.

MultiProvider를 통해 라우팅하면서 동일한 provider 수준 등록 메타데이터가 필요한 경우 openai_agent_registration=OpenAIAgentRegistrationConfig(...)를 전달하면 내부 OpenAI provider로 전달됩니다.

사용자 지정 OpenAI 호환 엔드포인트 또는 프록시를 사용하는 경우 websocket transport에는 호환되는 websocket /responses 엔드포인트도 필요합니다. 이러한 설정에서는 websocket_base_url을 명시적으로 설정해야 할 수 있습니다.

참고 사항

이는 websocket transport를 통한 Responses API이지 Realtime API가 아닙니다. Chat Completions 또는 비 OpenAI provider에는 적용되지 않습니다. 단, 이들이 Responses websocket /responses 엔드포인트를 지원하는 경우는 예외입니다.
환경에 websockets 패키지가 아직 없다면 설치하세요.
websocket transport를 활성화한 직후 Runner.run_streamed()를 직접 사용할 수 있습니다. 턴 간(및 중첩된 agent-as-tool 호출 간) 동일한 websocket 연결을 재사용하려는 멀티턴 워크플로에서는 responses_websocket_session() 헬퍼가 권장됩니다. 에이전트 실행 가이드와 examples/basic/stream_ws.py를 참조하세요.
긴 reasoning 턴이나 지연 시간 급증이 있는 네트워크에서는 responses_websocket_options로 websocket keepalive 동작을 사용자 지정하세요. 지연된 pong 프레임을 허용하려면 ping_timeout을 늘리거나, ping은 활성화한 채 heartbeat timeout을 비활성화하려면 ping_timeout=None을 설정하세요. websocket 지연 시간보다 신뢰성이 더 중요한 경우 HTTP/SSE transport를 선호하세요.

비 OpenAI 모델

비 OpenAI provider가 필요하다면 SDK의 내장 provider 통합 지점부터 시작하세요. 많은 설정에서는 서드파티 어댑터를 추가하지 않아도 이것으로 충분합니다. 각 패턴의 예시는 examples/model_providers에 있습니다.

비 OpenAI provider 통합 방법

접근 방식	사용 시점	범위
`set_default_openai_client`	하나의 OpenAI 호환 엔드포인트가 대부분 또는 모든 에이전트의 기본값이어야 할 때	전역 기본값
`ModelProvider`	하나의 사용자 지정 provider가 단일 실행에 적용되어야 할 때	실행별
`Agent.model`	서로 다른 에이전트가 서로 다른 provider 또는 구체적인 모델 객체를 필요로 할 때	에이전트별
서드파티 어댑터	내장 경로가 제공하지 않는 어댑터 관리 provider 범위 또는 라우팅이 필요할 때	서드파티 어댑터 참조

다음 내장 경로를 통해 다른 LLM provider를 통합할 수 있습니다.

set_default_openai_client는 AsyncOpenAI 인스턴스를 LLM 클라이언트로 전역 사용하려는 경우에 유용합니다. 이는 LLM provider에 OpenAI 호환 API 엔드포인트가 있고 base_url과 api_key를 설정할 수 있는 경우를 위한 것입니다. 구성 가능한 예시는 examples/model_providers/custom_example_global.py를 참조하세요.
ModelProvider는 Runner.run 수준에 있습니다. 이를 통해 “이 실행의 모든 에이전트에 사용자 지정 모델 provider를 사용”하도록 지정할 수 있습니다. 구성 가능한 예시는 examples/model_providers/custom_example_provider.py를 참조하세요.
Agent.model을 사용하면 특정 Agent 인스턴스에 모델을 지정할 수 있습니다. 이를 통해 서로 다른 에이전트에 서로 다른 provider를 혼합해 사용할 수 있습니다. 구성 가능한 예시는 examples/model_providers/custom_example_agent.py를 참조하세요.

platform.openai.com의 API 키가 없는 경우 set_tracing_disabled()를 통해 트레이싱을 비활성화하거나 다른 트레이싱 프로세서를 설정하는 것을 권장합니다.

