openai-agents-sdk
OpenAI Agents SDK(Python)を使ったAIエージェント開発に特化したスキル。`agents`パッケージのインポートや`Runner.run_sync` / `Runner.run_streamed`、`@function_tool`、`AgentOutputSchema`、`SQLiteSession`などの使用時、またはマルチエージェントのハンドオフ・ガードレール・ストリーミング・トレーシングに関する質問でトリガーされます。LiteLLM経由のAzure OpenAI連携にも対応しています。
description の原文を見る
OpenAI Agents SDK (Python) development. Use when building AI agents, multi-agent handoffs, function tools, guardrails, sessions, streaming, or tracing with the `openai-agents` / `agents` Python package — including Azure OpenAI via LiteLLM. Triggers on imports from `agents`, uses of `Runner.run_sync`/`Runner.run_streamed`, `@function_tool`, `AgentOutputSchema`, `SQLiteSession`, or questions about the openai-agents-python SDK.
SKILL.md 本文
OpenAI Agents SDK (Python)
OpenAI Agents SDK (openai-agents パッケージ) を使用して AI エージェントを開発する場合は、このスキルを使用してください。
クイックリファレンス
インストール
pip install openai-agents
環境変数
# OpenAI (直接接続)
OPENAI_API_KEY=sk-...
LLM_PROVIDER=openai
# Azure OpenAI (LiteLLM 経由)
LLM_PROVIDER=azure
AZURE_API_KEY=...
AZURE_API_BASE=https://your-resource.openai.azure.com
AZURE_API_VERSION=2024-12-01-preview
基本的なエージェント
from agents import Agent, Runner
agent = Agent(
name="Assistant",
instructions="You are a helpful assistant.",
model="gpt-5.4", # or "gpt-5.4-mini", "gpt-5.4-nano"
)
# 同期実行
result = Runner.run_sync(agent, "Tell me a joke")
print(result.final_output)
# 非同期実行
result = await Runner.run(agent, "Tell me a joke")
キーパターン
| パターン | 目的 |
|---|---|
| Basic Agent | シンプルな Q&A(指示付き) |
| Azure/LiteLLM | Azure OpenAI 統合 |
| AgentOutputSchema | Pydantic による厳密な JSON 検証 |
| Function Tools | 外部アクション (@function_tool) |
| Streaming | リアルタイム UI (Runner.run_streamed) |
| Handoffs | 専門化されたエージェント、委譲 |
| Agents as Tools | オーケストレーション (agent.as_tool) |
| LLM as Judge | 反復的改善ループ |
| Guardrails | 入出力検証 |
| Sessions | 自動会話履歴管理 |
| Multi-Agent Pipeline | マルチステップワークフロー |
| Sandboxing | エージェント用の隔離実行環境 |
| Subagents | 専門化された下位エージェントの生成 (Python + TS) |
| Observability | 組み込みの実行グラフ記録 |
推奨: MCP 経由のライブドキュメント
モデル名と API の詳細は頻繁に変更されます。利用可能な場合は、以下の静的リファレンスに依存する前に、OpenAI Developer Docs MCP サーバー (openaiDeveloperDocs) を参照してください。
セットアップ (Codex CLI):
codex mcp add openaiDeveloperDocs --url https://developers.openai.com/mcp
または設定ファイル (~/.codex/config.toml、VS Code .vscode/mcp.json、Cursor ~/.cursor/mcp.json):
[mcp_servers.openaiDeveloperDocs]
url = "https://developers.openai.com/mcp"
主なツール: mcp__openaiDeveloperDocs__search_openai_docs、fetch_openai_doc、list_api_endpoints、get_openapi_spec。
ルール: 取得したドキュメントを引用してください。フィールド名、デフォルト値、現在のモデル ID については推測しないでください。まず取得してください。引用文は 125 文字以下に保つこと。
MCP が利用できない場合のフォールバック: https://developers.openai.com/api/docs/llms.txt (すべての API ドキュメントのプレーンテキスト索引。各エントリは /api/docs/<slug>.md に .md バージョンを持つ)。
リファレンスドキュメント
オフライン/クイックルックアップスニペット。精度が重要な場合は、モデル名と API シグネチャを MCP またはドキュメントに対して検証してください。
agents.md- エージェント作成、Azure/LiteLLM 統合tools.md- 関数ツール、ホストされたツール、ツールとしてのエージェントstructured-output.md- Pydantic 出力、AgentOutputSchemastreaming.md- ストリーミングパターン、FastAPI での SSEhandoffs.md- エージェント委譲guardrails.md- 入出力検証sessions.md- セッション、会話履歴patterns.md- マルチエージェントワークフロー、LLM as Judge、トレーシング
公式ドキュメント
- ドキュメント: https://openai.github.io/openai-agents-python/
- 例: https://github.com/openai/openai-agents-python/tree/main/examples
- メジャーアップデート: https://openai.com/index/the-next-evolution-of-the-agents-sdk/
- Docs MCP セットアップ: https://developers.openai.com/learn/docs-mcp
- ドキュメント索引 (llms.txt): https://developers.openai.com/api/docs/llms.txt
- 現在のモデル ID: https://platform.openai.com/docs/models
ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- laguagu
- ライセンス
- MIT
- 最終更新
- 不明
Source: https://github.com/laguagu/claude-code-nextjs-skills / ライセンス: MIT
関連スキル
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。