5分鐘跑通多智能體協(xié)作OpenAI Agents SDK 完整指南【免費(fèi)下載鏈接】openai-agents-pythonA lightweight, powerful framework for multi-agent workflows項(xiàng)目地址: https://gitcode.com/GitHub_Trending/op/openai-agents-python如果你想做一個(gè)多個(gè)智能體分工協(xié)作的 LLM 應(yīng)用OpenAI Agents SDK 是我會(huì)推薦的最輕起點(diǎn)。它是 OpenAI 出品的多智能體工作流框架把一個(gè)帶指令、帶工具的大模型包裝成智能體其余的——任務(wù)怎么在智能體之間流轉(zhuǎn)、輸入輸出怎么把關(guān)、對(duì)話怎么記住、過程怎么記錄——它都替你兜住了。你只管定義角色和分工不用自己搭調(diào)度、拼消息、記日志。輕量級(jí)多智能體工作流框架適合什么樣的活兒很多人一聽到多智能體就擔(dān)心是不是過度設(shè)計(jì)。其實(shí)反過來任務(wù)稍微復(fù)雜一點(diǎn)把所有事情壓進(jìn)一個(gè) prompt 的代價(jià)會(huì)很快顯現(xiàn)——指令又長(zhǎng)、工具又多質(zhì)量反而難保證。更穩(wěn)的做法是分工一個(gè)智能體負(fù)責(zé)分診一個(gè)負(fù)責(zé)具體業(yè)務(wù)一個(gè)負(fù)責(zé)收尾框架負(fù)責(zé)讓這個(gè)分工跑起來膠水代碼越少越好。它典型的用武之地客服類系統(tǒng)路由 專項(xiàng)應(yīng)答 輸出審查、研究或報(bào)告生成搜集 → 分析 → 成文以及一切先問模型、再跑代碼、再讓模型判斷的流程。底層模型也沒被綁死——除了 OpenAI 自家的 Responses 和 Chat Completions 兩套調(diào)用接口它還能經(jīng)由 LiteLLM 等接入方式可以理解為各家大模型之間的轉(zhuǎn)接臺(tái)連上 100 多家其他模型提供商換模型基本不用動(dòng)架構(gòu)。反過來如果你的需求只是跟一個(gè)模型聊幾句、輸出一段話那直接用 API 就夠了上這套框架反而重。它的價(jià)值在流程開始分叉、循環(huán)、需要記憶的時(shí)候才真正體現(xiàn)。寫代碼之前先弄懂這五個(gè)問題真正要記的東西只有一件**智能體Agent**就是一個(gè)掛了人設(shè)說明和工具箱的大模型剩下四個(gè)概念都圍繞智能體之間怎么配合、你怎么管理它們。按你自然會(huì)問的問題過一遍概念你會(huì)問的問題一句話回答Agent智能體誰(shuí)來干活一個(gè)配了角色說明和技能工具的同事Handoff交接任務(wù)怎么在智能體之間傳像接力賽交棒把整段對(duì)話移交給下一位Guardrail護(hù)欄怎么防止輸出跑偏并行運(yùn)作的審查崗獨(dú)立檢查輸入和輸出Session會(huì)話怎么記住上一輪說了什么框架替你存好歷史下次請(qǐng)求自動(dòng)帶上Tracing追蹤出了問題怎么查原因每次模型調(diào)用、工具執(zhí)行、交接都記成時(shí)間線順帶兩點(diǎn)護(hù)欄和主流程并行跑基本不增加延遲框架還支持結(jié)構(gòu)化輸出智能體可以直接返回一段能被代碼校驗(yàn)的 JSON對(duì)分類任務(wù)或程序化編排特別順手。 五分鐘裝好并跑通第一個(gè)智能體環(huán)境上只有一個(gè)要求Python 3.9 及以上。裝包一條命令pip install openai-agents然后幾行代碼就能跑起第一個(gè)智能體。給它起個(gè)名字、寫一句人設(shè)Runner 會(huì)同步執(zhí)行并把最終回答交給你from agents import Agent, Runner agent Agent(nameAssistant, instructionsYou are a helpful assistant.) result Runner.run_sync(agent, Write a haiku about recursion in programming.) print(result.final_output)配置好 OpenAI 密鑰后打印出來的就是一首俳句。注意final_output只是最終文字中間發(fā)生的工具調(diào)用、交接全都有記錄后面排錯(cuò)時(shí)用得上你不需要自己處理。搭一個(gè)多語(yǔ)言客服分診智能體交接與函數(shù)工具實(shí)戰(zhàn)拼一個(gè)真實(shí)點(diǎn)的場(chǎng)景客服入口。用戶進(jìn)來可能說西班牙語(yǔ)也可能說英語(yǔ)分診智能體看一眼語(yǔ)言把對(duì)話交給對(duì)應(yīng)專家專家自己還可以掛函數(shù)工具比如查天氣。