from agents import Agent, AsyncOpenAI, OpenAIChatCompletionsModel, set_tracing_disabled

set_tracing_disabled(disabled=True)

client = AsyncOpenAI(api_key="Api_Key", base_url="Base URL of Provider")
model = OpenAIChatCompletionsModel(model="Model_Name", openai_client=client)

agent= Agent(name="Helping Agent", instructions="You are a Helping Agent", model=model)

Note

이 예시들에서는 Chat Completions API/모델을 사용합니다. 많은 LLM provider가 아직 Responses API를 지원하지 않기 때문입니다. 사용 중인 LLM provider가 이를 지원한다면 Responses 사용을 권장합니다.

하나의 워크플로에서 모델 혼합

단일 워크플로 내에서 각 에이전트에 서로 다른 모델을 사용하고 싶을 수 있습니다. 예를 들어 triage에는 더 작고 빠른 모델을 사용하고, 복잡한 작업에는 더 크고 성능이 좋은 모델을 사용할 수 있습니다. Agent를 구성할 때 다음 중 하나로 특정 모델을 선택할 수 있습니다.

모델 이름 전달
임의의 모델 이름 + 해당 이름을 Model 인스턴스에 매핑할 수 있는 ModelProvider 전달
Model 구현을 직접 제공

Note

SDK는 OpenAIResponsesModel와 OpenAIChatCompletionsModel 형식을 모두 지원하지만, 두 형식이 서로 다른 기능 및 도구 집합을 지원하므로 각 워크플로에는 단일 모델 형식을 사용하는 것을 권장합니다. 워크플로에서 모델 형식을 혼합해야 한다면 사용 중인 모든 기능이 양쪽 모두에서 제공되는지 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-5.5",
)

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

OpenAI 모델의 이름을 직접 설정합니다.
Model 구현을 제공합니다.

에이전트에 사용되는 모델을 더 세부적으로 구성하려면 temperature 같은 선택적 모델 구성 매개변수를 제공하는 [ModelSettings][agents.models.interface.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),
)

고급 OpenAI Responses 설정

OpenAI Responses 경로를 사용 중이고 더 많은 제어가 필요하다면 ModelSettings부터 시작하세요.

일반적인 고급 `ModelSettings` 옵션

OpenAI Responses API를 사용할 때는 여러 요청 필드에 이미 직접 대응되는 ModelSettings 필드가 있으므로, 해당 필드에는 extra_args가 필요하지 않습니다.

parallel_tool_calls: 같은 턴에서 여러 도구 호출을 허용하거나 금지합니다.
truncation: 컨텍스트가 초과될 때 실패하지 않고 Responses API가 가장 오래된 대화 항목을 삭제하도록 하려면 "auto"로 설정합니다.
store: 생성된 응답을 나중에 조회할 수 있도록 서버 측에 저장할지 여부를 제어합니다. 이는 응답 ID에 의존하는 후속 워크플로와 store=False일 때 로컬 입력으로 fallback해야 할 수 있는 세션 compaction 흐름에 중요합니다.
context_management: compact_threshold를 사용한 Responses compaction 등 서버 측 컨텍스트 처리를 구성합니다.
prompt_cache_retention: 예를 들어 "24h"로 캐시된 프롬프트 prefix를 더 오래 유지합니다.
response_include: web_search_call.action.sources, file_search_call.results, reasoning.encrypted_content 같은 더 풍부한 응답 payload를 요청합니다.
top_logprobs: 출력 텍스트에 대한 top-token logprobs를 요청합니다. SDK는 message.output_text.logprobs도 자동으로 추가합니다.
retry: 모델 호출에 runner 관리 retry 설정을 사용하도록 선택합니다. Runner 관리 retry를 참조하세요.

