Skip to content

ClasCat® AI Research

クラスキャット – 生成 AI, AI エージェント, MCP

Menu
  • ホーム
    • ClassCat® AI Research ホーム
    • クラスキャット・ホーム
  • OpenAI API
    • OpenAI Python ライブラリ 1.x : 概要
    • OpenAI ブログ
      • GPT の紹介
      • GPT ストアの紹介
      • ChatGPT Team の紹介
    • OpenAI platform 1.x
      • Get Started : イントロダクション
      • Get Started : クイックスタート (Python)
      • Get Started : クイックスタート (Node.js)
      • Get Started : モデル
      • 機能 : 埋め込み
      • 機能 : 埋め込み (ユースケース)
      • ChatGPT : アクション – イントロダクション
      • ChatGPT : アクション – Getting started
      • ChatGPT : アクション – アクション認証
    • OpenAI ヘルプ : ChatGPT
      • ChatGPTとは何ですか?
      • ChatGPT は真実を語っていますか?
      • GPT の作成
      • GPT FAQ
      • GPT vs アシスタント
      • GPT ビルダー
    • OpenAI ヘルプ : ChatGPT > メモリ
      • FAQ
    • OpenAI ヘルプ : GPT ストア
      • 貴方の GPT をフィーチャーする
    • OpenAI Python ライブラリ 0.27 : 概要
    • OpenAI platform
      • Get Started : イントロダクション
      • Get Started : クイックスタート
      • Get Started : モデル
      • ガイド : GPT モデル
      • ガイド : 画像生成 (DALL·E)
      • ガイド : GPT-3.5 Turbo 対応 微調整
      • ガイド : 微調整 1.イントロダクション
      • ガイド : 微調整 2. データセットの準備 / ケーススタディ
      • ガイド : 埋め込み
      • ガイド : 音声テキスト変換
      • ガイド : モデレーション
      • ChatGPT プラグイン : イントロダクション
    • OpenAI Cookbook
      • 概要
      • API 使用方法 : レート制限の操作
      • API 使用方法 : tiktoken でトークンを数える方法
      • GPT : ChatGPT モデルへの入力をフォーマットする方法
      • GPT : 補完をストリームする方法
      • GPT : 大規模言語モデルを扱う方法
      • 埋め込み : 埋め込みの取得
      • GPT-3 の微調整 : 分類サンプルの微調整
      • DALL-E : DALL·E で 画像を生成して編集する方法
      • DALL·E と Segment Anything で動的マスクを作成する方法
      • Whisper プロンプティング・ガイド
  • Gemini API
    • Tutorials : クイックスタート with Python (1) テキスト-to-テキスト生成
    • (2) マルチモーダル入力 / 日本語チャット
    • (3) 埋め込みの使用
    • (4) 高度なユースケース
    • クイックスタート with Node.js
    • クイックスタート with Dart or Flutter (1) 日本語動作確認
    • Gemma
      • 概要 (README)
      • Tutorials : サンプリング
      • Tutorials : KerasNLP による Getting Started
  • Keras 3
    • 新しいマルチバックエンド Keras
    • Keras 3 について
    • Getting Started : エンジニアのための Keras 入門
    • Google Colab 上のインストールと Stable Diffusion デモ
    • コンピュータビジョン – ゼロからの画像分類
    • コンピュータビジョン – 単純な MNIST convnet
    • コンピュータビジョン – EfficientNet を使用した微調整による画像分類
    • コンピュータビジョン – Vision Transformer による画像分類
    • コンピュータビジョン – 最新の MLPモデルによる画像分類
    • コンピュータビジョン – コンパクトな畳込み Transformer
    • Keras Core
      • Keras Core 0.1
        • 新しいマルチバックエンド Keras (README)
        • Keras for TensorFlow, JAX, & PyTorch
        • 開発者ガイド : Getting started with Keras Core
        • 開発者ガイド : 関数型 API
        • 開発者ガイド : シーケンシャル・モデル
        • 開発者ガイド : サブクラス化で新しい層とモデルを作成する
        • 開発者ガイド : 独自のコールバックを書く
      • Keras Core 0.1.1 & 0.1.2 : リリースノート
      • 開発者ガイド
      • Code examples
      • Keras Stable Diffusion
        • 概要
        • 基本的な使い方 (テキスト-to-画像 / 画像-to-画像変換)
        • 混合精度のパフォーマンス
        • インペインティングの簡易アプリケーション
        • (参考) KerasCV – Stable Diffusion を使用した高性能画像生成
  • TensorFlow
    • TF 2 : 初級チュートリアル
    • TF 2 : 上級チュートリアル
    • TF 2 : ガイド
    • TF 1 : チュートリアル
    • TF 1 : ガイド
  • その他
    • 🦜️🔗 LangChain ドキュメント / ユースケース
    • Stable Diffusion WebUI
      • Google Colab で Stable Diffusion WebUI 入門
      • HuggingFace モデル / VAE の導入
      • LoRA の利用
    • Diffusion Models / 拡散モデル
  • クラスキャット
    • 会社案内
    • お問合せ
    • Facebook
    • ClassCat® Blog
Menu

