> ## Documentation Index > Fetch the complete documentation index at: https://docs.wandb.ai/llms.txt > Use this file to discover all available pages before exploring further. # OpenAI Agents SDK > Weave を使用して、OpenAI Agents SDK で構築したエージェントをトレースします。 OpenAI Agents SDK は、OpenAI の API 上でエージェントやマルチエージェント ワークフローを構築するための軽量なフレームワークです。Weave は、OpenAI Agents SDK で構築されたエージェントを自動的にトレースし、各エージェントの呼び出し、サブエージェントへのハンドオフ、モデルの Call、ツール呼び出しを含むデータを取得します。Weave は、取得したデータを project の **Agents** ビューに表示します。
## OpenAI Agents SDK のエージェントを Weave でトレースする
Weave SDK は [OpenAI Agents SDK for Python](https://github.com/openai/openai-agents-python) に自動でパッチを適用するため、最小限の設定でエージェントのトレースを取得できます。このガイドでは、Weave を初期化したうえで、OpenAI Agents SDK で構築したマルチターンのリサーチエージェントを実行し、セッション全体を通じて発生するすべてのエージェント呼び出し、Call、ツール呼び出しを Weave で取得する方法を説明します。 ### 前提条件 開始する前に、以下を用意してください。 * `WANDB_API_KEY` 環境変数として設定した W\&B アカウントと [APIキー](https://wandb.ai/authorize)。 * [OpenAI APIキー](https://platform.openai.com/api-keys)。 * Python 3.10+。 Weave は [OpenAI Agents Node SDK](https://github.com/openai/openai-agents-js) (`@openai/agents`) と連携し、エージェントの run を自動的にトレースします。`@openai/agents` バージョン `0.4.15` 以降が必要です。 ### 前提条件 開始する前に、以下を用意してください。 * `WANDB_API_KEY` 環境変数として設定した W\&B アカウントと [APIキー](https://wandb.ai/authorize)。 * [OpenAI APIキー](https://platform.openai.com/api-keys)。 * Node.js 18+。
### パッケージをインストールする
スクリプトで Weave と SDK を利用できるように、開発環境に次のパッケージをインストールします。 ```bash Python theme={null} pip install weave openai-agents requests ``` ```bash TypeScript theme={null} npm install weave @openai/agents zod ```
### コードで Weave を初期化する
project に `weave.init` を追加し、W\&B のチーム名と project 名を指定してから、通常どおりエージェントを構築します。次のコードでは、`wikipedia_search` 関数ツールと `Research assistant` エージェントを定義し、Weave がトレースを取得しながら、OpenAI Agents SDK の `Runner` で 3 つの質問を実行します。 ```python lines highlight="6" theme={null} import asyncio import requests import weave from agents import Agent, Runner, function_tool weave.init("/") @function_tool def wikipedia_search(query: str) -> str: """Search Wikipedia for a topic and return its title and intro paragraph.""" r = requests.get( "https://en.wikipedia.org/w/api.php", params={ "action": "query", "generator": "search", "gsrsearch": query, "gsrlimit": 1, "prop": "extracts", "exintro": True, "explaintext": True, "format": "json", }, headers={"User-Agent": "weave-demo"}, ).json() page = next(iter(r["query"]["pages"].values())) return f"{page['title']}: {page['extract']}" agent = Agent( name="Research assistant", instructions=( "You are a research assistant. Use the wikipedia_search tool to look up " "topics when needed, and cite the article titles you used." ), tools=[wikipedia_search], ) async def main(): history = [] for question in [ "Who founded Anthropic?", "What is Claude (the AI assistant)?", "Summarize what we discussed in one sentence.", ]: history.append({"role": "user", "content": question}) print(f"USER: {question}") result = await Runner.run(agent, input=history) print(f"AGENT: {result.final_output}\n") history = result.to_input_list() asyncio.run(main()) ``` この例では、1 つの会話内で 3 つのターンを実行します。最初の 2 つのターンでは Wikipedia のルックアップがトリガーされ、3 つ目では、それまでの会話コンテキストを使用して、ツール呼び出し なしで summary を生成します。`Runner.run` を呼び出すたびに、前回の result の input list を次の request として渡すことで、会話を継続します。 Weave は、`@openai/agents` がインポートされると、モジュールローダーフックを介して自動的にインストルメントします。必要なセットアップは、モジュールシステムによって若干異なります。CommonJS と ESM の違い、および Weave のローダーフックの仕組みについての詳細は、[TypeScript SDK サードパーティインテグレーションガイド](/ja/weave/guides/integrations/js)を参照してください。 * **CommonJS projects**: 追加の設定は不要です。自動インストルメンテーションが先に実行されるように、`@openai/agents` より前に `weave` を require してください。 * **ESM projects**: インストルメンテーションが他のどのモジュールよりも先に読み込まれるように、`--import=weave/instrument` フラグを付けて Node を起動してください。 次のコードでは、`wikipedia_search` ツールと `Research assistant` エージェントを定義し、Weave がトレースを取得しながら、SDK の `Runner` で 3 つの質問を実行します。`run()` の呼び出しはそれぞれ独立したトップレベルのトレースとして記録されるため、この例では共有の `groupId` を持つ `Runner` を作成し、3 つの呼び出し全体で再利用します。Weave は `groupId` を使用して同じ会話のトレースをグループ化し、`groupId` が設定されていない場合は各トレース自身の ID にフォールバックします。 ```typescript lines highlight="33" title="main.mjs" theme={null} import { randomUUID } from "node:crypto"; import * as weave from "weave"; import { Agent, Runner, tool, type AgentInputItem } from "@openai/agents"; import { z } from "zod"; const wikipediaSearch = tool({ name: "wikipedia_search", description: "Search Wikipedia for a topic and return its title and intro paragraph.", parameters: z.object({ query: z.string().describe("The topic to search for"), }), async execute({ query }) { const url = new URL("https://en.wikipedia.org/w/api.php"); url.search = new URLSearchParams({ action: "query", generator: "search", gsrsearch: query, gsrlimit: "1", prop: "extracts", exintro: "true", explaintext: "true", format: "json", }).toString(); const response = await fetch(url, { headers: { "User-Agent": "weave-demo" } }); const data = await response.json(); const page = Object.values(data.query.pages)[0] as { title: string; extract: string }; return `${page.title}: ${page.extract}`; }, }); async function main() { await weave.init("/"); const agent = new Agent({ name: "Research assistant", instructions: "You are a research assistant. Use the wikipedia_search tool to look up " + "topics when needed, and cite the article titles you used.", tools: [wikipediaSearch], }); const runner = new Runner({ groupId: randomUUID() }); const questions = [ "Who founded Anthropic?", "What is Claude (the AI assistant)?", "Summarize what we discussed in one sentence.", ]; let history: AgentInputItem[] = []; for (const question of questions) { history.push({ role: "user", content: question }); console.log(`USER: ${question}`); const result = await runner.run(agent, history); console.log(`AGENT: ${result.finalOutput}\n`); history = result.history; } } main(); ``` この例では、1 つの会話内で 3 つのターンを実行します。最初の 2 つのターンでは Wikipedia のルックアップがトリガーされ、3 つ目では、それまでの会話コンテキストを使用して、ツール呼び出しなしで summary を生成します。`runner.run` を呼び出すたびに、前回の result の `history` を次の入力として渡すことで会話を継続し、同じ `groupId` を共有することで、Weave が 3 つのターンすべてを Agents ビューの 1 つのセッションにグループ化します。 この例を `main.mjs` として保存し、`--import=weave/instrument` フラグを付けて実行することで、ローダーフックが他のモジュールより先に実行されます。 ```bash theme={null} node --import=weave/instrument main.mjs ``` ### 手動インストルメンテーション 手動インストルメンテーションが必要になるのは、モジュールローダーフックを実行できない場合に限られます。たとえば、バンドラーが依存関係を単一ファイルにまとめる場合、Node の CLI フラグをサポートしない環境の場合、またはローダーフックを回避する動的モジュール読み込みパターンを使用する場合などが該当します。 インストルメンテーションを明示的に登録するには、`instrumentOpenAIAgents()` を使用します。 ```typescript lines theme={null} import * as weave from "weave"; await weave.init("/"); await weave.instrumentOpenAIAgents(); ``` トレースプロセッサーを完全に制御する必要がある場合 (たとえば、カスタムプロセッサーを設定したり、条件付きで登録したりする場合) は、直接作成して登録してください。 ```typescript lines theme={null} import { addTraceProcessor } from "@openai/agents"; import { createOpenAIAgentsTracingProcessor } from "weave"; const processor = createOpenAIAgentsTracingProcessor(); addTraceProcessor(processor); ```
### Agents ビューでエージェントのトレースを確認する
スクリプトの実行後、`weave.init()` によって project へのリンクが出力されます。**Agents** ビューを開くと、次の内容を確認できます。 * 会話のターンを含むセッション。 * 各ターンは `invoke_agent` span として表示され、その子要素として `chat` と `execute_tool` がネストされています。 * 各ステップでの入力全体、モデル、出力、トークン使用量、ツールの実行結果。 Weave で Agents データを表示する方法の詳細については、[エージェントのアクティビティを表示する](/ja/weave/guides/tracking/view-agent-activity)を参照してください。