登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。

検索結果 Agent安全
Agent安全 コミュニティ
1つのキーワードが1つのコミュニティです。
コミュニティ作成
アカウント
見つかりません
Agent安全 を含む検索結果
NVIDIA Open Safety Agent Platform で AI エージェントを安全に開発、運用する
# OpenAI Agent SDKの便利で実践的な使い方 🌍 エージェントに必要な情報を型安全に注入しましょう! Local contextを使えば、ユーザー情報やロガー、データフェッチャーを依存注入のように渡せます。 📌 タイトル:Context management – Local context 🔗 URL: 🧩 概要 OpenAI Agent SDKのLocal context機能は、エージェントとツールに対して型安全な依存注入を提供します。`context`パラメータにPydanticモデルやdataclassを渡すことで、ツール関数内からユーザー情報やロガー、外部サービスのクライアントにアクセスできます。`Agent[UserInfo]`のジェネリック型により、コンテキストの型不一致をコンパイル時に検出できます。 🛠 使い方 `dataclass` で `UserInfo(uid, name, is_premium)` を定義し、`@tool` デコレータ付きの関数で `ToolContext[UserInfo]` を受け取ります。例えば `get_recommendations(wrapper: ToolContext[UserInfo], category: str)` では `wrapper.context` からユーザー情報にアクセスし、` に応じてプレミアム/通常のおすすめを返せます。`debug_tool` では `wrapper.tool_name`、`wrapper.tool_call_id`、`wrapper.tool_arguments` でデバッグ情報を取得できます。エージェントは `Agent[UserInfo]` のジェネリック型で定義し、`Agent(name="personal_assistant", instructions="ユーザーに合わせた回答をしてください", tools=[get_recommendations, debug_tool])` のようにツールを登録します。実行時は `UserInfo(uid="u_12345", name="田中太郎", is_premium=True)` を作り、`await "おすすめの本を教えて", context=user)` で渡します。 より実践的には、`AppContext` dataclass に `user: UserInfo`、`logger: logging.Logger`、`db: DatabaseClient`、`feature_flags: dict[str, bool]` をまとめます。`fetch_order_history(wrapper: ToolContext[AppContext], limit: int = 10)` では `ctx = wrapper.context` でコンテキストを取得し、` でログ出力、`ctx.feature_flags.get("new_order_api")` でフィーチャーフラグに応じた分岐、`ctx.db.get_orders(ctx.user.uid, limit)` でDB問い合わせを行います。`Agent[AppContext]` として `Agent(name="order_assistant", tools=[fetch_order_history])` を定義します。 🏗 実践的な使い方 Local contextの最大の価値は、ツール関数をピュアなビジネスロジックに保てることです。ユーザー情報やDBクライアントをグローバル変数で参照する代わりに、contextから注入することで、テスタビリティが大幅に向上します。テスト時にはモックのコンテキストを渡すだけです。 `ToolContext`の`tool_name`、`tool_call_id`、`tool_arguments`は、構造化ログに不可欠です。どのツールがどの引数で呼ばれたかをトレースでき、本番環境のデバッグが容易になります。 `Agent[UserInfo]`のジェネリック型を使うと、型チェッカー(mypy等)がコンテキストの型不一致を検出します。例えば、`Agent[UserInfo]`に`AppContext`を渡そうとするとコンパイルエラーになります。これにより、ランタイムエラーを防げます。 フィーチャーフラグや設定値もコンテキスト経由で渡すパターンが有効です。環境ごとに異なる挙動を、コンテキストの値で制御できます。 💡 ユースケース 👤 ユーザーのプレミアム/フリー区分に応じたパーソナライズ 📝 tool_call_idを使った構造化ログとトレーシング 🧪 テスト時のモックコンテキスト注入によるユニットテスト 🚩 フィーチャーフラグによるツールの挙動切り替え ⚠️ 注意点 - コンテキストにシークレット(APIキー等)を含めると、ステートのシリアライズ時に漏洩する可能性があります - コンテキストオブジェクトは実行中に共有されるため、ミュータブルな状態の変更はスレッドセーフに注意してください - `Agent[T]`のジェネリック型チェックは静的解析ツール依存です。ランタイムでは強制されません - 巨大なオブジェクト(大量データ等)をコンテキストに入れるとメモリ効率が悪化します ✨ Local contextにより、クリーンなアーキテクチャでテスタブルなエージェントが構築できます! #OpenAIAgentSDK# #AIAgent#
もっと見る
