Update all translated document pages (#1313)

Author: github-actions[bot]

docs/ja/agents.md

@@ -4,16 +4,16 @@ search:
 ---
 # エージェント
 
-エージェント は、アプリの中心的なビルディングブロックです。エージェント は、指示 (`instructions`) とツール (`tools`) で構成された LLM です。
+エージェントはアプリの中核を成す構成要素です。エージェントとは、 instructions と tools で構成された大規模言語モデル ( LLM ) です。
 
 ## 基本設定
 
-エージェント で最もよく設定するプロパティは次のとおりです。
+もっとも一般的に設定するエージェントのプロパティは次のとおりです。
 
-- `name`:  エージェント を識別する必須の文字列です。  
-- `instructions`:  開発者メッセージ、または システムプロンプト とも呼ばれます。  
-- `model`:  使用する LLM を指定します。`model_settings` を使って temperature、top_p などのモデル チューニング パラメーターを設定できます。  
-- `tools`:  エージェント がタスクを達成するために使用できるツールです。  
+- `name` : エージェントを識別する必須の文字列です。  
+- `instructions` : developer message または system prompt とも呼ばれます。  
+- `model` : 使用する LLM を指定します。また、 `model_settings` を用いて temperature や top_p などのチューニングパラメーターを任意で設定できます。  
+- `tools` : エージェントがタスクを遂行するために使用できる tools です。  
 
 ```python
 from agents import Agent, ModelSettings, function_tool
@@ -33,7 +33,7 @@ agent = Agent(
 
 ## コンテキスト
 
-エージェント はその `context` 型についてジェネリックです。コンテキストは dependency-injection 用のオブジェクトで、あなたが作成して `Runner.run()` に渡し、実行中のエージェント・ツール・ハンドオフ などすべてに共有されます。実行に必要な依存関係や状態をまとめて保持する入れ物として機能します。コンテキストには任意の Python オブジェクトを渡せます。
+エージェントは `context` 型についてジェネリックになっています。コンテキストは依存性注入のための仕組みで、あなたが作成して `Runner.run()` に渡すオブジェクトです。このオブジェクトはすべてのエージェント、 tool 、 handoff などへ引き渡され、実行時の依存関係や状態を保持する入れ物として機能します。任意の Python オブジェクトをコンテキストとして渡せます。
 
 ```python
 @dataclass
@@ -52,7 +52,7 @@ agent = Agent[UserContext](
 
 ## 出力タイプ
 
-デフォルトでは、エージェント はプレーンテキスト (つまり `str`) を出力します。特定の型で出力させたい場合は `output_type` パラメーターを使用します。一般的には [ Pydantic ](https://docs.pydantic.dev/) オブジェクトを使いますが、Pydantic の [ TypeAdapter ](https://docs.pydantic.dev/latest/api/type_adapter/) でラップできる型 (dataclass、list、TypedDict など) なら何でもサポートされています。
+デフォルトでは、エージェントはプレーンテキスト ( つまり `str` ) を出力します。特定の型で出力させたい場合は、 `output_type` パラメーターを使用します。よく使われるのは Pydantic オブジェクトですが、Pydantic の TypeAdapter にラップできる型であれば何でもサポートしています。たとえば dataclass 、 list 、 TypedDict などです。
 
 ```python
 from pydantic import BaseModel
@@ -73,11 +73,11 @@ agent = Agent(
 
 !!! note
 
-    `output_type` を渡すと、モデルは通常のプレーンテキストではなく [structured outputs](https://platform.openai.com/docs/guides/structured-outputs) を使用するよう指示されます。
+    `output_type` を渡すと、モデルは通常のプレーンテキストの代わりに structured outputs を使用するよう指示されます。
 
 ## ハンドオフ
 
-ハンドオフ は、エージェント が委譲できるサブエージェントです。ハンドオフ のリストを渡すことで、関連性がある場合にエージェント がそれらへ委譲できます。これは、単一タスクに特化したモジュール化 エージェント をオーケストレーションする強力なパターンです。詳細は [ハンドオフ](handoffs.md) ドキュメントを参照してください。
+ハンドオフは、エージェントが委譲できるサブエージェントです。ハンドオフのリストを渡すと、エージェントは状況に応じてそれらへ委譲できます。これは、単一のタスクに特化したモジュラーなエージェントを編成できる強力なパターンです。詳細は handoffs のドキュメントをご覧ください。
 