OpenAI Agents SDK : モデル

Posted on 03/22/2025 by Masashi Okumura

OpenAI Agents SDK のエージェントが利用可能なモデルの指定方法等についての説明です。新しい Responses API と Chat Completions API に対応しています。

OpenAI Agents SDK : モデル

作成 : クラスキャット・セールスインフォメーション
作成日時 : 03/22/2025

* 本記事は openai.github.io/openai-agents-python の以下のページを独自に翻訳した上でまとめ直し、補足説明を加えています :

  • Models

* サンプルコードの動作確認はしておりますが、必要な場合には適宜、追加改変しています。
* ご自由にリンクを張って頂いてかまいませんが、sales-info@classcat.com までご一報いただけると嬉しいです。

 

クラスキャット 人工知能 研究開発支援サービス ⭐️ リニューアルしました 😉

◆ クラスキャット は人工知能に関する各種サービスを提供しています。お気軽にご相談ください :

  • 人工知能導入個別相談会(無償)実施中! [詳細]

  • 人工知能研究開発支援 [詳細]
    1. 自社特有情報を含むチャットボット構築支援
    2. 画像認識 (医療系含む) / 画像生成

  • PoC(概念実証)を失敗させないための支援 [詳細]

◆ お問合せ : 下記までお願いします。

  • クラスキャット セールス・インフォメーション
  • sales-info@classcat.com
  • ClassCatJP

 

 

OpenAI Agents SDK : モデル

Agents SDK は 2 つの方法で OpenAI モデルをそのまま利用可能なサポートを備えています :

  • 推奨 : OpenAIResponsesModel、これは新しい Responses API を使用して OpenAI API を呼び出します。

  • OpenAIChatCompletionsModel, これは Chat Completions API を使用して OpenAI API を呼び出します。

 

モデルの混在とマッチング

単一のワークフロー内で、各エージェントについて異なるモデルを使用することを望む場合があります。例えば、トリアージ用にはより小さく、高速なモデルを使用する一方で、複雑なタスク用にはより大規模で、高性能なモデルを使用できるでしょう。Agent を構成するとき、以下のいずれかにより特定のモデルを選択できます :

  1. OpenAI モデルの名前を渡します。

  2. 任意のモデル名 + ModelProvider, これはその名前を Model インスタンスにマップできます。

  3. Model 実装を直接提供します。

Note : SDK は OpenAIResponsesModel と OpenAIChatCompletionsModel の両方の形状 (shape) をサポートしていますが、各ワークフローについて単一のモデル形状を使用することを勧めます、2 つの形状は異なる機能とツールのセットをサポートしているからです。ワークフローがモデル形状を混在させてマッチさせる必要がある場合は、使用しているすべての機能が両方で利用可能であることを確認してください。

from agents import Agent, Runner, AsyncOpenAI, OpenAIChatCompletionsModel
import asyncio

spanish_agent = Agent(
    name="Spanish agent",
    instructions="You only speak Spanish.",
    model="o3-mini", 
)

english_agent = Agent(
    name="English agent",
    instructions="You only speak English",
    model=OpenAIChatCompletionsModel( 
        model="gpt-4o",
        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-3.5-turbo",
)

async def main():
    result = await Runner.run(triage_agent, input="Hola, ¿cómo estás?")
    print(result.final_output)

 

他の LLM プロバイダーの使用

他の LLM プロバイダーを 3 つの方法で使用できます (サンプルは こちら) :

  1. set_default_openai_client は、AsyncOpenAI のインスタンスを LLM クライアントとしてグローバルに使用したい場合に有用です。これは、LLM プロバイダーが OpenAI 互換な API エンドポイントを持ち、base_url と api_key を設定できる場合のためです。See a configurable example in examples/model_providers/custom_example_global.py.

  2. ModelProvider は Runner.run レベルにあります。これは「この実行 (run) のすべてのエージェント用にカスタム・モデルプロバイダーを使用する」と言えます。See a configurable example in examples/model_providers/custom_example_provider.py.