# OpenAI Agent SDKの便利で実践的な使い方 🌍 エージェントに「自分だけの作業場」を与える。サンドボックスでファイル編集・シェル実行・状態保存を安全に行いましょう。 SandboxAgent はファイルシステムアクセスとシェル実行を備えた隔離ワークスペースで動作し、コード修正やテスト実行を自律的に行えます。 📌 タイトル:サンドボックスエージェント 🔗 URL: 🧩 概要 SandboxAgent は、エージェントに永続的なファイルシステムとシェルアクセスを提供する機能です。`Manifest` でローカルリポジトリをサンドボックスにステージングし、`Capabilities` でファイル編集・シェル実行・スキル・メモリなどの機能を組み合わせます。`SandboxRunConfig` の `session_state` や `snapshot` を使えば、中断した作業への再接続も可能です。バックエンドは `UnixLocalSandboxClient`(ローカル開発用)と Docker から選べます。 🛠 使い方 `agents.sandbox` から `SandboxAgent`, `Manifest`, `SandboxRunConfig`、`agents.sandbox.entries` から `LocalDir`、`agents.sandbox.capabilities` から `Capabilities`、`agents.sandbox.sandboxes.unix_local` から `UnixLocalSandboxClient` をインポートします。`SandboxAgent` に `default_manifest=Manifest(entries={"repo": LocalDir(src=HOST_REPO_DIR)})` でローカルリポジトリをステージングし、`capabilities=Capabilities.default()` で標準機能を有効化します。実行時は ` に `run_config=RunConfig(sandbox=SandboxRunConfig(client=UnixLocalSandboxClient()))` を渡します。 🏗 実践的な使い方 **バグ修正ワークフロー** `task.md` にバグの説明と検証コマンドを記述し、エージェントに修正からテストまでを一貫して任せるパターンです。 `SandboxAgent` に `instructions` で「task.md を読む→原因特定→修正→テスト実行→要約」の手順を記述し、`default_manifest=Manifest(entries={"repo": LocalDir(src="/path/to/project")})` でプロジェクトをステージング、`capabilities=Capabilities.default()` を設定します。 **セッション再接続で継続作業** 長時間のタスクや中断後の再開に、`session_state` パラメータを使って同じワークスペースに再接続できます。 シリアライズしておいたサンドボックスセッション状態を `client.deserialize_session_state(serialized)` で復元し、`SandboxRunConfig(client=client, session_state=restored_state)` を `RunConfig(sandbox=...)` 経由で ` に渡して同じワークスペースに再接続します(`session` は自分で生成済みのライブセッションを注入するためのパラメータで、再開用ではありません)。 **Docker バックエンドで安全に隔離** 本番に近い環境や信頼できないコードの実行には Docker バックエンドを使い、コンテナで隔離します。 `pip install "openai-agents[docker]"` を入れ、`agents.sandbox.sandboxes.docker` から `DockerSandboxClient` と `DockerSandboxClientOptions` をインポートします。`SandboxRunConfig(client=DockerSandboxClient(docker.from_env()), options=DockerSandboxClientOptions(image="python:3.14-slim"))` を作成して `RunConfig(sandbox=...)` 経由で ` に渡します。ネットワークを切る場合は `network_mode="none"` を指定します。 💡 ユースケース 🐛 `task.md` にバグ情報を記述し、エージェントに修正→テスト→要約を自動化 🔄 `session_state` / `snapshot` でセッション状態を保存し、中断した作業に後から再接続 🐳 Docker バックエンドで信頼できないコードを安全に隔離実行 📁 `Manifest` でローカルリポジトリ全体をサンドボックスにステージングし、実コードベースで作業 ⚠️ 注意点 - `UnixLocalSandboxClient` はホスト権限でコマンドを実行します。Linux では OS レベルの隔離が一切なく、macOS でも `sandbox-exec` によるファイルシステム制限だけでネットワーク隔離はありません。信頼できない入力を扱う場合は Docker かホスト型サンドボックスを選びましょう。 - `UnixLocalSandboxClient` は Unix 系 OS(Linux/macOS)で動作し、Python 3.10+ が必要です。Windows では `DockerSandboxClient`(`openai-agents[docker]`)またはホスト型サンドボックスを使用してください。 - サンドボックス内のファイル変更はホストに自動反映されません。結果の取り出しは明示的に行う必要があります。 - 大規模リポジトリをステージングすると初回起動に時間がかかります。必要なディレクトリのみを `Manifest` に含めましょう。 ✨ サンドボックスエージェントを使えば、コード修正・テスト・レビューといった開発タスクを安全な隔離環境で自動化できます。まずは `task.md` パターンから試してみましょう! #OpenAIAgentSDK# #AIAgent#
もっと見る