 ```python
 from agents import Agent
@@ -98,7 +98,7 @@ triage_agent = Agent(
 
 ## 動的 instructions
 
-多くの場合、エージェント 作成時に instructions を指定しますが、関数を使って動的に instructions を生成することもできます。この関数はエージェント と コンテキスト を受け取り、プロンプトを返す必要があります。通常の関数と `async` 関数の両方を使用できます。
+ほとんどの場合、エージェント作成時に instructions を渡しますが、関数を通じて動的に instructions を生成することもできます。その関数は agent と context を受け取り、プロンプトを返す必要があります。同期関数と async 関数の両方を指定できます。
 
 ```python
 def dynamic_instructions(
@@ -115,15 +115,15 @@ agent = Agent[UserContext](
 
 ## ライフサイクルイベント (hooks)
 
-エージェント のライフサイクルを観察したい場合があります。たとえば、イベントをログに残したり、特定のイベント発生時にデータを事前取得したりするケースです。`hooks` プロパティを使って エージェント のライフサイクルにフックできます。[`AgentHooks`][agents.lifecycle.AgentHooks] を継承し、関心のあるメソッドをオーバーライドしてください。
+エージェントのライフサイクルを監視したい場合があります。たとえば、イベントを記録したり、特定のイベントが起きた際にデータを事前取得したりするケースです。 `hooks` プロパティを使ってエージェントのライフサイクルにフックできます。 `AgentHooks` クラスを継承し、必要なメソッドをオーバーライドしてください。
 
 ## ガードレール
 
-ガードレール を使うと、エージェント 実行と並行してユーザー入力に対するチェックやバリデーションを行えます。たとえば、ユーザー入力の関連性をフィルタリングできます。詳細は [guardrails](guardrails.md) ドキュメントを参照してください。
+ガードレールを使うと、エージェントの実行と並行してユーザー入力のチェックやバリデーションを行えます。たとえば、ユーザー入力の関連性をスクリーニングすることが可能です。詳細は guardrails のドキュメントを参照してください。
 
-## エージェントの複製とコピー
+## エージェントのクローン／コピー
 
-`clone()` メソッドを使用すると、エージェント を複製し、必要に応じて任意のプロパティを変更できます。
+エージェントの `clone()` メソッドを使うと、エージェントを複製し、必要に応じて任意のプロパティを変更できます。
 
 ```python
 pirate_agent = Agent(
@@ -140,12 +140,12 @@ robot_agent = pirate_agent.clone(
 
 ## ツール使用の強制
 
-ツールのリストを渡しても、必ずしも LLM がツールを使用するとは限りません。[`ModelSettings.tool_choice`][agents.model_settings.ModelSettings.tool_choice] を設定することでツール使用を強制できます。指定できる値は次のとおりです。
+tools のリストを渡しても、 LLM が必ずしもツールを使用するとは限りません。 [`ModelSettings.tool_choice`][agents.model_settings.ModelSettings.tool_choice] を設定することでツール使用を強制できます。有効な値は次のとおりです:
 
-1. `auto` :  LLM がツールを使うかどうかを判断します。  
-2. `required` :  LLM にツール使用を必須とします (どのツールを使うかは自動判断)。  
-3. `none` :  LLM にツールを使用しないよう必須とします。  
-4. 文字列を指定 (例: `my_tool`) :  指定したツールを必ず使用させます。  
+1. `auto` : LLM がツールを使うかどうかを判断します。  
+2. `required` : LLM にツール使用を必須とします ( どのツールを使うかは賢く選択されます )。  
+3. `none` : LLM にツールを使用させません。  
+4. 特定の文字列 ( 例 `my_tool` ) を設定すると、そのツールの使用を強制します。  
 
 ```python
 from agents import Agent, Runner, function_tool, ModelSettings
@@ -165,10 +165,10 @@ agent = Agent(
 
 ## ツール使用の挙動
 
-`Agent` の `tool_use_behavior` パラメーターは、ツールの出力をどのように扱うかを制御します。
+`Agent` の `tool_use_behavior` パラメーターは、ツールの出力をどのように扱うかを制御します:
 
-- `"run_llm_again"`: デフォルト。ツールを実行し、その結果を LLM が処理して最終応答を生成します。  
-- `"stop_on_first_tool"`: 最初のツール呼び出しの出力を最終応答として使用し、追加の LLM 処理は行いません。  
+- `"run_llm_again"` : デフォルト。ツールを実行し、その結果を LLM が処理して最終レスポンスを生成します。  
+- `"stop_on_first_tool"` : 最初のツール呼び出しの出力をそのまま最終レスポンスとして使用し、以降 LLM は処理を行いません。  
 
