OpenAI Agents SDK Guide (2025~)
개요
OpenAI Agents SDK는 2025년 출시된 새로운 에이전트 프레임워크. 기존 Function Calling의 상위 레벨 추상화 제공.
code
┌─────────────────────────────────────────────────────────────────────────┐ │ OpenAI Agents SDK Architecture │ ├─────────────────────────────────────────────────────────────────────────┤ │ │ │ ┌──────────────────────────────────────────────────────────────────┐ │ │ │ Agent │ │ │ │ - name: "agent_name" │ │ │ │ - instructions: "시스템 프롬프트" │ │ │ │ - model: OpenAIResponsesModel │ │ │ │ - tools: [function_tool, WebSearchTool, ...] │ │ │ │ - output_type: StructuredOutputSchema (Optional) │ │ │ └──────────────────────────────────────────────────────────────────┘ │ │ │ │ │ ▼ │ │ ┌──────────────────────────────────────────────────────────────────┐ │ │ │ Runner │ │ │ │ - Runner.run(agent, input, context, max_turns) │ │ │ │ - Runner.run_streamed(agent, input, context) → async iterator │ │ │ └──────────────────────────────────────────────────────────────────┘ │ │ │ │ │ ▼ │ │ ┌──────────────────────────────────────────────────────────────────┐ │ │ │ RunContextWrapper │ │ │ │ - ctx.context: 사용자 정의 컨텍스트 │ │ │ │ - 모든 function_tool에서 접근 가능 │ │ │ └──────────────────────────────────────────────────────────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────────────┘
설치
bash
pip install openai-agents
핵심 컴포넌트
1. Agent 정의
python
from agents import Agent
from agents.models.openai_responses import OpenAIResponsesModel
from openai import AsyncOpenAI
# OpenAI 클라이언트
openai_client = AsyncOpenAI(api_key="...")
# Agent 정의
agent = Agent(
name="eco_agent",
instructions="당신은 Eco² 앱의 AI 어시스턴트입니다.",
model=OpenAIResponsesModel(
model="gpt-5.2", # 또는 gpt-4o, gpt-4o-mini
openai_client=openai_client,
),
tools=[...], # function_tool, WebSearchTool 등
output_type=ResponseSchema, # Structured Output (Optional)
)
2. Runner 실행
python
from agents import Runner, RunConfig
# 동기 실행 (결과만 반환)
result = await Runner.run(
starting_agent=agent,
input="재활용 방법 알려줘",
context=my_context, # RunContextWrapper로 접근
max_turns=10, # 최대 턴 수 (무한 루프 방지)
run_config=RunConfig(
tracing_disabled=True, # LangSmith 사용 시 False
),
)
print(result.final_output) # Agent의 최종 응답
3. 스트리밍 실행
python
# 스트리밍 실행 (토큰 단위)
from agents.events import ResponseTextDeltaEvent
result = Runner.run_streamed(
agent,
input=user_message,
context=my_context,
run_config=RunConfig(tracing_disabled=True),
)
async for event in result.stream_events():
if event.type == "raw_response_event":
if isinstance(event.data, ResponseTextDeltaEvent):
yield event.data.delta # 스트리밍 토큰
Function Tool 정의
@function_tool 데코레이터
python
from agents import function_tool, RunContextWrapper
from dataclasses import dataclass
# 1. 컨텍스트 타입 정의
@dataclass
class AgentContext:
tool_executor: ToolExecutor
tool_results: list # Tool 실행 결과 수집
# 2. Function Tool 정의
@function_tool
async def search_places(
ctx: RunContextWrapper[AgentContext],
query: str,
latitude: float | None = None,
longitude: float | None = None,
) -> str:
"""키워드 기반 장소 검색.
사용 시점: 재활용센터, 제로웨이스트샵 등 특정 장소를 찾을 때.
주의: 지역명 언급 시 먼저 geocode로 좌표 획득 후 호출.
Args:
ctx: 실행 컨텍스트
query: 검색 키워드 (예: '재활용센터')
latitude: 검색 중심 위도 (선택)
longitude: 검색 중심 경도 (선택)
Returns:
검색 결과 JSON 문자열
"""
# Tool 실행
result = await ctx.context.tool_executor.execute(
"search_places",
{"query": query, "latitude": latitude, "longitude": longitude},
)
# 결과 수집 (디버깅/로깅용)
ctx.context.tool_results.append({
"tool": "search_places",
"arguments": {"query": query, "latitude": latitude, "longitude": longitude},
"result": result.data if result.success else {"error": result.error},
"success": result.success,
})
# LLM에게 반환 (JSON 문자열)
return json.dumps(
result.data if result.success else {"error": result.error},
ensure_ascii=False,
)
Function Tool 주의사항
- •Docstring이 Tool Description이 됨: OpenAI Strict Mode와 동일한 규칙 적용
- •반환 타입은
str: LLM에게 전달되는 결과는 항상 문자열 - •ctx.context로 외부 리소스 접근: DB, API 클라이언트 등 주입
WebSearchTool (Built-in)
python
from agents import Agent, WebSearchTool
from agents.models.openai_responses import OpenAIResponsesModel
# WebSearchTool 설정
web_search = WebSearchTool(
search_context_size="medium", # "small", "medium", "large"
user_location=None, # 검색 위치 힌트 (선택)
)
# Agent에 추가
agent = Agent(
name="web_search_agent",
instructions="웹 검색으로 최신 정보를 찾아 답변합니다.",
model=OpenAIResponsesModel(model="gpt-5.2", openai_client=client),
tools=[web_search],
)
Structured Output
output_type으로 스키마 강제
python
from pydantic import BaseModel
class IntentClassification(BaseModel):
intent: str
confidence: float
reasoning: str
# Agent에 output_type 지정
agent = Agent(
name="intent_classifier",
instructions="사용자 메시지의 의도를 분류합니다.",
model=OpenAIResponsesModel(model="gpt-5.2", openai_client=client),
output_type=IntentClassification, # Structured Output
)
result = await Runner.run(agent, input="재활용 방법 알려줘")
intent: IntentClassification = result.final_output # 타입 보장
Agent Handoff (Multi-Agent)
python
from agents import Agent, handoff
# Specialist Agents
waste_agent = Agent(name="waste_agent", instructions="분리배출 전문가...")
