# OpenAI Agent SDKの便利で実践的な使い方 🌍 長大なコンテキストも安定運用へ。ModelSettings の高度な設定とリトライ戦略で、本番環境でも安心してエージェントを動かしましょう。 モデルの挙動を細かく制御する ModelSettings と、API エラーに自動対応する ModelRetrySettings を組み合わせることで、プロダクションレベルの堅牢なエージェントを構築できます。 📌 タイトル：高度なModelSettings / リトライ 🔗 URL： 🧩 概要 ModelSettings は Agent のモデル呼び出し時のパラメータを一括制御するクラスです。`truncation="auto"` でコンテキスト溢れを自動処理し、`context_management` で 200k トークン閾値のコンパクション（要約圧縮）を設定し、`prompt_cache_retention="24h"` でキャッシュを長時間保持してコストを削減できます。さらに `ModelRetrySettings` で 429/503 などの一時的エラーに対する指数バックオフリトライを宣言的に設定でき、`provider_suggested()` ポリシーでリプレイ安全性も確保します。 🛠 使い方 `Agent`, `ModelSettings`, `ModelRetrySettings` を `agents` からインポートし、`retry_policies` も合わせてインポートします。`Agent` の `model_settings` に `ModelSettings` を渡し、`truncation="auto"`、`context_management` に `[{"type": "compaction", "compact_threshold": 200000}]`（リスト形式）を指定、`prompt_cache_retention="24h"` でキャッシュ保持を設定します。`retry` には `ModelRetrySettings` を使い、`max_retries=4`、`backoff` に `initial_delay=0.5`、`max_delay=5.0`、`multiplier=2.0`、`jitter=True` を設定します。`policy` には `retry_policies.any()` で `provider_suggested()`、`retry_after()`、`network_error()`、`http_status([429, 503])` を組み合わせます。 🏗 実践的な使い方 **コンテキスト溢れへの防御的設定** 長い会話や大量のツール出力でコンテキストが溢れると、API がエラーを返します。`truncation="auto"` を設定すると、古い会話アイテムを自動的に落として処理を続行できます。 `Agent` の `model_settings` に `ModelSettings(truncation="auto", context_management=[{"type": "compaction", "compact_threshold": 200000}])` を設定します。 **コスト最適化のためのキャッシュ保持** 同じプロンプトプレフィックスを繰り返し使うワークフローでは、`prompt_cache_retention` を設定することでキャッシュヒット率を上げ、コストとレイテンシを削減できます。 `Agent` に `ModelSettings(prompt_cache_retention="24h")` を設定した `batch_agent` を作成し、`for doc in documents` ループで `await f"分析対象:\n{doc}")` を繰り返し呼び出します。 **本番向けリトライ戦略** `provider_suggested()` を最初のポリシーに置くことで、プロバイダが「リトライ不可」と判断したリクエスト（abort エラーやストリーミング出力開始後など）を誤ってリトライすることを防ぎます。 `ModelRetrySettings` で `max_retries=3`、`backoff` に `initial_delay=1.0`、`max_delay=10.0`、`multiplier=2.0`、`jitter=True` を設定します。`policy` には `retry_policies.any()` で `provider_suggested()`（常に最初に配置）、`retry_after()`、`http_status([429, 500, 502, 503])` を組み合わせます。 💡 ユースケース 📚 大量ドキュメント分析で `truncation="auto"` + `context_management` を設定し、コンテキスト溢れを自動回避 💰 バッチ処理で `prompt_cache_retention="24h"` を設定し、同一プレフィックスのキャッシュヒットでコスト削減 🔄 429/503 エラーに `ModelRetrySettings` の指数バックオフで自動リトライし、一時的な API 障害を乗り越える 🛡 `provider_suggested()` を最優先ポリシーに置き、リプレイ不安全なリクエストの誤リトライを防止 ⚠️ 注意点 - `truncation="auto"` は古いメッセージを暗黙的に落とすため、重要な初期コンテキストが失われる可能性があります。