 ```python
 from agents import Agent, Runner, function_tool, ModelSettings
@@ -186,7 +186,8 @@ agent = Agent(
 )
 ```
 
-- `StopAtTools(stop_at_tool_names=[...])`: 指定したツールが呼び出された時点で停止し、その出力を最終応答として使用します。  
+- `StopAtTools(stop_at_tool_names=[...])` : 指定したツールが呼び出された時点で停止し、その出力を最終レスポンスとして使用します。  
+
 ```python
 from agents import Agent, Runner, function_tool
 from agents.agent import StopAtTools
@@ -208,7 +209,8 @@ agent = Agent(
     tool_use_behavior=StopAtTools(stop_at_tool_names=["get_weather"])
 )
 ```
-- `ToolsToFinalOutputFunction`: ツール結果を処理し、停止するか LLM を続行するかを判断するカスタム関数です。  
+
+- `ToolsToFinalOutputFunction` : ツール結果を処理し、停止するか LLM を続行するかを判断するカスタム関数です。  
 
 ```python
 from agents import Agent, Runner, function_tool, FunctionToolResult, RunContextWrapper
@@ -246,4 +248,4 @@ agent = Agent(
 
 !!! note
 
-    無限ループを防ぐため、フレームワークはツール呼び出し後に `tool_choice` を自動で `"auto"` にリセットします。この挙動は [`agent.reset_tool_choice`][agents.agent.Agent.reset_tool_choice] で設定できます。無限ループは、ツール結果が LLM に送られ、`tool_choice` により LLM が再度ツールを呼び出し…という処理が繰り返されることで発生します。
+    無限ループを防ぐため、フレームワークはツール呼び出し後に `tool_choice` を自動的に "auto" にリセットします。この挙動は [`agent.reset_tool_choice`][agents.agent.Agent.reset_tool_choice] で設定できます。無限ループは、ツール結果が LLM に送信され、その `tool_choice` により再びツール呼び出しが生成されることを繰り返すために発生します。

docs/ja/config.md

@@ -6,15 +6,15 @@ search:
 
 ## API キーとクライアント
 
-デフォルトでは、 SDK はインポートされた直後に LLM へのリクエストとトレーシングのための `OPENAI_API_KEY` 環境変数を検索します。アプリ起動前にこの環境変数を設定できない場合は、 [set_default_openai_key()][agents.set_default_openai_key] 関数でキーを設定できます。
+デフォルトでは、SDK はインポートされた直後に LLM リクエストとトレーシング用の `OPENAI_API_KEY` 環境変数を参照します。アプリ起動前にこの環境変数を設定できない場合は、[set_default_openai_key()][agents.set_default_openai_key] 関数を使ってキーを設定できます。
 
 ```python
 from agents import set_default_openai_key
 
 set_default_openai_key("sk-...")
 ```
 
-代わりに、使用する OpenAI クライアントを設定することもできます。デフォルトでは、 SDK は環境変数または上記で設定したデフォルトキーを使って `AsyncOpenAI` インスタンスを生成します。この動作は [set_default_openai_client()][agents.set_default_openai_client] 関数で変更できます。
+別の方法として、使用する OpenAI クライアントを設定することもできます。デフォルトでは、SDK は環境変数もしくは上記で設定したデフォルトキーを使って `AsyncOpenAI` インスタンスを生成します。[set_default_openai_client()][agents.set_default_openai_client] 関数を使用するとこれを変更できます。
 
 ```python
 from openai import AsyncOpenAI
@@ -24,7 +24,7 @@ custom_client = AsyncOpenAI(base_url="...", api_key="...")
 set_default_openai_client(custom_client)
 ```
 