location_agent = Agent(name="location_agent", instructions="위치 검색 전문가...")
# Router Agent with Handoff
router_agent = Agent(
name="router",
instructions="사용자 요청을 적절한 전문가에게 전달합니다.",
model=OpenAIResponsesModel(model="gpt-5.2", openai_client=client),
handoffs=[
handoff(waste_agent, "분리배출 관련 질문"),
handoff(location_agent, "위치/장소 검색 요청"),
],
)
# Router가 자동으로 적절한 Agent에게 위임
result = await Runner.run(router_agent, input="강남역 근처 재활용센터")
Eco² 실제 구현 패턴
Bulk Waste Agent Node
python
# apps/chat_worker/infrastructure/orchestration/langgraph/nodes/bulk_waste_agent_node.py
@dataclass
class BulkWasteAgentContext:
tool_executor: BulkWasteToolExecutor
tool_results: list
async def run_agents_sdk_agent(
openai_client: AsyncOpenAI,
model: str,
message: str,
tool_executor: BulkWasteToolExecutor,
system_prompt: str,
) -> dict:
"""Agents SDK로 대형폐기물 Agent 실행."""
# Function Tools 정의
@function_tool
async def get_collection_info(
ctx: RunContextWrapper[BulkWasteAgentContext],
sigungu: str,
) -> str:
"""지역별 대형폐기물 수거 방법 조회.
사용 시점: '대형폐기물 어떻게 버려요?', '수거 신청 방법' 등 질문 시.
"""
result = await ctx.context.tool_executor.execute(
"get_collection_info", {"sigungu": sigungu}
)
ctx.context.tool_results.append({...})
return json.dumps(result.data or {"error": result.error}, ensure_ascii=False)
@function_tool
async def search_fee(
ctx: RunContextWrapper[BulkWasteAgentContext],
sigungu: str,
item_name: str,
) -> str:
"""대형폐기물 수수료 검색.
사용 시점: '소파 버리는 비용', '침대 수수료' 등 가격 질문 시.
"""
result = await ctx.context.tool_executor.execute(
"search_fee", {"sigungu": sigungu, "item_name": item_name}
)
ctx.context.tool_results.append({...})
return json.dumps(result.data or {"error": result.error}, ensure_ascii=False)
# Agent 생성
agent = Agent[BulkWasteAgentContext](
name="bulk_waste_agent",
instructions=system_prompt,
model=OpenAIResponsesModel(model=model, openai_client=openai_client),
tools=[get_collection_info, search_fee],
)
# Context 준비
ctx = BulkWasteAgentContext(
tool_executor=tool_executor,
tool_results=[],
)
# 실행
result = await Runner.run(
starting_agent=agent,
input=message,
context=ctx,
max_turns=10,
run_config=RunConfig(tracing_disabled=True),
)
return {
"success": True,
"summary": result.final_output,
"tool_results": ctx.tool_results,
}
Primary/Fallback 패턴
python
async def run_agent_with_fallback(
message: str,
tool_executor: ToolExecutor,
openai_client: AsyncOpenAI,
model: str,
system_prompt: str,
tools_openai: list[dict], # Function Calling 용
) -> dict:
"""Primary: Agents SDK, Fallback: Function Calling."""
try:
# Primary: Agents SDK
return await run_agents_sdk_agent(
openai_client=openai_client,
model=model,
message=message,
tool_executor=tool_executor,
system_prompt=system_prompt,
)
except ImportError:
# Agents SDK 미설치
logger.warning("Agents SDK not installed, using Function Calling")
except Exception as e:
logger.warning(f"Agents SDK failed: {e}, falling back")
# Fallback: 기존 Function Calling
return await run_function_calling_agent(
openai_client=openai_client,
model=model,
message=message,
tools=tools_openai,
tool_executor=tool_executor,
system_prompt=system_prompt,
)
Dependencies
python
# pyproject.toml [project.optional-dependencies] agents = ["openai-agents>=0.1.0"] # requirements.txt openai>=1.50.0 openai-agents>=0.1.0