openai-agents-python

왜 중요한가

• 실무 기준으로는 핵심은 단일 모델 호출보다 여러 역할의 에이전트를 어떻게 넘기고 추적하고 제어할지다.
• 이 SDK는 Agent, Runner, handoff, guardrail, session, sandbox를 비교적 선명한 표면으로 제공한다.
• 특히 sandbox agents가 들어오면서 단순 대화 orchestration을 넘어 장기 작업 실행 환경까지 포괄하려는 방향이 보인다.

핵심 관찰

• 로컬 Windows 환경에서 repo를 직접 clone했다.
• pyproject.toml 기준 패키지 이름은 openai-agents, 현재 버전은 0.14.2, Python 요구사항은 >=3.10이었다.
• optional dependency가 voice, redis, sqlalchemy, docker, modal, temporal, s3 등으로 넓게 열려 있었다.
• examples 디렉터리도 basic, agent_patterns, memory, sandbox, tools, voice, mcp, realtime 등으로 구성돼 있었다.
• README 예시 기준 기본 단위는 Agent와 Runner, 최근 핵심 확장 포인트는 SandboxAgent였다.
• 실제로 python -m pip install openai-agents를 실행해 설치했고, 이후 import agents, from agents import Agent, Runner가 정상 동작했다.
• import 시 버전도 0.14.2로 확인됐다.
• 다만 설치 과정에서 전역 Python 환경의 pydantic이 올라가 기존 gradio와 버전 충돌 경고가 발생했다.
• API 키가 없어 실제 모델 호출과 sandbox task 실행은 재현하지 않았다.

해석

openai-agents-python은 handoff, guardrail, session, tracing, sandbox를 포함한 Python 멀티에이전트 orchestration SDK다.

누구에게 도움이 되나

• Python 팀: handoff와 tool calling이 필요한 agent workflow 프로토타이핑
• 플랫폼팀: tracing, guardrail, session이 포함된 orchestration layer 실험
• R&D 팀: sandbox agent 기반 장기 작업 자동화 실험

어디에 바로 써볼 수 있나

• 멀티에이전트 orchestration 단위와 구조 비교 연구
• 역할 분리형 assistant와 장기 작업형 실행 agent 프로토타입 참고
• OpenClaw의 session/tool 구조와 외부 orchestration SDK를 비교해 어떤 개념을 내부화할지 판단
• handoff와 tool calling이 필요한 agent workflow 프로토타이핑
• tracing, guardrail, session이 포함된 orchestration layer 실험
• sandbox agent 기반 장기 작업 자동화 실험

주요 출처

• repo
• README
• docs
• PyPI

공식 repo / docs

• repo
• README
• docs

주의점

• 공식 SDK이지만 운영 비용과 sandbox 복잡도는 별개 문제다.
• 전역 환경 설치는 의존성 충돌을 만들 수 있어 venv/uv 사용이 사실상 필수다.
• README만큼 매끈하게 바로 운영된다고 보기보다는, 프로토타입과 구조 학습용으로 먼저 보는 편이 안전하다.

다음에 볼 포인트

• 세션 메모리와 장기 메모리의 범위 분리가 더 명시적인 제품 기본값으로 굳어지는지 볼 것.
• skills, orchestration, writable memory를 어떤 정책 경계로 나누는지 비교할 것.