OpenAI Agents SDK

소개

주요 기능

• 도구·guardrails·handoff로 에이전트 구성 → 전문 에이전트 간 작업 조정
• OpenAI Responses/Chat Completions과 100+ LLM 전환 → 동일한 에이전트 코드 유지 (provider‑agnostic)
• 통제된 컨테이너에서 장기 작업 실행 → Sandbox Agents로 영속적 파일시스템 작업 지원
• 중요 액션에 휴먼 승인 단계 추가 → Human‑in‑the‑loop guardrails로 실행 전 검증
• voice extra 설치 후 gpt-realtime-1.5 호출 → 중단 가능한 Realtime 음성 에이전트 및 추적 디버깅

이런 상황에 추천

• 파이썬 백엔드 엔지니어가 다중 에이전트 고객지원 워크플로에서 handoff·guardrails·세션 히스토리를 조율할 때
• 음성 UX 디자이너가 Realtime Agents와 gpt-realtime-1.5로 콜센터 에이전트를 프로토타이핑하고 인간 검토 게이트를 넣을 때
• 데이터 엔지니어가 Sandbox Agents로 컨테이너화된 연구 작업을 장기 실행하며 파일을 가져오고 쓰고 요약할 때

이렇게 써보세요

1. 1
   다중 에이전트 고객지원 워크플로우

   티켓 파싱, 지식 조회, 응답 생성 등 역할별 에이전트를 정의 → 검색, 데이터베이스, 외부 API 등 툴을 각 에이전트에 연결하고 에스컬레이션용 핸드오프 구성 → 파이썬 백엔드에서 세션을 실행하고 이력과 사람 승인 게이트를 추가합니다.

2. 2
   실시간 음성 콜센터 프로토타입

   voice extra를 설치하고 gpt-realtime-1.5를 활성화한 에이전트를 구성 → 인터럽트 처리와 디버깅을 위한 트레이싱을 켠 Realtime Agent를 구현 → 통화 흐름을 에이전트로 라우팅하고 결제나 민감 작업 전 사람 승인 단계를 삽입합니다.

3. 3
   컨테이너화된 장기 연구 작업

   Sandbox Agent를 만들어 컨테이너 내부에서 장시간 작업을 실행하고 영속 파일시스템을 마운트 → 에이전트가 데이터를 가져오고 중간 결과를 저장하며 반복 분석을 수행하게 함 → 작업 완료 후 요약과 산출물을 애플리케이션으로 회수합니다.

4. 4
   다단계 데이터 파이프라인 프로토타입

   수집, 정제, 변환, 요약 등 파이프라인 단계를 정의하고 각 단계에 특화된 에이전트를 할당 → 명확한 핸드오프와 오류 보호 규칙을 적용해 에이전트를 체인화 → 로컬에서 반복 실험하며 비용/성능에 따라 LLM 공급자를 바꿔도 에이전트 코드는 유지됩니다.

5. 5
   중요 작업에 대한 사람 승인 흐름

   중요 툴 호출이나 상태 전환을 에이전트 구성에서 사람 승인 필요로 표시 → 승인 요청을 프론트엔드나 웹훅으로 전달 → 사람이 승인한 후에만 보호된 작업을 실행하고 감사 로그를 남깁니다.

장단점

시작하는 법

1. 1 pip install openai-agents로 설치(요구: Python 3.10+) 또는 uv로 추가
2. 2 도구를 포함한 첫 Agent 생성 후 예제 실행 또는 Sandbox Agent 시작
3. 3 멀티에이전트 실행을 트리거하고 실행 trace를 확인해 도구 호출과 handoff가 끝까지 작동하는지 검증