import asyncio from agents import Agent, Runner spanish Agent(nameSpanish agent, instructionsOnly reply in Spanish.) english Agent(nameEnglish agent, instructionsOnly reply in English.) triage Agent(nameTriage agent, instructionsDecide which agent to hand off to based on the users language., handoffs[spanish, english]) async def main(): result await Runner.run(triage, inputHi, hows it going?) print(result.final_output) asyncio.run(main())幕后發(fā)生的事是 Runner 在跑一個(gè)循環(huán)把消息歷史交給模型等回復(fù)回復(fù)里有最終答案就收工要求用工具就先執(zhí)行工具、把結(jié)果塞回歷史再問一次模型要求交接就換上新智能體繼續(xù)。反復(fù)直到拿到最終答案——這套狀態(tài)機(jī)你一行都不用寫。函數(shù)工具也是同樣的思路把一個(gè)普通 Python 函數(shù)用裝飾器標(biāo)一下模型就會(huì)自己學(xué)會(huì)按參數(shù)調(diào)用它比如客服對(duì)話里順手把get_weather(city)的結(jié)果帶出來。讓智能體記住上一輪對(duì)話多輪對(duì)話最磨人的是記憶。自己寫循環(huán)的話每輪都得把完整歷史拼進(jìn)請(qǐng)求漏掉一點(diǎn)上下文就斷了。用框架做會(huì)話管理你只需創(chuàng)建一個(gè)會(huì)話對(duì)象跑智能體時(shí)順手傳進(jìn)去第一輪問金門大橋在哪個(gè)城市答案是舊金山第二輪只問它在哪個(gè)州智能體會(huì)接著上文回答加州。會(huì)話記憶全程無(wú)感存到哪里你說了算。SQLite一個(gè)單文件的輕量數(shù)據(jù)庫(kù)最省事SQLiteSession開箱即用本地和單機(jī)部署足夠。 出了問題先看追蹤框架默認(rèn)就開著智能體追蹤每次運(yùn)行都會(huì)自動(dòng)留一條時(shí)間線——調(diào)了哪個(gè)模型、花了多少 token、執(zhí)行了什么工具、在哪個(gè)時(shí)刻交接給了誰(shuí)。輸出不對(duì)的時(shí)候先打開追蹤看通常半分鐘就能定位是指令寫得不對(duì)、工具選錯(cuò)了還是交接交歪了。追蹤層本身可擴(kuò)展想把數(shù)據(jù)同步到 Logfire、AgentOps、Braintrust 這類第三方可觀測(cè)平臺(tái)接一個(gè)處理器即可智能體代碼不用改。寫給生產(chǎn)環(huán)境的實(shí)戰(zhàn)清單反復(fù)調(diào)真實(shí)系統(tǒng)后沉淀下來的五條經(jīng)驗(yàn)短平快提示詞寫具體——把有哪些工具、何時(shí)用、參數(shù)長(zhǎng)什么樣都說明白別指望模型猜。監(jiān)控優(yōu)先——看不見的輸出沒法迭代先讓運(yùn)行過程可見。允許自我批評(píng)——循環(huán)里讓智能體先給自己的輸出打分再修改質(zhì)量提升很快。單一職責(zé)——每個(gè)智能體只擅長(zhǎng)一件事別指望一個(gè)全能選手包打天下。投入評(píng)估體系——準(zhǔn)備一組測(cè)試題給智能體打分改進(jìn)才有方向。之后往哪部署下一步做什么上生產(chǎn)時(shí)認(rèn)準(zhǔn)兩個(gè)方向應(yīng)用要跨機(jī)器部署就把會(huì)話后端換成 Redis一個(gè)內(nèi)存數(shù)據(jù)庫(kù)會(huì)話記憶自然變成分布式共享有跑很久、中間還要人介入的任務(wù)就搭 Temporal一種持久化工作流引擎這類設(shè)施讓流程可中斷、可恢復(fù)。你的下一步先把上面那 5 行 Hello World 跑起來再去翻倉(cāng)庫(kù)里的 examples/ 目錄官方文檔在 docs/按場(chǎng)景名搜基本都有現(xiàn)成樣例?！久赓M(fèi)下載鏈接】openai-agents-pythonA lightweight, powerful framework for multi-agent workflows項(xiàng)目地址: https://gitcode.com/GitHub_Trending/op/openai-agents-python創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考