from agents import Agent, ModelSettings

research_agent = Agent(
    name="Research agent",
    model="gpt-5.5",
    model_settings=ModelSettings(
        parallel_tool_calls=False,
        truncation="auto",
        store=True,
        context_management=[{"type": "compaction", "compact_threshold": 200000}],
        prompt_cache_retention="24h",
        response_include=["web_search_call.action.sources"],
        top_logprobs=5,
    ),
)

store=False로 설정하면 Responses API는 나중에 서버 측에서 조회할 수 있도록 해당 응답을 보관하지 않습니다. 이는 stateless 또는 zero-data-retention 스타일의 흐름에 유용하지만, 그렇지 않으면 응답 ID를 재사용할 기능들이 대신 로컬에서 관리되는 상태에 의존해야 함을 의미합니다. 예를 들어 OpenAIResponsesCompactionSession은 마지막 응답이 저장되지 않았을 때 기본 "auto" compaction 경로를 입력 기반 compaction으로 전환합니다. Sessions 가이드를 참조하세요.

서버 측 compaction은 OpenAIResponsesCompactionSession과 다릅니다. context_management=[{"type": "compaction", "compact_threshold": ...}]는 각 Responses API 요청과 함께 전송되며, 렌더링된 컨텍스트가 임계값을 넘을 때 API가 응답의 일부로 compaction 항목을 내보낼 수 있습니다. OpenAIResponsesCompactionSession은 턴 사이에 독립 실행형 responses.compact 엔드포인트를 호출하고 로컬 세션 기록을 다시 작성합니다.

`extra_args` 전달

SDK가 아직 최상위 수준에서 직접 노출하지 않는 provider별 또는 더 새로운 요청 필드가 필요할 때 extra_args를 사용하세요.

또한 OpenAI의 Responses API를 사용할 때 몇 가지 다른 선택적 매개변수(예: user, service_tier 등)가 있습니다. 최상위 수준에서 사용할 수 없다면 extra_args를 사용해 이들도 전달할 수 있습니다. 동일한 요청 필드를 직접 ModelSettings 필드를 통해 동시에 설정하지 마세요.

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"},
    ),
)

Runner 관리 retry

Retry는 런타임 전용이며 선택 사항입니다. ModelSettings(retry=...)를 설정하고 retry 정책이 retry를 선택하지 않는 한 SDK는 일반 모델 요청을 retry하지 않습니다.

from agents import Agent, ModelRetrySettings, ModelSettings, retry_policies

agent = Agent(
    name="Assistant",
    model="gpt-5.5",
    model_settings=ModelSettings(
        retry=ModelRetrySettings(
            max_retries=4,
            backoff={
                "initial_delay": 0.5,
                "max_delay": 5.0,
                "multiplier": 2.0,
                "jitter": True,
            },
            policy=retry_policies.any(
                retry_policies.provider_suggested(),
                retry_policies.retry_after(),
                retry_policies.network_error(),
                retry_policies.http_status([408, 409, 429, 500, 502, 503, 504]),
            ),
        )
    ),
)

ModelRetrySettings에는 세 개의 필드가 있습니다.

필드	타입	참고
`max_retries`	`int \| None`	초기 요청 이후 허용되는 retry 시도 횟수입니다.
`backoff`	`ModelRetryBackoffSettings \| dict \| None`	정책이 명시적 지연을 반환하지 않고 retry할 때의 기본 지연 전략입니다. `backoff.max_delay`는 이 계산된 backoff 지연에만 상한을 적용합니다. 정책이 반환한 명시적 지연이나 retry-after 힌트에는 상한을 적용하지 않습니다.
`policy`	`RetryPolicy \| None`	retry 여부를 결정하는 콜백입니다. 이 필드는 런타임 전용이며 직렬화되지 않습니다.

Retry 정책은 다음을 포함하는 RetryPolicyContext를 받습니다.

attempt 및 max_retries: 시도 횟수를 고려한 결정을 내릴 수 있습니다.
stream: 스트리밍 동작과 비스트리밍 동작을 분기할 수 있습니다.
error: 원문 검사를 위한 값입니다.
status_code, retry_after, error_code, is_network_error, is_timeout, is_abort 같은 normalized 사실
기본 모델 어댑터가 retry 지침을 제공할 수 있을 때의 provider_advice

정책은 다음 중 하나를 반환할 수 있습니다.

단순 retry 결정을 위한 True / False
지연을 override하거나 진단 reason을 첨부하려는 경우 RetryDecision

SDK는 retry_policies에서 바로 사용할 수 있는 헬퍼를 내보냅니다.

