> ## Documentation Index > Fetch the complete documentation index at: https://docs.coreweave.com/llms.txt > Use this file to discover all available pages before exploring further. # OpenAI Agents SDK > Agent Lens로 OpenAI Agents SDK 기반 에이전트를 트레이스하세요. OpenAI Agents SDK는 OpenAI API를 기반으로 에이전트와 멀티 에이전트 워크플로를 구축할 수 있는 경량 프레임워크입니다. CoreWeave Agent Lens는 OpenAI Agents SDK로 구축한 에이전트를 자동으로 트레이스하며, 각 에이전트 호출, 하위 에이전트 핸드오프, 모델 Call, 도구 Call을 모두 기록합니다. This integration uses the Weights & Biases Weave SDK (`weave`), because the CoreWeave Forge SDK doesn't support this framework yet. Traces you send with Weave appear in Agent Lens, because both products share the same trace data.

Agent Lens로 OpenAI Agents SDK 에이전트 트레이스하기

Weave SDK는 [OpenAI Agents SDK for Python](https://github.com/openai/openai-agents-python)을 자동 패치하므로 최소한의 설정만으로 에이전트의 트레이스를 캡처할 수 있습니다. 이 가이드에서는 Weave를 초기화한 다음 OpenAI Agents SDK로 구축한 멀티턴 리서치 에이전트를 실행하여, Agent Lens가 세션 전체에서 발생하는 모든 에이전트 호출, 모델 Call, 도구 Call을 캡처하도록 하는 방법을 설명합니다.

사전 요구 사항

시작하기 전에 다음 항목이 준비되어 있는지 확인하세요. * CoreWeave Forge 계정과 `WANDB_API_KEY` 환경 변수로 설정한 [API 키](https://forge.coreweave.com/settings#apikeys) * [OpenAI API 키](https://platform.openai.com/api-keys) * Python 3.10 이상 Weave SDK는 [OpenAI Agents Node SDK](https://github.com/openai/openai-agents-js)(`@openai/agents`)와 통합되어 에이전트 실행을 자동으로 트레이스합니다. `@openai/agents` 버전 `0.4.15` 이상이 필요합니다.

사전 요구 사항

시작하기 전에 다음 항목이 준비되어 있는지 확인하세요. * CoreWeave Forge 계정과 `WANDB_API_KEY` 환경 변수로 설정한 [API 키](https://forge.coreweave.com/settings#apikeys) * [OpenAI API 키](https://platform.openai.com/api-keys) * Node.js 18 이상

패키지 설치

스크립트에서 Weave와 OpenAI Agents SDK를 사용할 수 있도록 개발 환경에 다음 패키지를 설치하세요. ```bash Python theme={"system"} pip install weave openai-agents requests ``` ```bash TypeScript theme={"system"} npm install weave @openai/agents zod ```