重要情報は instructions に含めるか、最新メッセージとして再送してください。 - `context_management` のコンパクションは API レベルで行われ、`OpenAIResponsesCompactionSession` とは異なるメカニズムです。両方を同時に使う場合は挙動の違いを理解しておきましょう。 - `provider_suggested()` は `previous_response_id` や `conversation_id` を使うステートフルな呼び出しで特に重要です。汎用ポリシーだけでは安全性が不十分な場合があります。 ✨ ModelSettings のきめ細やかな設定とリトライ戦略を組み合わせれば、本番環境でも安定して動作するエージェントを実現できます。まずは `truncation` と `retry` から始めてみましょう！ #OpenAIAgentSDK# #AIAgent#

# OpenAI Agent SDKの便利だけど知られていない機能 🌍 ハンドオフ先のエージェントに、不要なツール呼び出し履歴まで渡していませんか？ input_filterとhandoff_filtersを使えば、ハンドオフ時の入力を整理し、受信側エージェントを関連コンテキストに集中させることができます。 📌 タイトル：handoff の input_filter と handoff_filters 🔗 URL： 🧩 概要 `handoff()` の `input_filter` パラメータに関数を指定すると、ハンドオフ時に渡される入力データを変換できます。`HandoffInputData`（`input_history` / `pre_handoff_items` / `new_items` / `input_items` / `run_context`）を受け取り、加工した `HandoffInputData` を返す関数を定義します。SDK組み込みの `handoff_filters.remove_all_tools` を使えば、会話履歴から構造化されたツール項目を全て除去できます。これにより、受信側エージェントが関連するコンテキストだけに集中でき、より的確な応答が可能になります。 🛠 使い方 ```python from agents import Agent, handoff, HandoffInputData from agents.extensions import handoff_filters # 組み込みフィルタ：ツール呼び出し履歴を除去 specialist = Agent(name="Specialist", instructions="専門的な回答を行います") handoff_to_specialist = handoff( agent=specialist, input_filter=handoff_filters.remove_all_tools, ) # カスタムフィルタ：直近N件のメッセージのみ渡す def keep_recent_messages(data: HandoffInputData) -> HandoffInputData: recent = data.input_history[-5:] # 直近5件のみ # clone() なら run_context などの他フィールドを保ったまま差し替えられます return data.clone(input_history=recent) handoff_to_specialist = handoff( agent=specialist, input_filter=keep_recent_messages, ) coordinator = Agent( name="Coordinator", handoffs=[handoff_to_specialist], ) ``` 🏗 本番システムへの組み込み方 ・`remove_all_tools` を使って、専門エージェントに不要なツール実行履歴を渡さない ・カスタムフィルタで機密情報を含むメッセージを除外してからハンドオフする ・コンテキスト量を制限することで、受信側エージェントのトークン消費を削減する ・フィルタの組み合わせで、エージェントごとに最適な入力を設計する 💡 ユースケース 🧹 ツール呼び出し履歴のクリーンアップで専門エージェントの精度向上 🔒 機密データを含む会話履歴のフィルタリング 📏 長い会話のコンテキストを要約・圧縮してハンドオフ 🎯 エージェントの専門領域に関連するメッセージだけを選択的に渡す ⚠️ 注意点 フィルタで必要な情報まで除去すると、受信側エージェントが文脈を失い適切に応答できなくなります。特に `remove_all_tools` は、ツールの結果が後続の会話に重要な場合は注意が必要です。なお `remove_all_tools` が取り除くのは構造化されたツール項目だけで、通常のメッセージやネスト履歴の要約にコピー済みの引数・結果は残るため、それらを消すには独自の input_filter が必要です。また、サーバー管理の会話（`conversation_id` / `previous_response_id` など）ではハンドオフの input_filter は利用できません。フィルタの適用結果をログで確認し、必要な情報が保持されているか検証しましょう。 ✨ input_filterで、各エージェントに最適なコンテキストだけを渡す洗練されたハンドオフを実現しましょう。 #OpenAIAgentSDK# #AIAgent#

# OpenAI Agent SDKの便利で実践的な使い方 🌍 トレースの送信先を自由にカスタマイズしましょう。OpenAI バックエンドと並行して Langfuse や Datadog に送ったり、完全に置き換えたり -- 既存の観測基盤にシームレスに統合できます。 カスタムプロセッサで、トレースデータの送信先・加工・フィルタリングを完全にコントロールできます。 📌 タイトル：Tracing -- Custom processors / Ecosystem 🔗 URL： 🧩 概要 OpenAI Agent SDK のトレーシングは、カスタムプロセッサを追加・置換することで柔軟に拡張できます。`add_trace_processor()` で OpenAI バックエンドと並行して独自の処理を追加し、`set_trace_processors()` で送信先を Langfuse・Datadog・MLflow・Arize・Braintrust などに完全置換できます。OpenAI 以外のモデルを使用する場合でも、`set_tracing_export_api_key()` で無料のトレース可視化を利用できます。 🛠 使い方 `agents` から `add_trace_processor` と `TracingProcessor` をインポートします。`TracingProcessor` を継承した `MyProcessor` クラスを定義し、`on_trace_start`、`on_trace_end`、`on_span_start`、`on_span_end`、`shutdown` の各メソッドを実装します。` や `trace.duration_ms`、` などの情報にアクセスできます。`add_trace_processor(MyProcessor())` で登録すると、OpenAI バックエンドと並行してカスタム処理が実行されます。 🏗 実践的な使い方 **add_trace_processor() で OpenAI と並行して外部送信** OpenAI の Traces ダッシュボードはそのまま使いつつ、自社の観測基盤にもデータを送るパターンです。 `TracingProcessor` を継承して `DatadogProcessor` を作成します。`on_trace_start` で `dd_client.start_span(operation_name="agent.trace", resource= を呼び出し、`on_trace_end` で `dd_client.finish_span(metadata={"duration_ms": trace.duration_ms})` で完了を記録します。`on_span_start` では `operation_name=f"agent.{span.type}"` でスパンを開始し、`shutdown` で `dd_client.flush()` を呼びます。`add_trace_processor(DatadogProcessor(dd_client))` で登録すると、OpenAI と並行して Datadog にもトレースが送信されます。 **set_trace_processors() で送信先を完全置換** OpenAI にトレースを送らず、Langfuse や MLflow だけに送る場合はプロセッサを置き換えます。 `agents` から `set_trace_processors` をインポートし、送信先を完全に置換します。`set_trace_processors([LangfuseTracingProcessor()])` で Langfuse に、`[MLflowTracingProcessor()]` で MLflow に、`[ArizeTracingProcessor()]` で Arize に、`[BraintrustTracingProcessor()]` で Braintrust にそれぞれ切り替えられます。OpenAI バックエンドを含む既存のプロセッサはすべて置き換わります。 **set_tracing_export_api_key() で非 OpenAI モデルのトレースを無料で可視化** OpenAI 以外のモデル（Gemini、Claude 等）を使っている場合でも、トレース機能を無料で利用できます。 `agents` から `set_tracing_export_api_key` をインポートし、`set_tracing_export_api_key("your-tracing-export-key")` を呼び出します。OpenAI 以外のモデル（Gemini、Claude 等）を使っている場合でも、この設定でトレース機能を無料で利用できます。 **複数プロセッサの組み合わせ** 本番環境では、複数の観測ツールにトレースを送るのが一般的です。 `set_trace_processors` にリストで複数のプロセッサを渡します。`LangfuseTracingProcessor()` で詳細な LLM 分析、`DatadogProcessor(dd_client)` でインフラ監視との統合、`CustomAuditProcessor()` で社内監査ログを同時に実現できます。 