헬퍼	동작
`retry_policies.never()`	항상 선택하지 않습니다.
`retry_policies.provider_suggested()`	사용 가능한 경우 provider retry 조언을 따릅니다.
`retry_policies.network_error()`	일시적인 transport 및 timeout 실패와 일치합니다.
`retry_policies.http_status([...])`	선택한 HTTP 상태 코드와 일치합니다.
`retry_policies.retry_after()`	retry-after 힌트가 있을 때만 해당 지연을 사용해 retry합니다. 이 헬퍼는 retry-after 값을 명시적인 정책 지연으로 취급하므로 `backoff.max_delay`가 이를 제한하지 않습니다.
`retry_policies.any(...)`	중첩된 정책 중 하나라도 선택하면 retry합니다.
`retry_policies.all(...)`	모든 중첩 정책이 선택할 때만 retry합니다.

정책을 조합할 때 provider_suggested()는 provider가 이를 구분할 수 있는 경우 provider veto와 replay-safety 승인을 보존하므로 가장 안전한 첫 번째 구성 요소입니다.

안전 경계

일부 실패는 자동으로 retry되지 않습니다.

Abort 오류
Provider 조언이 replay를 안전하지 않다고 표시한 요청
replay를 안전하지 않게 만들 방식으로 출력이 이미 시작된 후의 스트리밍 실행

previous_response_id 또는 conversation_id를 사용하는 stateful 후속 요청도 더 보수적으로 처리됩니다. 이러한 요청에서는 network_error() 또는 http_status([500]) 같은 비 provider predicate만으로는 충분하지 않습니다. retry 정책에는 일반적으로 retry_policies.provider_suggested()를 통한 provider의 replay-safe 승인이 포함되어야 합니다.

Runner와 에이전트 병합 동작

retry는 runner 수준 및 에이전트 수준 ModelSettings 사이에서 deep-merge됩니다.

에이전트는 retry.max_retries만 override하고 runner의 policy는 계속 상속할 수 있습니다.
에이전트는 retry.backoff의 일부만 override하고 runner의 sibling backoff 필드는 유지할 수 있습니다.
policy는 런타임 전용이므로 직렬화된 ModelSettings는 max_retries와 backoff를 유지하지만 콜백 자체는 생략합니다.

더 자세한 예시는 examples/basic/retry.py 및 어댑터 기반 retry 예시를 참조하세요.

비 OpenAI provider 문제 해결

트레이싱 클라이언트 오류 401

트레이싱 관련 오류가 발생한다면 trace가 OpenAI 서버에 업로드되는데 OpenAI API 키가 없기 때문입니다. 이를 해결하는 방법은 세 가지입니다.

트레이싱을 완전히 비활성화: set_tracing_disabled(True)
트레이싱용 OpenAI 키 설정: set_tracing_export_api_key(...). 이 API 키는 trace 업로드에만 사용되며 platform.openai.com의 키여야 합니다.
비 OpenAI trace 프로세서를 사용합니다. 트레이싱 문서를 참조하세요.

Responses API 지원

SDK는 기본적으로 Responses API를 사용하지만, 많은 다른 LLM provider가 아직 이를 지원하지 않습니다. 그 결과 404 또는 유사한 문제가 나타날 수 있습니다. 해결 방법은 두 가지입니다.

set_default_openai_api("chat_completions")를 호출합니다. 환경 변수를 통해 OPENAI_API_KEY와 OPENAI_BASE_URL을 설정하는 경우에 동작합니다.
OpenAIChatCompletionsModel을 사용합니다. 예시는 여기에 있습니다.

Structured outputs 지원

일부 모델 provider는 structured outputs를 지원하지 않습니다. 이로 인해 때때로 다음과 같은 오류가 발생합니다.

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 provider의 한계입니다. JSON 출력은 지원하지만 출력에 사용할 json_schema를 지정할 수는 없습니다. 이 문제를 수정하는 작업을 진행 중이지만, 그렇지 않으면 앱이 잘못된 형식의 JSON 때문에 자주 중단될 수 있으므로 JSON schema 출력을 지원하는 provider에 의존하는 것을 권장합니다.

