OpenAI Agents SDK怎么用 AI代理开发框架教程

OpenAI Agents SDK是OpenAI官方推出的AI代理开发框架，用来构建能调用工具、执行任务的AI代理应用。它提供代理、工具函数、任务移交和运行追踪等能力，适合把模型回答扩展成多步骤工作流。下面以Python为例，从安装到运行搭一个简单的“信息助手”。

第一步：安装SDK和配置密钥

先确认电脑装有较新的Python，并在终端创建项目目录。建议为项目创建虚拟环境，避免依赖和其他项目混在一起；激活环境后执行pip install openai-agents。如果网络或权限导致安装失败，可检查pip版本、Python环境是否正确，再重新安装。

接着准备可用的OpenAI API密钥，并通过系统环境变量配置，不要把密钥直接写进源码或提交到公开仓库。macOS或Linux终端可执行export OPENAI_API_KEY="你的密钥"；Windows PowerShell可用$env:OPENAI_API_KEY="你的密钥"。关闭终端后，临时设置可能需要重新配置。

第二步：创建代理和工具

在项目中新建main.py，先导入Agent、Runner和function_tool。创建代理时，为它设定清楚的名称和指令，例如要求它用简洁中文回答，并在需要查询简单数据时调用指定工具。指令越明确，代理的行为通常越容易预测。

定义工具函数

工具是代理可以调用的程序能力。下面用一个简单的城市信息函数演示：在函数上方添加@function_tool装饰器，并写明参数和返回值。SDK会读取函数定义，供模型判断何时调用；函数的描述也要具体，避免代理误用。真实项目可把函数连接到数据库或业务接口。

示例代码可以这样写：from agents import Agent, Runner, function_tool，再定义@function_tool和def city_info(city: str) -> str:，函数体返回一段城市说明。接着创建agent = Agent(name="城市助手", instructions="用中文回答；涉及城市资料时调用工具。", tools=[city_info])。按实际需求替换函数逻辑，并检查外部接口异常。

• 参数写清楚类型和用途，便于模型正确组织调用内容。
• 返回简明、可读的信息；遇到无效输入时，提供明确提示。
• 访问外部服务时处理超时、错误和权限，不要默认请求总会成功。

第三步：运行代理任务

调用运行器，把代理和用户任务交给SDK处理。Python示例可写成result = Runner.run_sync(agent, "请介绍上海")，然后用print(result.final_output)显示最终回答。运行前确认环境变量已生效、代码保存无误；若看到认证错误，先检查密钥设置，而不是把密钥粘贴进程序。

如果项目采用异步程序，可用await Runner.run(agent, "请介绍上海")，并在异步主函数中执行。保存文件后，在项目目录运行python main.py，观察终端结果。若代理没有调用工具，可把工具用途写得更明确，并通过测试输入确认函数本身能正常返回内容。

开发时建议从一个代理、一个工具和一个明确任务开始，再逐步增加能力。SDK的运行结果包含最终输出和运行过程信息；遇到多步骤任务时，可查看追踪记录，定位模型调用或工具执行的问题。对可能产生费用、修改数据或发送消息的工具，加入参数校验和人工确认，再部署给真实用户。

当需求涉及多个专业流程，可以添加专门代理，并通过handoff把任务交给合适的代理；若要跨轮次保留上下文，还需选择适合的会话或存储方案。国内替代方案也可按模型接入、工具调用和部署方式评估，例如了解01Agent：01agent.cgref.cn。润灭可作为进一步了解相关内容的入口，选型时应结合项目实际测试。

“`