• 推奨:OpenAIResponsesModel。新しい Responses API を使用して OpenAI API を呼び出します。
• OpenAIChatCompletionsModel。Chat Completions API を使用して OpenAI API を呼び出します。

OpenAI モデル

Agent を初期化する際にモデルを指定しない場合、デフォルトのモデルが使用されます。現在のデフォルトは互換性と低レイテンシのためにgpt-4.1 です。アクセス権がある場合は、明示的なmodel_settings を保ったまま品質を高めるために エージェント をgpt-5.2 に設定することをお勧めします。

gpt-5.2 のような他のモデルへ切り替えたい場合は、次のセクションの手順に従ってください。

デフォルトの OpenAI モデル

カスタムモデルを設定していないすべての エージェント に対して特定のモデルを一貫して使用したい場合は、エージェント を実行する前にOPENAI_DEFAULT_MODEL 環境変数を設定してください。

exportOPENAI_DEFAULT_MODEL=gpt-5python3my_awesome_agent.py

GPT-5 モデル

この方法で GPT-5 の推論モデル（gpt-5、gpt-5-mini、またはgpt-5-nano）を使用する場合、SDK はデフォルトで妥当なModelSettings を適用します。具体的には、reasoning.effort とverbosity の両方を"low" に設定します。これらの設定を自分で構築したい場合は、agents.models.get_default_model_settings("gpt-5") を呼び出してください。

より低レイテンシや特定の要件のために、別のモデルと設定を選択できます。デフォルトモデルの推論量を調整するには、独自のModelSettings を渡します。

fromopenai.types.sharedimportReasoningfromagentsimportAgent,ModelSettingsmy_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",)

特に低レイテンシ向けには、gpt-5-mini またはgpt-5-nano をreasoning.effort="minimal" と組み合わせると、多くの場合デフォルト設定より高速に応答が返ります。ただし、Responses API の一部の組み込みツール（ファイル検索 や 画像生成 など）は"minimal" の推論量をサポートしていないため、本 Agents SDK のデフォルトは"low" になっています。

非 GPT-5 モデル

カスタムのmodel_settings なしで GPT-5 以外のモデル名を渡した場合、SDK はあらゆるモデルと互換性のある汎用のModelSettings にフォールバックします。

非 OpenAI モデル

LiteLLM 統合 を通じて、ほとんどの他社製モデルを使用できます。まず、litellm の依存関係グループをインストールします。

pipinstall"openai-agents[litellm]"

次に、litellm/ プレフィックスを付けてサポートされているモデル を使用します。

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

非 OpenAI モデルを使う他の方法

他の LLM プロバイダーは、さらに 3 通りの方法で統合できます（code examples はこちら）。

1. set_default_openai_client は、LLM クライアントとしてAsyncOpenAI のインスタンスをグローバルに使用したい場合に便利です。これは、LLM プロバイダーが OpenAI 互換の API エンドポイントを持ち、base_url とapi_key を設定できる場合に該当します。設定可能なサンプルはexamples/model_providers/custom_example_global.py を参照してください。
2. ModelProvider はRunner.run レベルにあります。これにより、「この実行のすべての エージェント にカスタムのモデルプロバイダーを使う」と指定できます。設定可能なサンプルはexamples/model_providers/custom_example_provider.py を参照してください。
3. Agent.model を使うと、特定の Agent インスタンスでモデルを指定できます。これにより、エージェント ごとに異なるプロバイダーを組み合わせて使用できます。簡単に多くの利用可能なモデルを使う方法としては、LiteLLM 統合 の利用が挙げられます。

platform.openai.com の API キーを持っていない場合は、set_tracing_disabled() で トレーシング を無効にするか、別の トレーシング プロセッサー を設定することをお勧めします。

モデルの組み合わせ

1 つのワークフロー内で、エージェント ごとに異なるモデルを使いたい場合があります。たとえば、トリアージには小さく高速なモデルを使い、複雑なタスクには大きく高機能なモデルを使う、といった具合です。Agent を構成する際、次のいずれかの方法で特定のモデルを選択できます。

1. モデル名を渡す。
2. 任意のモデル名と、その名前を Model インスタンスにマッピングできるModelProvider を渡す。
3. Model 実装を直接提供する。

fromagentsimportAgent,Runner,AsyncOpenAI,OpenAIChatCompletionsModelimportasynciospanish_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",)asyncdefmain():result=awaitRunner.run(triage_agent,input="Hola, ¿cómo estás?")print(result.final_output)

1. OpenAI モデルの名前を直接設定します。
2. Model 実装を提供します。

エージェント に使用するモデルをさらに構成したい場合は、temperature などのオプションのモデル設定パラメーターを提供するModelSettings を渡すことができます。

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

また、OpenAI の Responses API を使用する際には、user、service_tier など、他にもいくつかのオプション パラメーター があります。トップレベルで利用できない場合は、extra_args を使ってそれらを渡せます。

fromagentsimportAgent,ModelSettingsenglish_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"},),)

他社製 LLM プロバイダー利用時の一般的な問題

Tracing client error 401

トレーシング に関連するエラーが発生する場合、これはトレースが OpenAI サーバー にアップロードされ、あなたが OpenAI の API キーを持っていないためです。解決策は 3 つあります。

1. トレーシング を完全に無効化する:set_tracing_disabled(True)。
2. トレーシング 用に OpenAI キーを設定する:set_tracing_export_api_key(...)。この API キーはトレースのアップロードにのみ使用され、platform.openai.com のものを使用する必要があります。
3. 非 OpenAI のトレース プロセッサーを使用する。トレーシングのドキュメント を参照してください。

Responses API のサポート

SDK はデフォルトで Responses API を使用しますが、ほとんどの他社製 LLM プロバイダーはまだ対応していません。その結果、404 などの問題が発生する場合があります。解決するには次の 2 つの方法があります。

1. set_default_openai_api("chat_completions") を呼び出します。これはOPENAI_API_KEY とOPENAI_BASE_URL を環境変数で設定している場合に機能します。
2. OpenAIChatCompletionsModel を使用します。code examples はこちらにあります。

structured outputs のサポート

一部のモデルプロバイダーはstructured outputs をサポートしていません。このため、次のようなエラーが発生することがあります。

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

これは一部のモデルプロバイダーの制約で、JSON 出力はサポートしていても、出力に使用するjson_schema を指定できないというものです。現在、これに対する修正に取り組んでいますが、JSON schema 出力をサポートしているプロバイダーに依存することをお勧めします。そうしないと、不正な形式の JSON によってアプリが頻繁に壊れてしまう可能性があります。

プロバイダーをまたいだモデルの混在

モデルプロバイダー間の機能差異を把握しておかないと、エラーに遭遇する可能性があります。たとえば、OpenAI は structured outputs、マルチモーダル入力、ホスト型の ファイル検索 と Web 検索 をサポートしていますが、多くの他社プロバイダーはこれらの機能をサポートしていません。以下の制限に注意してください。

• サポートされていないtools を理解しないプロバイダーに送らないでください
• テキストのみのモデルを呼び出す前に、マルチモーダル入力をフィルタリングしてください
• structured JSON 出力をサポートしていないプロバイダーは、無効な JSON を出力することがあります