💡 ユースケース 📡 add_trace_processor() で OpenAI ダッシュボードを維持しつつ Datadog にもトレースを並行送信 🔀 set_trace_processors() で Langfuse/MLflow/Arize/Braintrust に送信先を完全切り替え 🆓 set_tracing_export_api_key() で非 OpenAI モデル（Gemini、Claude）のトレースを無料で可視化 🔧 複数プロセッサ（Langfuse + Datadog + 監査ログ）を組み合わせた本番観測パイプラインの構築 ⚠️ 注意点 - `set_trace_processors()` は既存のプロセッサを**すべて置換**します。OpenAI バックエンドも含めて消えるので、残したい場合は `add_trace_processor()` を使ってください。 - カスタムプロセッサの `shutdown()` メソッドは必ず実装し、バッファに残ったデータをフラッシュしてください。 - 複数プロセッサを使う場合、各プロセッサの処理時間がトレース送信のオーバーヘッドになります。非同期送信を検討してください。 ✨ カスタムプロセッサを使えば、トレースデータを既存の観測スタックにそのまま流し込めます。まずは add で並行送信を試し、安定したら set で送信先を最適化していきましょう！ #OpenAIAgentSDK# #AIAgent#

# OpenCodeの機能と実践的な使い方 🤖 OpenCodeを「ターミナルで対話するツール」から「プログラムで操れる開発サーバー」へ。SDKとheadlessサーバーを使えば、CIや独自UIにAIコーディングを組み込めます。 🏷️ タイトル: 型安全JSクライアント・headlessサーバー 🔗 URL: 📘 概要 OpenCodeはTUIだけでなく、HTTPで操作できるheadlessサーバーとして起動できます。`@opencode-ai/sdk` という型安全なJavaScript/TypeScriptクライアントから、このサーバーへ接続してセッション作成・プロンプト送信・イベント購読などを行えます。型はサーバーのOpenAPI仕様から自動生成されるため、補完と型チェックがそのまま効きます。 ⚙️ 機能の説明 ・サーバー起動: `opencode serve` でheadlessサーバーを立ち上げます。既定は `127.0.0.1:4096` です。SDKの `createOpencode()` を使えばコードからサーバー起動とクライアント取得を同時に行えます。 ・クライアント接続: 既存サーバーには `createOpencodeClient({ baseUrl: "http://localhost:4096" })` で接続します。 ・主なAPI: セッションの作成/一覧/取得/更新/削除、共有の切替、中断、メッセージのrevert/unrevert。`client.session.prompt()` でプロンプトを送信します。 ・構造化出力: `format: { type: "json_schema", schema: {...} }` を指定すると、JSONスキーマに沿った検証済みJSONを受け取れます。後段の機械処理に最適です。 ・イベント購読: `client.event.subscribe()` でサーバー送信イベントをストリームとして受け取り、長時間処理の進捗を監視できます。 🛠️ 実践的な使い方 コードからは `createOpencode()` でサーバー起動とクライアント取得を同時に行い、`client.session.create()` でセッションを作り、`client.session.prompt()` にテキストと `format` の `json_schema` を渡せば検証済みJSONを受け取れます。終わったら `server.close()` で停止します。 CIに組み込む場合は、コンテキスト注入だけ行ってAI応答を発火させたくない場面で `noReply: true` が便利です。 💡 ユースケース ・社内のレビューBotから `opencode run` ではなくSDK経由で構造化された指摘JSONを取得し、GitHub PRコメントへ整形投稿する。 ・自前のWeb UIやエディタ拡張から `tui` 系APIでプロンプト投入・送信・トースト表示を制御し、独自フロントエンドを構築する。 ・夜間バッチで複数リポジトリへ同一の解析プロンプトを投げ、結果JSONをデータ基盤へ蓄積する。 ⚠️ 注意点 ・SDKのconfigは `opencode.json` を完全に置き換えるのではなく上書きマージする挙動です。意図しない設定の残存に注意してください。 ・構造化出力は検証失敗時にリトライ（既定2回）し、最終的に失敗すると ` に `StructuredOutputError` が入ります。スキーマは小さく焦点を絞ると安定します。 ・`client.session.get()` などは存在しないIDで例外を投げます。必ずtry-catchで囲んでください。 #OpenCode# #AIエージェント#

OpenAI、サイバー特化モデル「GPT-6 Cyber」を発表！ 脆弱性の発見や修正内容の検証を支援するモデル。 Mozilla、Ciscoなどのセキュリティチームが既に活用中。 まずは、攻撃側の視点からセキュリティ検証を行うプログラム「Daybreak Red」の一部顧客向けに展開しています

OpenAIは11月5日、責任あるAIインフラ整備の新基準を示すブログ記事を公開し、データセンターを受け入れる地域への支援策を発表した →OpenAIがデータセンターを「コンピュート・キャンパス」に改称、電力費用の全額負担など新基準を発表