エージェントはアプリの中核となる構成要素です。エージェントは、instructionsとツールで構成された大規模言語モデル（LLM）です。

エージェントはアプリの中核となる基本コンポーネントです。エージェントは、instructionsと tools を設定した大規模言語モデル（LLM）です。

一般的に設定するエージェントのプロパティは次のとおりです。

エージェントで最も一般的に設定するプロパティは次のとおりです。

-`name`: エージェントを識別する必須の文字列です。

-`instructions`: developer messageまたは system promptとも呼ばれます。

-`model`: 使用する LLM と、temperature、top_p などのモデル調整パラメーターを設定する任意の`model_settings`。

-`tools`:エージェントがタスクを達成するために使用できるツールです。

-`name`: エージェントを識別する必須の文字列です。

-`instructions`: developer message（または system prompt）とも呼ばれます。

-`model`: 使用する LLM と、temperature、top_p などのモデル調整パラメーターを設定する任意の`model_settings`。

-`tools`:エージェントがタスクを達成するために使用できるツール。

from agentsimport Agent, ModelSettings, function_tool

エージェントは`context` 型に対してジェネリックです。コンテキストは依存性注入のツールです。あなたが作成して`Runner.run()` に渡すオブジェクトで、すべてのエージェント、ツール、ハンドオフなどに渡され、エージェント実行のための依存関係や状態の入れ物として機能します。任意の Pythonオブジェクトをコンテキストとして提供できます。

エージェントはその`context` 型に対してジェネリックです。コンテキストは依存性注入の手段です。あなたが作成し`Runner.run()` に渡すオブジェクトで、すべてのエージェント、ツール、ハンドオフなどに渡され、エージェント実行のための依存関係と状態をまとめて保持します。コンテキストには任意の Pythonオブジェクトを提供できます。

)

デフォルトでは、エージェントはプレーンテキスト（`str`）の出力を生成します。特定のタイプの出力を生成したい場合は、`output_type` パラメーターを使用できます。一般的な選択肢は[Pydantic](https://docs.pydantic.dev/) オブジェクトですが、Pydantic の[TypeAdapter](https://docs.pydantic.dev/latest/api/type_adapter/)でラップできる任意の型（dataclasses、lists、TypedDict など）をサポートします。

デフォルトでは、エージェントはプレーンテキスト（すなわち`str`）を出力します。特定の型の出力を生成させたい場合は、`output_type` パラメーターを使用できます。一般的な選択肢は[Pydantic](https://docs.pydantic.dev/) オブジェクトですが、Pydantic の[TypeAdapter](https://docs.pydantic.dev/latest/api/type_adapter/)でラップ可能な任意の型（dataclass、list、TypedDict など）をサポートします。

from pydanticimport BaseModel

!!! note

マルチ エージェント システムの設計方法は数多くありますが、広く適用できるパターンとして一般的に次の 2つがあります。

マルチエージェントシステムの設計には多くの方法がありますが、一般的に広く適用できるパターンを 2つ紹介します。

1. マネージャー（エージェントをツールとして）: 中央のマネージャー／オーケストレーターが、ツールとして公開された専門のサブ エージェントを呼び出し、会話の制御を維持します。

2. ハンドオフ:ピアのエージェントが、会話を引き継ぐ専門のエージェントに制御をハンドオフします。これは分散型です。

1. マネージャー（エージェントをツールとして）: 中央のマネージャー/オーケストレーターが、特化したサブエージェントをツールとして呼び出し、会話の制御を保持します。

2. ハンドオフ:対等なエージェント間で、会話を引き継ぐ特化エージェントへ制御を渡します。これは分散型です。

詳しくは、[エージェント構築の実践ガイド](https://cdn.openai.com/business-guides-and-resources/a-practical-guide-to-building-agents.pdf)をご覧ください。

詳細は[実践的なエージェント構築ガイド](https://cdn.openai.com/business-guides-and-resources/a-practical-guide-to-building-agents.pdf) を参照してください。

`customer_facing_agent`はすべてのユーザー対応を処理し、ツールとして公開された専門のサブ エージェントを呼び出します。詳細は[ツール](tools.md#agents-as-tools)のドキュメントをご覧ください。

`customer_facing_agent`がすべてのユーザー対応を行い、ツールとして公開された特化サブエージェントを呼び出します。詳しくは[tools](tools.md#agents-as-tools)のドキュメントを参照してください。

from agentsimport Agent

ハンドオフは、エージェントが委任できるサブ エージェントです。ハンドオフが発生すると、委任されたエージェントは会話履歴を受け取り、会話を引き継ぎます。このパターンにより、単一のタスクに秀でたモジュール式の専門エージェントが可能になります。詳細は[ハンドオフ](handoffs.md)のドキュメントをご覧ください。