# Claude Agent SDKの便利だけど知られていない機能 🌍 AIエージェントを本番環境にデプロイする際、セキュリティは万全ですか?公式ガイドで安全に運用しましょう! Agent SDKにはマルチテナント隔離やクレデンシャル管理のための包括的なセキュリティガイドラインがあります。 📌 タイトル:Agent SDKのホスティング / セキュアデプロイガイド 🔗 URL: 🧩 概要 本番環境でのAgent SDKデプロイには、プロンプトインジェクション対策として多層防御が推奨されます。マルチテナント隔離では `settingSources: []` で外部設定の読み込みを無効化し、`CLAUDE_CODE_DISABLE_AUTO_MEMORY=1` で自動メモリ機能を停止、`strictMcpConfig: true` でMCPサーバー設定を厳格化します。各テナントは独立したファイルシステム内で実行し、コンテナ/VM/サンドボックスによる隔離が推奨されます。クレデンシャルはプロキシパターンで外部注入し、エージェントに直接渡さないのがベストプラクティスです。 🛠 使い方 ```python # Python - セキュアなマルチテナント設定 from claude_agent_sdk import query, ClaudeAgentOptions options = ClaudeAgentOptions( # 外部設定ファイルの読み込みを無効化 setting_sources=[], # MCP設定を厳格化 strict_mcp_config=True, env={ # 自動メモリ機能を無効化(テナント間の情報漏洩防止) "CLAUDE_CODE_DISABLE_AUTO_MEMORY": "1", # プロキシ経由でAPI通信(クレデンシャルを直接渡さない) "ANTHROPIC_BASE_URL": "http://localhost:8080", }, ) async for message in query(prompt="テナントAのタスク", options=options): pass ``` ```bash # Docker - セキュリティ強化されたコンテナ設定 docker run \ --cap-drop ALL \ --security-opt no-new-privileges \ --read-only \ --tmpfs /tmp:rw,noexec,nosuid,size=100m \ --network none \ --memory 2g --cpus 2 --pids-limit 100 \ --user 1000:1000 \ -v /path/to/code:/workspace:ro \ -v /var/run/proxy.sock:/var/run/proxy.sock:ro \ agent-image ``` 🏗 本番システムへの組み込み方 ・各テナントを独立したコンテナ/VM内で実行し、ファイルシステムとネットワークを隔離します ・クレデンシャルはプロキシ(Envoy/mitmproxy等)経由で注入し、エージェントには見せない設計にします ・`--network none` + Unix ソケットでネットワークアクセスをプロキシに限定し、データ流出を防止します ・コードリポジトリは読み取り専用でマウントし、`.env`や `~/.aws/credentials` などの機密ファイルは除外します 💡 ユースケース 🏢 マルチテナントSaaSでテナントごとにエージェントを隔離して実行する 🔐 社内ツールで、APIキーをエージェントに直接触らせずにAPI呼び出しを許可する 🛡 CI/CDパイプラインで、リポジトリ分析エージェントのアクセス範囲を最小権限に制限する ⚠️ 注意点 ・`settingSources: []` を指定しないと、エージェントが外部の `.claude/settings.json` を読み込む可能性があります ・サンドボックスランタイムのネットワーク制限はTLS検査を行わないため、ドメインフロンティング攻撃に注意が必要です ・すべてのデプロイに最大レベルのセキュリティが必要なわけではありません。脅威モデルに応じて適切なレベルを選択してください ✨ AIエージェントのセキュリティは「やりすぎ」くらいがちょうどいいです。多層防御で安心・安全な本番運用を目指しましょう! #ClaudeAgentSDK# #AIAgent#
もっと見る