Provider 간 모델 혼합

모델 provider 간 기능 차이를 알고 있어야 하며, 그렇지 않으면 오류가 발생할 수 있습니다. 예를 들어 OpenAI는 structured outputs, multimodal input, 호스티드 file search 및 웹 검색을 지원하지만, 많은 다른 provider는 이러한 기능을 지원하지 않습니다. 다음 제한 사항을 유의하세요.

지원되지 않는 tools를 이를 이해하지 못하는 provider에 보내지 마세요
text-only 모델을 호출하기 전에 multimodal input을 필터링하세요
structured JSON outputs를 지원하지 않는 provider는 가끔 유효하지 않은 JSON을 생성할 수 있음을 유의하세요.

서드파티 어댑터

SDK의 내장 provider 통합 지점이 충분하지 않은 경우에만 서드파티 어댑터를 사용하세요. 이 SDK로 OpenAI 모델만 사용하는 경우 Any-LLM 또는 LiteLLM 대신 내장 OpenAIResponsesModel 경로를 선호하세요. 서드파티 어댑터는 OpenAI 모델을 비 OpenAI provider와 결합해야 하거나 내장 경로가 제공하지 않는 어댑터 관리 provider 범위 또는 라우팅이 필요한 경우를 위한 것입니다. 어댑터는 SDK와 upstream 모델 provider 사이에 또 하나의 호환성 계층을 추가하므로 기능 지원과 요청 의미가 provider별로 달라질 수 있습니다. SDK에는 현재 best-effort 베타 어댑터 통합으로 Any-LLM과 LiteLLM이 포함되어 있습니다.

Any-LLM

Any-LLM 지원은 Any-LLM 관리 provider 범위 또는 라우팅이 필요한 경우를 위해 best-effort 베타로 포함됩니다.

Upstream provider 경로에 따라 Any-LLM은 Responses API, Chat Completions 호환 API 또는 provider별 호환성 계층을 사용할 수 있습니다.

Any-LLM이 필요하면 openai-agents[any-llm]을 설치한 다음 examples/model_providers/any_llm_auto.py 또는 examples/model_providers/any_llm_provider.py에서 시작하세요. MultiProvider에서 any-llm/... 모델 이름을 사용하거나, AnyLLMModel을 직접 인스턴스화하거나, 실행 범위에서 AnyLLMProvider를 사용할 수 있습니다. 모델 표면을 명시적으로 고정해야 한다면 AnyLLMModel을 생성할 때 api="responses" 또는 api="chat_completions"를 전달하세요.

Any-LLM은 서드파티 어댑터 계층이므로 provider 의존성과 capability gap은 SDK가 아니라 upstream의 Any-LLM이 정의합니다. Upstream provider가 사용량 metrics를 반환하면 자동으로 전파되지만, 스트리밍 Chat Completions 백엔드는 사용량 chunk를 내보내기 전에 ModelSettings(include_usage=True)가 필요할 수 있습니다. structured outputs, tool calling, 사용량 보고 또는 Responses별 동작에 의존한다면 배포하려는 정확한 provider backend를 검증하세요.

LiteLLM

LiteLLM 지원은 LiteLLM별 provider 범위 또는 라우팅이 필요한 경우를 위해 best-effort 베타로 포함됩니다.

LiteLLM이 필요하면 openai-agents[litellm]을 설치한 다음 examples/model_providers/litellm_auto.py 또는 examples/model_providers/litellm_provider.py에서 시작하세요. litellm/... 모델 이름을 사용하거나 LitellmModel을 직접 인스턴스화할 수 있습니다.

일부 LiteLLM 기반 provider는 기본적으로 SDK 사용량 metrics를 채우지 않습니다. 사용량 보고가 필요하다면 ModelSettings(include_usage=True)를 전달하고, structured outputs, tool calling, 사용량 보고 또는 어댑터별 라우팅 동작에 의존하는 경우 배포하려는 정확한 provider backend를 검증하세요.

모델