ハンドオフは、エージェントが委譲できるサブエージェントです。ハンドオフが発生すると、委譲先のエージェントは会話履歴を受け取り、会話を引き継ぎます。このパターンにより、単一タスクに秀でたモジュール型・特化型エージェントが実現します。詳しくは[handoffs](handoffs.md)のドキュメントを参照してください。

from agentsimport Agent

多くの場合、エージェントの作成時に instructionsを指定できます。ただし、関数を介して動的な instructions を提供することもできます。この関数はエージェントとコンテキストを受け取り、プロンプトを返す必要があります。通常の関数と`async`関数のどちらも利用できます。

多くの場合、エージェント作成時に instructionsを指定できますが、関数を通じて動的な instructions を提供することもできます。この関数はエージェントとコンテキストを受け取り、プロンプトを返す必要があります。通常の関数と`async`関数のどちらも使用できます。

defdynamic_instructions(

エージェントのライフサイクルを観察したい場合があります。たとえば、イベントをログに記録したり、特定のイベントが発生したときにデータを事前取得したりする場合です。`hooks` プロパティでエージェントのライフサイクルにフックできます。[`AgentHooks`][agents.lifecycle.AgentHooks] クラスをサブクラス化し、関心のあるメソッドをオーバーライドしてください。

エージェントのライフサイクルを観察したい場合があります。たとえば、イベントのログを記録したり、特定のイベント発生時にデータを事前取得したりするケースです。`hooks` プロパティでエージェントのライフサイクルにフックできます。[`AgentHooks`][agents.lifecycle.AgentHooks] クラスをサブクラス化し、関心のあるメソッドをオーバーライドしてください。

ガードレールにより、エージェントの実行と並行してユーザー入力に対するチェック／検証を行い、エージェントの出力が生成された後にもチェックを実行できます。たとえば、ユーザーの入力やエージェントの出力の関連性をスクリーニングできます。詳細は[ガードレール](guardrails.md)のドキュメントをご覧ください。

ガードレールは、エージェント実行と並行してユーザー入力に対するチェック/バリデーションを行い、エージェントの出力が生成された後にも同様のチェックを行えます。たとえば、ユーザー入力やエージェント出力の関連性をスクリーニングできます。詳しくは[guardrails](guardrails.md)のドキュメントを参照してください。

エージェントの`clone()` メソッドを使用すると、エージェントを複製し、必要に応じて任意のプロパティを変更できます。

ツールのリストを指定しても、LLMが必ずツールを使用するとは限りません。[`ModelSettings.tool_choice`][agents.model_settings.ModelSettings.tool_choice] を設定してツール使用を強制できます。有効な値は次のとおりです。

ツールのリストを渡しても、LLMが必ずしもツールを使用するとは限りません。[`ModelSettings.tool_choice`][agents.model_settings.ModelSettings.tool_choice] を設定してツール使用を強制できます。有効な値は次のとおりです。

1.`auto`: LLMがツールを使用するかどうかを判断します。

2.`required`:LLM にツール使用を必須にします（どのツールを使うかは賢く判断できます）。

3.`none`:LLM にツールを使用しないことを必須にします。

4. 特定の文字列（例:`my_tool`）を設定すると、LLM にその特定のツールを使用させます。

1.`auto`:ツールを使用するかどうかをLLMに判断させます。

2.`required`:ツールの使用を必須にします（どのツールを使うかは賢く選択できます）。

3.`none`:ツールを使用しないことを必須にします。

4. 特定の文字列（例:`my_tool`）を設定すると、その特定のツールを使用することを必須にします。

from agentsimport Agent, Runner, function_tool, ModelSettings

`Agent`の設定にある`tool_use_behavior` パラメーターは、ツール出力の扱いを制御します。

`Agent`構成の`tool_use_behavior` パラメーターは、ツール出力の扱い方を制御します。

-`"run_llm_again"`:デフォルト。ツールを実行し、その結果をLLMが処理して最終応答を生成します。

-`"stop_on_first_tool"`:最初のツール呼び出しの出力を、その後の LLM処理なしで最終応答として使用します。

-`"run_llm_again"`:既定。ツールを実行し、LLMが結果を処理して最終応答を生成します。

-`"stop_on_first_tool"`:最初のツール呼び出しの出力を最終応答として使用し、以降の LLM処理は行いません。

from agentsimport Agent, Runner, function_tool, ModelSettings

)

-`StopAtTools(stop_at_tool_names=[...])`:指定したツールのいずれかが呼び出された場合に停止し、その出力を最終応答として使用します。

-`StopAtTools(stop_at_tool_names=[...])`:指定したいずれかのツールが呼び出されたら停止し、その出力を最終応答として使用します。

from agentsimport Agent, Runner, function_tool

)

-`ToolsToFinalOutputFunction`: ツール結果を処理し、停止するか LLMを続行するかを決定するカスタム関数です。

-`ToolsToFinalOutputFunction`: ツール結果を処理し、停止するか LLM継続かを決定するカスタム関数です。

from agentsimport Agent, Runner, function_tool, FunctionToolResult, RunContextWrapper

!!! note