# Claude Agent SDKの便利だけど知られていない機能 🌍 エージェントがファイルを勝手に削除しようとしたら?実行時承認で安全にコントロールできます! `canUseTool` コールバックを使えば、ツール実行前にリアルタイムで承認・拒否・入力変更が可能です。 📌 タイトル:canUseTool コールバックによる実行時承認 🔗 URL: 🧩 概要 `canUseTool` はクエリオプションに渡すコールバック関数で、権限評価フローの最終ステップ(6番目)で呼び出されます。先行するステップ(allow ルールや `acceptEdits`・`bypassPermissions` モードなど)で自動承認されたツール呼び出しではコールバックは呼ばれないため、すべてのツール呼び出しに適用したいチェックは `PreToolUse` フックを使ってください。コールバックはツール名と入力パラメータを受け取り、`allow`(許可)または `deny`(拒否)を返します。許可時には入力を変更することも可能で、例えばパスをサンドボックス内に書き換えたり、危険なコマンドをブロックしたりできます。`dontAsk` モードでは呼び出されません。 🛠 使い方 ```python # Python - ツール実行の承認コールバック from claude_agent_sdk import ClaudeAgentOptions, query from claude_agent_sdk.types import PermissionResultAllow, PermissionResultDeny, HookMatcher async def can_use_tool(tool_name, input_data, context): print(f"\nツール: {tool_name}") if tool_name == "Bash": print(f"コマンド: {input_data.get('command')}") # rm コマンドをブロックしてアーカイブを提案 if "rm" in input_data.get("command", ""): return PermissionResultDeny( message="削除の代わりにアーカイブしてください" ) response = input("許可しますか? (y/n): ") if response.lower() == "y": return PermissionResultAllow(updated_input=input_data) return PermissionResultDeny(message="ユーザーが拒否しました") # ダミーフック(Python のストリーミングモードで必要) async def dummy_hook(input_data, tool_use_id, context): return {"continue_": True} ``` ```typescript // TypeScript - 入力を変更して許可する例 import { query } from "@anthropic-ai/claude-agent-sdk"; for await (const message of query({ prompt: "Clean up temporary files", options: { canUseTool: async (toolName, input) => { if (toolName === "Bash") { // パスをサンドボックス内に書き換え const sandboxed = { ...input, command: input.command.replace("/tmp", "/tmp/sandbox") }; return { behavior: "allow", updatedInput: sandboxed }; } return { behavior: "allow", updatedInput: input }; } } })) { /* ... */ } ``` 🏗 本番システムへの組み込み方 ・Web UIでツール実行の承認ダイアログを表示し、ユーザーの判断を返します ・`context.suggestions` から `PermissionUpdate` を取得し、「今後も許可」の永続化ルールを設定できます ・危険な操作(`rm`、`DROP TABLE` など)は自動的にブロックし、安全な代替案をメッセージで提案します ・入力のサニタイズ(パスの制限、パラメータの上書き)で、エージェントの行動範囲を動的に制御します 💡 ユースケース 🔒 本番データベースへの書き込みコマンドを承認制にする 📁 ファイル操作を特定のディレクトリに制限する(パスの動的書き換え) 👥 マルチユーザー環境で、ユーザーの権限レベルに応じてツール利用を制御する ⚠️ 注意点 ・Python では `canUseTool` を使うにはストリーミングモードと `PreToolUse` フックの設定が必要です ・`dontAsk` モードではコールバックがスキップされるため、セキュリティ上の制限にはフックを使用してください ・コールバックは回答まで無期限に実行を一時停止します。長時間のケースには `defer` フック決定を利用してください ✨ 「全部おまかせ」か「全部手動」かの二択ではなく、canUseTool で「要所だけ人間が判断する」スマートな運用を実現しましょう! #ClaudeAgentSDK# #AIAgent#
もっと見る
