결과와 상태

결과와 상태 (Results and state)

에이전트를 실행하면 결과는 단지 최종 답변만이 아니에요. 핸드오프 경계이자, 다음 턴의 연속 표면이며, 실행이 검토로 일시 중지될 때의 재개 가능한 스냅샷이기도 해요.

출처: 문서

본문

에이전트를 실행하면 결과는 단지 최종 답변만이 아니에요. 핸드오프 경계이자, 다음 턴의 연속(continuation) 표면이며, 실행이 검토로 일시 중지될 때의 재개 가능한 스냅샷이기도 해요.

필요한 결과 표면 선택하기

대부분의 애플리케이션은 소수의 결과 속성만 필요로 해요:

이것들이 먼저 배워야 할 가이드 수준의 표면이에요. 더 풍부한 실행 아이템, 원시 모델 응답, 상세 진단은 여전히 SDK 문서와 레퍼런스 자료에 있어요.

다음 턴으로 무엇을 이어가야 하는가

여러분의 연속 전략과 일치하는 방식으로 결과를 사용하세요:

• 애플리케이션이 전체 로컬 히스토리를 소유한다면 TypeScript의 history 또는 Python의 to_input_list()를 재사용하세요.
• 세션을 사용 중이라면 동일한 세션을 계속 전달하고 SDK가 히스토리를 로드하고 저장하게 두세요.
• 서버 관리 연속(server-managed continuation)을 사용 중이라면 전체 대화 기록을 재생하는 대신 새 사용자 입력만 전달하고 저장된 ID를 재사용하세요.
• 핸드오프 후 그 전문가가 다음 턴에도 제어를 유지해야 한다면 TypeScript의 lastAgent 또는 Python의 last_agent를 재사용하세요.

중단된 실행은 최종 답변이 아니라 상태를 반환해요

승인 흐름은 결과가 의도적으로 불완전한 주요 사례예요.

• TypeScript의 finalOutput 또는 Python의 final_output은 실행이 실제로 끝나지 않았으므로 비어 있을 수 있어요.
• interruptions는 어떤 대기 중인 도구 호출에 결정이 필요한지 알려줘요.
• TypeScript의 state 또는 Python의 to_state()는 그 항목들을 승인하거나 거부한 뒤 런타임에 다시 전달하는 저장된 스냅샷이에요.

동일한 state 표면은 검토가 같은 요청이 아니라 나중에 이루어질 수 있을 때 직렬화하는 대상이에요.

더 풍부한 아이템 및 진단 표면

SDK는 위의 고수준 표면보다 더 많은 것을 필요로 하는 애플리케이션을 위해 더 풍부한 실행 아이템과 진단도 노출해요. 여기에는 아이템 수준의 도구 및 핸드오프 기록, 원시 모델 응답, 가드레일 결과, 사용량 세부 사항이 포함돼요.

이들은 감사, 커스텀 인터페이스, 심층 디버깅에 유용하지만, 대부분의 개발자가 이 사이트에서 가장 먼저 배워야 하는 것은 아니에요.

다음 단계

어떤 결과 표면이 중요한지 알게 되면, 그 표면이 어떻게 생성되거나 검사되는지 설명하는 가이드로 계속 진행하세요.

[Running agents

    Connect result handling back to the runtime loop and continuation
  strategy.](https://developers.openai.com/api/docs/guides/agents/running-agents)

[Guardrails and human review

    See how paused runs return interruptions and resumable state.](https://developers.openai.com/api/docs/guides/agents/guardrails-approvals)

[Integrations and observability

    Use traces when you need to inspect the richer workflow record.](https://developers.openai.com/api/docs/guides/agents/integrations-observability)

더 알아보기 (Learn more)

관련 문서: 에이전트 실행과 가드레일 및 인간 검토를 참고하세요.