-最後に、使用する OpenAI API をカスタマイズすることも可能です。デフォルトでは OpenAI Responses API を使用していますが、 [set_default_openai_api()][agents.set_default_openai_api] 関数を使って Chat Completions API に変更できます。
+最後に、使用する OpenAI API をカスタマイズすることも可能です。デフォルトでは OpenAI Responses API を利用しますが、[set_default_openai_api()][agents.set_default_openai_api] 関数を用いれば Chat Completions API に変更できます。
 
 ```python
 from agents import set_default_openai_api
@@ -34,15 +34,15 @@ set_default_openai_api("chat_completions")
 
 ## トレーシング
 
-トレーシングはデフォルトで有効です。デフォルトでは、上記セクションで説明した OpenAI API キー（環境変数または設定したデフォルトキー）が使用されます。トレーシングで使用する API キーを個別に設定したい場合は、 [`set_tracing_export_api_key`][agents.set_tracing_export_api_key] 関数を使用してください。
+トレーシングはデフォルトで有効になっています。上記セクションで設定した OpenAI API キー（環境変数またはデフォルトキー）がそのまま使用されます。トレーシング専用の API キーを指定したい場合は、[`set_tracing_export_api_key`][agents.set_tracing_export_api_key] 関数を使用してください。
 
 ```python
 from agents import set_tracing_export_api_key
 
 set_tracing_export_api_key("sk-...")
 ```
 
-トレーシングを完全に無効化するには、 [`set_tracing_disabled()`][agents.set_tracing_disabled] 関数を使います。
+トレーシングを完全に無効化したい場合は、[`set_tracing_disabled()`][agents.set_tracing_disabled] 関数を使用できます。
 
 ```python
 from agents import set_tracing_disabled
@@ -52,17 +52,17 @@ set_tracing_disabled(True)
 
 ## デバッグロギング
 
-SDK にはハンドラーが設定されていない Python ロガーが 2 つあります。デフォルトでは、警告とエラーが `stdout` に送られ、その他のログは抑制されます。
+SDK にはハンドラーが設定されていない Python ロガーが 2 つあります。デフォルトでは、警告とエラーが `stdout` に出力され、それ以外のログは抑制されます。
 
-詳細なログを有効にするには、 [`enable_verbose_stdout_logging()`][agents.enable_verbose_stdout_logging] 関数を使用してください。
+詳細なログを有効にするには、[`enable_verbose_stdout_logging()`][agents.enable_verbose_stdout_logging] 関数を使用してください。
 
 ```python
 from agents import enable_verbose_stdout_logging
 
 enable_verbose_stdout_logging()
 ```
 
-また、ハンドラー、フィルター、フォーマッターなどを追加してログをカスタマイズすることもできます。詳細は [Python logging guide](https://docs.python.org/3/howto/logging.html) をご覧ください。
+また、ハンドラー、フィルター、フォーマッターなどを追加してログをカスタマイズすることもできます。詳しくは [Python logging guide](https://docs.python.org/3/howto/logging.html) を参照してください。
 
 ```python
 import logging
@@ -83,15 +83,15 @@ logger.addHandler(logging.StreamHandler())
 
 ### ログに含まれる機密データ
 
-一部のログには機密データ（たとえば ユーザー データ）が含まれる場合があります。これらのデータが記録されないようにするには、次の環境変数を設定してください。
+一部のログには機密データ（例: ユーザー データ）が含まれる場合があります。これらのデータをログに残したくない場合は、以下の環境変数を設定してください。
 
-LLM の入力と出力のログを無効にするには:
+LLM の入力および出力のロギングを無効にするには:
 
 ```bash
 export OPENAI_AGENTS_DONT_LOG_MODEL_DATA=1
 ```
 
-ツールの入力と出力のログを無効にするには:
+ツールの入力および出力のロギングを無効にするには:
 
 ```bash
 export OPENAI_AGENTS_DONT_LOG_TOOL_DATA=1