  3. Agent.model は特定の Agent インスタンス上でモデルを指定することを可能にします。これは異なるエージェントに対して異なるプロバイダーを混在させてマッチさせることができます。See a configurable example in examples/model_providers/custom_example_agent.py.

platform.openai.com からの API キーを持たない場合は、set_tracing_disabled() 経由のトレースを無効にするか、異なるトレース・プロセッサ をセットアップすることを勧めます。

Note : これらのサンプルでは、Chat Completions API/モデルを使用しています、殆どの LLM プロバイダーがまだ Responses API をサポートしていないためです。If your LLM provider does support it, we recommend using Responses.

 

他の LLM プロバイダーを使用する際の一般的な問題

トレース・クライアントエラー 401

トレースに関連してエラーになる場合、これはトレースが OpenAI サーバにアップロードされていて OpenAI API キーを持たないからです。これを解決するために 3 つのオプションがあります :

  1. トレースを完全に無効にします: set_tracing_disabled(True)

  2. トレースのために OpenAI キーを設定する: set_tracing_export_api_key(…). この API キーはトレースをアップロードするためだけに使用され、platform.openai.com からのものでなければなりません。

  3. 非 OpenAI トレース・プロセッサを使用する。See the tracing docs.

 

Responses API サポート

SDK はデフォルトでは Responses API を使用しますが、殆どの他の LLM プロバイダーはまだそれをサポートしていません。その結果 404 や類似の問題を見るかもしれません。解決するには、2 つのオプションがあります :

  1. set_default_openai_api(“chat_completions”) を呼び出します。これは、環境変数を通して OPENAI_API_KEY と OPENAI_BASE_URL を設定していれば動作します。

  2. OpenAIChatCompletionsModel を使用します。ここ にサンプルがあります。

 

構造化出力サポート

一部のモデル・プロバイダーは構造化出力をサポートしていません。これは次のようなエラーという結果になる場合があります :

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欠点です – JSON 出力はサポートしますが、出力に使用する json_schema を指定することはできません。この修正に取り組んでいますが、JSON スキーマ出力をサポートするプロバイダーを頼ることを勧めます、そうでないと不正形式な JSON のためにアプリケーションが壊れる場合が多いからです。

 

以上



クラスキャット

最近の投稿

  • LangGraph Platform : Get started : クイックスタート
  • LangGraph Platform : 概要
  • LangGraph : Prebuilt エージェント : ユーザインターフェイス
  • LangGraph : Prebuilt エージェント : 配備
  • LangGraph : Prebuilt エージェント : マルチエージェント

タグ

AutoGen (13) ClassCat Press Release (20) ClassCat TF/ONNX Hub (11) DGL 0.5 (14) Eager Execution (7) Edward (17) FLUX.1 (16) Gemini (20) HuggingFace Transformers 4.5 (10) HuggingFace Transformers 4.6 (7) HuggingFace Transformers 4.29 (9) Keras 2 Examples (98) Keras 2 Guide (16) Keras 3 (10) Keras Release Note (17) Kubeflow 1.0 (10) LangChain (45) LangGraph (20) MediaPipe 0.8 (11) Model Context Protocol (16) NNI 1.5 (16) OpenAI Agents SDK (8) OpenAI Cookbook (13) OpenAI platform (10) OpenAI platform 1.x (10) OpenAI ヘルプ (8) TensorFlow 2.0 Advanced Tutorials (33) TensorFlow 2.0 Advanced Tutorials (Alpha) (15) TensorFlow 2.0 Advanced Tutorials (Beta) (16) TensorFlow 2.0 Guide (10) TensorFlow 2.0 Guide (Alpha) (16) TensorFlow 2.0 Guide (Beta) (9) TensorFlow 2.0 Release Note (12) TensorFlow 2.0 Tutorials (20) TensorFlow 2.0 Tutorials (Alpha) (14) TensorFlow 2.0 Tutorials (Beta) (12) TensorFlow 2.4 Guide (24) TensorFlow Deploy (8) TensorFlow Get Started (7) TensorFlow Graphics (7) TensorFlow Probability (9) TensorFlow Programmer's Guide (22) TensorFlow Release Note (18) TensorFlow Tutorials (33) TF-Agents 0.4 (11)
2025年3月
月 火 水 木 金 土 日
 12
3456789
10111213141516
17181920212223
24252627282930
31  
« 1月   4月 »
© 2025 ClasCat® AI Research | Powered by Minimalist Blog WordPress Theme