# OpenAI Agent SDKの便利で実践的な使い方 🌍 MCP サーバーのツールを「全部見せる」のではなく、フィルタ・プロンプト・キャッシュで賢く制御しましょう。権限スコープの絞り込みから動的フィルタリングまで、安全で高速な MCP 活用パターンです。 ツールフィルタで権限を最小化し、プロンプトで動的指示を取得し、キャッシュでレイテンシを削減する -- MCP の運用を本格化する3つの機能です。 📌 タイトル:MCP -- Tool filtering / Prompts / Caching 🔗 URL: 🧩 概要 MCP サーバーが公開するツールをそのまますべてエージェントに渡すと、不要なツール呼び出しや権限超過のリスクがあります。`create_static_tool_filter` で許可するツールを静的に制限し、動的フィルタ関数で実行時の条件(ロール・テナント等)に応じてツールを出し分けできます。`get_prompt` で MCP サーバーから動的な指示を取得し、`cache_tools_list=True` でツール一覧のキャッシュによりレイテンシを改善、`invalidate_tools_cache()` で変更時にキャッシュをクリアします。 🛠 使い方 `agents.mcp` から `MCPServerStreamableHttp` と `create_static_tool_filter` をインポートします。`MCPServerStreamableHttp` の `tool_filter` に `create_static_tool_filter(allowed_tool_names=["read_file", "write_file"])` を渡すことで、エージェントが使えるツールを `read_file` と `write_file` のみに制限できます。 🏗 実践的な使い方 **create_static_tool_filter で権限スコープを絞り込む** エージェントの役割に応じて、使えるツールを最小限に制限するパターンです。 読み取り専用エージェント用には `create_static_tool_filter(allowed_tool_names=["read_file", "search_docs", "list_files"])` でフィルタを作成し、`MCPServerStreamableHttp` の `tool_filter` に渡します。フルアクセス用には `allowed_tool_names=["read_file", "write_file", "delete_file", "search_docs"]` と設定します。同じ MCP サーバーでもエージェントの役割に応じて異なるツールセットを公開できます。 **動的フィルタで danger_ ツールを非表示にする** ロールに応じて危険なツールを動的に非表示にするパターンです。 `agents.mcp` から `ToolFilterContext` をインポートし、`role_based_filter` 関数を定義します。` が `"CodeReviewer"` で `"danger_")` の場合に `False` を返してツールを非表示にし、それ以外は `True` を返します。この関数を `MCPServerStreamableHttp` の `tool_filter` に渡すことで、ロールに応じた動的なツールフィルタリングが実現できます。 **get_prompt で MCP サーバーから動的指示を取得** MCP サーバーが提供するプロンプトを取得して、エージェントの指示を動的に構成します。 `MCPServerStreamableHttp` を作成し、`async with mcp:` のコンテキスト内で `prompt_result = await mcp.get_prompt("operation_guidelines")` を呼び出して MCP サーバーからプロンプトを取得します(第2引数に `{"focus": "..."}` のような引数辞書も渡せます)。取得した `prompt_result.messages[0].content.text` を `Agent` の `instructions` に埋め込むことで、エージェントの指示を動的に構成できます。 **cache_tools_list でレイテンシを改善** ツール一覧の取得をキャッシュし、MCP サーバーへの不要なリクエストを減らします。 `MCPServerStreamableHttp` の `cache_tools_list=True` を設定すると、ツール一覧の取得結果がキャッシュされ、MCP サーバーへの不要なリクエストが削減されます。ツールが追加・変更された場合は `await mcp.invalidate_tools_cache()` でキャッシュをクリアします。 💡 ユースケース 🔒 create_static_tool_filter で read_file/write_file のみ許可し、最小権限の原則を実現 🎭 動的フィルタで CodeReviewer には danger_ ツールを非表示にし、ロール別のアクセス制御 📜 get_prompt で MCP サーバーから最新の運用ガイドラインを取得し、エージェントの指示を動的に更新 ⚡ cache_tools_list=True でツール一覧キャッシュを有効化し、繰り返しのツール取得レイテンシを削減 ⚠️ 注意点 - 静的フィルタの `allowed_tool_names` はツール名のタイプミスに注意してください。存在しないツール名を指定してもエラーにならず、単にフィルタされないだけです。 - 動的フィルタは毎回のツール一覧取得時に実行されるため、重い処理を入れるとレイテンシに影響します。 - `cache_tools_list=True` 使用時にツールが追加・変更された場合、`invalidate_tools_cache()` を呼ばないと古い一覧が使われ続けます。 ✨ フィルタ・プロンプト・キャッシュの3つを組み合わせれば、MCP ツールの安全性・柔軟性・パフォーマンスを同時に向上できます。まずは静的フィルタで権限を絞り、必要に応じて動的フィルタやキャッシュを導入していきましょう! #OpenAIAgentSDK# #AIAgent#
もっと見る
