KDnuggets는 2026년 9월 21일 Python 개발자가 기존 웹사이트 모니터링 스크립트를 OpenAI Agents SDK로 AI 에이전트로 바꾸는 튜토리얼을 공개했다. 예시는 HTTP 요청을 보내고 `timeout=10`을 적용하며, HTTP 상태 코드와 `perf_counter()` 기반 응답 시간을 읽어 상태와 지연시간 또는 `requests.RequestException` 오류를 반환하는 `check_website(url: str)` 함수에서 출발한다. 샘플 실행에서 `https://www.python.org`는 `Status: 200`과 `Response time: 0.99s`를 반환했다.

튜토리얼은 기존 Python 워크플로가 고정적이라고 설명했다. 5개 웹사이트를 확인하거나 응답 시간을 비교하고, 어떤 사이트가 비정상으로 보이는지 판단하려면 해당 로직을 코드로 직접 작성해야 하기 때문이다. 에이전트 버전은 `check_website()`를 도구(모델이 호출할 수 있는 함수)로 노출하고 모델에 목표를 부여해, 언제 함수를 호출할지, 어떤 URL 인수를 넘길지, 몇 번 사용할지, 결과를 어떻게 해석할지 모델이 결정하게 한다.

설정 절차는 `mkdir website-agent`, `cd website-agent`, `uv init`, `uv add openai-agents requests`로 `website-agent` 프로젝트를 만들며, 대안으로 `pip install openai-agents requests`도 제시했다. OpenAI API 키는 `export OPENAI_API_KEY="your-api-key"`로 설정한다. OpenAI Agents SDK는 에이전트, 도구, 핸드오프, 세션, 추적을 위한 경량 런타임으로 설명됐다.

함수는 `agents`에서 `function_tool`을 가져온 뒤 `check_website` 위에 `@function_tool` 데코레이터를 붙여 모델이 호출할 수 있는 도구가 된다. SDK는 함수 시그니처를 모델에 필요한 JSON schema(입력 구조를 설명하는 형식)로 자동 변환하고, 함수 이름과 docstring으로 도구를 설명한다. 이에 따라 개발자는 도구 스키마를 수동으로 만들 필요가 없다.

에이전트 예시는 `Agent`와 `Runner`를 가져오고, 에이전트 이름을 `Website Monitor`로 지정하며, 모델은 `gpt-5.6-luna`로 설정한다. 또한 웹사이트를 모니터링하고 결과를 비교하며 문제를 명확히 설명하라는 지시와 `tools=[check_website]`를 전달한다. `Runner.run_sync` 호출은 에이전트에 `python.org`, `github.com`, `openai.com`을 확인하고 가장 느린 응답을 찾으라고 요청한다. 샘플 출력에서는 `python.org`가 `1.59 seconds`로 가장 느렸고, `github.com`은 `0.83s`, `openai.com`은 `0.49s`였으며 모두 HTTP `200`을 반환했다.

튜토리얼은 `Runner`가 모델과 도구 사이의 반복 과정을 관리한다고 설명했다. 모델은 추가 정보를 요청하고 도구를 다시 호출하며, 최종 답변에 충분한 정보가 모일 때까지 계속 진행할 수 있다. 같은 패턴은 CSV 분석기, 서버 모니터, 로그 분석기, API 자동화에도 적용되며, 기존 Python 함수가 실제 작업을 수행하고 에이전트는 자연어 이해, 도구 선택, 오케스트레이션을 더한다. 마지막으로 `GPT-5.6 Luna` 같은 저렴한 모델이 도구 사용 및 멀티 에이전트 시스템을 대규모로 더 저렴하게 만든다고 설명했다.

KDnuggets는 2026년 9월 21일 Python 개발자가 기존 웹사이트 모니터링 스크립트를 OpenAI Agents SDK로 AI 에이전트로 바꾸는 튜토리얼을 공개했다. 예시는 HTTP 요청을 보내고 `timeout=10`을 적용하며, HTTP 상태 코드와 `perf_counter()` 기반 응답 시간을 읽어 상태와 지연시간 또는 `requests.RequestException` 오류를 반환하는 `check_website(url: str)` 함수에서 출발한다. 샘플 실행에서 `https://www.python.org`는 `Status: 200`과 `Response time: 0.99s`를 반환했다.

튜토리얼은 기존 Python 워크플로가 고정적이라고 설명했다. 5개 웹사이트를 확인하거나 응답 시간을 비교하고, 어떤 사이트가 비정상으로 보이는지 판단하려면 해당 로직을 코드로 직접 작성해야 하기 때문이다. 에이전트 버전은 `check_website()`를 도구(모델이 호출할 수 있는 함수)로 노출하고 모델에 목표를 부여해, 언제 함수를 호출할지, 어떤 URL 인수를 넘길지, 몇 번 사용할지, 결과를 어떻게 해석할지 모델이 결정하게 한다.

설정 절차는 `mkdir website-agent`, `cd website-agent`, `uv init`, `uv add openai-agents requests`로 `website-agent` 프로젝트를 만들며, 대안으로 `pip install openai-agents requests`도 제시했다. OpenAI API 키는 `export OPENAI_API_KEY="your-api-key"`로 설정한다. OpenAI Agents SDK는 에이전트, 도구, 핸드오프, 세션, 추적을 위한 경량 런타임으로 설명됐다.

함수는 `agents`에서 `function_tool`을 가져온 뒤 `check_website` 위에 `@function_tool` 데코레이터를 붙여 모델이 호출할 수 있는 도구가 된다. SDK는 함수 시그니처를 모델에 필요한 JSON schema(입력 구조를 설명하는 형식)로 자동 변환하고, 함수 이름과 docstring으로 도구를 설명한다. 이에 따라 개발자는 도구 스키마를 수동으로 만들 필요가 없다.

에이전트 예시는 `Agent`와 `Runner`를 가져오고, 에이전트 이름을 `Website Monitor`로 지정하며, 모델은 `gpt-5.6-luna`로 설정한다. 또한 웹사이트를 모니터링하고 결과를 비교하며 문제를 명확히 설명하라는 지시와 `tools=[check_website]`를 전달한다. `Runner.run_sync` 호출은 에이전트에 `python.org`, `github.com`, `openai.com`을 확인하고 가장 느린 응답을 찾으라고 요청한다. 샘플 출력에서는 `python.org`가 `1.59 seconds`로 가장 느렸고, `github.com`은 `0.83s`, `openai.com`은 `0.49s`였으며 모두 HTTP `200`을 반환했다.

튜토리얼은 `Runner`가 모델과 도구 사이의 반복 과정을 관리한다고 설명했다. 모델은 추가 정보를 요청하고 도구를 다시 호출하며, 최종 답변에 충분한 정보가 모일 때까지 계속 진행할 수 있다. 같은 패턴은 CSV 분석기, 서버 모니터, 로그 분석기, API 자동화에도 적용되며, 기존 Python 함수가 실제 작업을 수행하고 에이전트는 자연어 이해, 도구 선택, 오케스트레이션을 더한다. 마지막으로 `GPT-5.6 Luna` 같은 저렴한 모델이 도구 사용 및 멀티 에이전트 시스템을 대규모로 더 저렴하게 만든다고 설명했다.