코드에서 Agent Lens 초기화하기

프로젝트에 `weave.init`를 추가하고 Forge 팀 이름과 프로젝트 이름을 지정한 다음, 평소처럼 에이전트를 구축하세요. 다음 코드는 `wikipedia_search` 함수 도구와 `Research assistant` 에이전트를 정의한 뒤, OpenAI Agents SDK `Runner`로 세 가지 질문을 실행하며 그동안 Agent Lens가 트레이스를 캡처합니다. `Runner.run`은 호출할 때마다 별도의 트레이스를 시작하므로, 이 예시에서는 모든 호출에 동일한 `group_id`가 포함된 `RunConfig`를 전달합니다. Weave는 `group_id`를 기준으로 같은 대화의 트레이스를 그룹화하며, `group_id`가 설정되지 않은 경우에는 각 트레이스의 자체 ID를 대신 사용합니다. ```python lines highlight="7,33,42" theme={"system"} import asyncio import uuid import requests import weave from agents import Agent, RunConfig, Runner, function_tool weave.init("[YOUR-TEAM]/[YOUR-PROJECT]") @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(): run_config = RunConfig(group_id=str(uuid.uuid4())) 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, run_config=run_config) print(f"AGENT: {result.final_output}\n") history = result.to_input_list() asyncio.run(main()) ``` 이 예시는 하나의 대화에서 세 개의 턴을 실행합니다. 처음 두 턴은 Wikipedia 조회를 트리거하고, 세 번째 턴은 도구 Call 없이 이전 대화 컨텍스트를 바탕으로 요약을 생성합니다. `Runner.run`을 호출할 때마다 이전 결과의 입력 목록을 다음 요청으로 다시 전달해 대화를 이어 갑니다. 또한 모든 호출이 동일한 `group_id`를 공유하므로 Agent Lens는 세 턴을 **Conversations** 탭에서 하나의 대화로 묶어 표시합니다. 공유된 `group_id`가 없으면 각 턴은 자체 트레이스 ID를 대신 사용하므로 각각 별도의 대화로 표시됩니다. `@openai/agents`를 임포트하면 Weave가 모듈 로더 훅을 통해 해당 패키지를 자동으로 계측합니다. 필요한 설정은 모듈 시스템에 따라 조금씩 다릅니다. CommonJS와 ESM의 차이점, 그리고 Weave의 로더 훅이 작동하는 방식에 대한 자세한 내용은 [TypeScript SDK 서드파티 인테그레이션 가이드](/ko/products/wandb/weave/guides/integrations/js)를 참조하세요. * **CommonJS 프로젝트**: 추가 설정은 필요하지 않습니다. 자동 계측이 먼저 실행되도록 `@openai/agents`보다 `weave`를 먼저 require하세요. * **ESM 프로젝트**: 계측이 다른 모든 모듈보다 먼저 로드되도록 `--import=weave/instrument` 플래그를 지정하여 Node를 시작하세요. 다음 코드는 `wikipedia_search` 도구와 `Research assistant` 에이전트를 정의한 후, SDK의 `Runner`로 세 가지 질문을 실행하고 Agent Lens가 그 트레이스를 캡처합니다. 각 `run()` Call은 별도의 최상위 트레이스로 기록되므로, 이 예시에서는 공유 `groupId`를 지정한 `Runner`를 하나 생성해 세 번의 Call에서 모두 재사용합니다. Agent Lens는 `groupId`를 기준으로 같은 대화의 트레이스를 그룹화하며, `groupId`가 설정되지 않은 경우에는 각 트레이스의 자체 ID를 대신 사용합니다. ```typescript lines highlight="33" title="main.mjs" theme={"system"} 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("[YOUR-TEAM]/[YOUR-PROJECT]"); 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(); ``` 이 예시는 하나의 대화에서 세 개의 턴을 실행합니다. 처음 두 턴은 Wikipedia 조회를 트리거하고, 세 번째 턴은 이전 대화 컨텍스트를 바탕으로 도구 호출 없이 요약을 생성합니다. `runner.run`을 호출할 때마다 이전 결과의 `history`를 다음 입력으로 다시 전달하여 대화를 이어 갑니다. 또한 모든 호출이 동일한 `groupId`를 공유하므로 Agent Lens는 Conversations 탭에서 세 턴을 모두 하나의 세션으로 묶어 표시합니다. 예시를 `main.mjs`로 저장한 다음, 로더 훅이 다른 모듈보다 먼저 실행되도록 `--import=weave/instrument` 플래그를 지정하여 실행하세요: ```bash theme={"system"} node --import=weave/instrument main.mjs ```

수동 계측

수동 계측은 모듈 로더 훅이 실행될 수 없는 경우에만 필요합니다. 예를 들어 의존성을 단일 파일로 묶는 번들러를 사용하는 경우, Node CLI 플래그를 지원하지 않는 환경에서 실행하는 경우, 로더 훅을 우회하는 동적 모듈 로딩 패턴을 사용하는 경우가 이에 해당합니다. `instrumentOpenAIAgents()`를 사용해 계측을 명시적으로 등록하세요. ```typescript lines theme={"system"} import * as weave from "weave"; await weave.init("[YOUR-TEAM]/[YOUR-PROJECT]"); await weave.instrumentOpenAIAgents(); ``` 맞춤형 프로세서를 설정하거나 조건부로 등록하는 등 트레이싱 프로세서를 전체적으로 직접 제어해야 한다면, 다음과 같이 프로세서를 직접 생성하고 등록하세요. ```typescript lines theme={"system"} import { addTraceProcessor } from "@openai/agents"; import { createOpenAIAgentsTracingProcessor } from "weave"; const processor = createOpenAIAgentsTracingProcessor(); addTraceProcessor(processor); ``` ### View your traces in Agent Lens After the script runs, `weave.init()` prints a link to your project in Weave. The same traces appear in Agent Lens, because both products share the same trace data. To view them in Agent Lens: 1. Navigate to [CoreWeave Forge](https://forge.coreweave.com) and select **Agent Lens** from the product menu. 2. Select your project. 3. In the Agent Lens side menu, select **Conversations**, and then select your conversation. Each turn renders as an `invoke_agent` span with nested `chat` and `execute_tool` spans. Each span shows its input, model, output, token usage, and tool results. For more information, see [View agent activity](/products/agent-lens/conversations/view-activity).