【eplus agent所属アーティスト公式サイト 緊急メンテナンスのお知らせ】 サーバーで使用しているプログラミング言語「PHP」に関する脆弱性が報告されたことを受け、セキュリティ強化およびシステムの安全性確保のため、緊急メンテナンスを実施いたします。 メンテナンス期間中は、対象の公式サイトをご覧いただけません。 ■実施日時 2026年10月21日(水) 22:00~ ※終了時刻未定 ■対象アーティスト公式サイト ・石井琢磨 ・上野耕平 ・亀井聖矢 ・菊池亮太 ・紀平凱成 ・児玉隼人 ・角野隼斗 ・髙木竜馬 ・NiuNiu 皆さまにはご不便、ご迷惑をおかけいたしますが、何卒ご理解とご協力を賜りますようお願い申し上げます。
もっと見る
# Claude Agent SDKの便利で実践的な使い方 🛡 プロンプトインジェクション対策・認証情報プロキシ・最小権限で多層防御を構築しましょう。 セキュアデプロイメントは、分離技術・認証情報プロキシ・ネットワーク制御でエージェントの安全な本番運用を実現するガイドです。 📌 タイトル:AI エージェントの安全なデプロイ 🔗 URL: 🧩 概要 sandbox-runtime / Docker / gVisor / Firecracker の分離技術、認証情報プロキシパターン、ネットワーク・ファイルシステム制御を組み合わせた多層防御を提供します。 🛠 使い方 分離強度に応じて技術を選択:単一開発者/CI は sandbox-runtime、マルチテナントは gVisor/Firecracker。認証情報は Envoy / mitmproxy / LiteLLM で境界外注入します。 🏗 実践的な使い方 ・認証情報プロキシパターン:API キーをエージェント境界外のプロキシで注入し、エージェントは認証情報を見ずに API 呼び出しします。`ANTHROPIC_BASE_URL` でルーティング。 ・最小権限:必要ディレクトリのみ読み取り専用マウント、`.env`・`~/.aws/credentials`・`*.pem` を除外、`--network none` + Unix ソケットプロキシでネットワーク制限。 ・クラウドではプライベートサブネット + クラウドファイアウォールでプロキシ以外の送信を全ブロックし、許可リスト強制・認証情報注入・全トラフィックログを実現します。 💡 ユースケース 🔐 認証情報のエージェント境界外管理 🌐 ネットワーク制限による外部送信の防止 🏢 マルチテナント環境での強分離 ⚠️ 注意点 信頼できないコンテンツ(README、Web ページ、ユーザー入力)にはプロンプトインジェクションが含まれる可能性があります。ネットワーク制御は最後の防衛線として必ず設定してください。 #ClaudeAgentSDK# #AI#
もっと見る
# OpenAI Agent SDKの便利だけど知られていない機能 🌍 ストリーミング中のエージェント実行を、ユーザーの操作でただちに停止できることをご存知ですか? `RunResultStreaming.cancel()` を使えば、ストリーミング実行を途中で安全にキャンセルできます。 📌 タイトル:RunResultStreaming.cancel() 🔗 URL: 🧩 概要 `RunResultStreaming` の `cancel()` メソッドを呼ぶと、ストリーミング中のエージェント実行を即座に、または現在のターン完了後に停止できます。キャンセル後もクリーンアップのために `stream_events()` の非同期イテレータを最後まで消費する必要があります。`is_complete` プロパティでランが終端状態に達したかどうかを確認でき、`final_output` や `interruptions` などのサマリプロパティは最後のトークン後に確定します。 🛠 使い方 ```python from agents import Agent, Runner agent = Agent(name="Assistant", instructions="You are helpful.") result = "Write a long essay...") async for event in # ユーザーがキャンセルボタンを押した場合 if user_cancelled(): result.cancel() # キャンセル後もイテレータを最後まで消費する continue # 通常のイベント処理 handle_event(event) # クリーンアップ完了後に状態を確認 print(f"Complete: {") ``` 🏗 本番システムへの組み込み方 ・チャット UI の「停止」ボタンと連携し、ユーザー主導のキャンセルを実装する ・キャンセル後も `stream_events()` を最後まで消費してリソースリークを防ぐ ・`is_complete` を確認し、キャンセルされた実行と正常完了を区別してログに記録する ・コスト管理として、不要な生成を早期に打ち切りトークン消費を抑える 💡 ユースケース 🛑 チャットボットの「生成停止」ボタン実装 💰 長大な応答のトークンコスト削減 ⏱ タイムアウトベースの自動キャンセル 🔄 ユーザーが質問を変更した際の前回実行の中断 ⚠️ 注意点 `cancel()` を呼んだ後に `stream_events()` の消費をスキップすると、リソースのクリーンアップが正しく行われません。必ずイテレータを最後まで走らせてください。また、キャンセルのタイミングによっては現在のターンが完了するまで停止しない場合があります。 ✨ cancel() で、ユーザーが主導権を持てるレスポンシブなストリーミング体験を実現しましょう。 #OpenAIAgentSDK# #AIAgent#
もっと見る