代码审查 Agent 实战

使用 Sandbox Agent 实现自动化的代码审查、Bug 修复和单元测试生成。

研究助手实战

构建一个支持网页搜索、文件读取、数据分析和报告生成的研究助手。

客服机器人实战

从零构建一个支持订单查询、退款处理和 FAQ 的智能客服多 Agent 系统。

多模型提供商支持

OpenAIResponsesModel、OpenAIChatCompletionsModel、LitellmAdapter:适配 100+ LLM。

上下文管理

RunContextWrapper:在 Agent、工具和 Handoff 之间共享应用状态和依赖。

Sandbox Agent 沙箱代理

SandboxAgent + Manifest + Capabilities:在隔离工作空间中执行长期任务。

流式事件与调试

Runner.run_streamed() 和 stream_events():实时接收 LLM 流式输出和事件。

自定义追踪处理器

BatchTraceProcessor、自定义 TraceProcessor:将追踪数据发送到自有监控系统。

Tracing 追踪系统

内置追踪:trace、agent_span、generation_span、function_span 的自动采集与查看。

运行状态与恢复

RunState 序列化、to_state/from_state:中断运行的保存、恢复和继续执行。

人工介入 Human in the loop

needs_approval、interruptions 和 RunState:在关键操作前暂停等待人工审批。

Session 会话管理

SQLiteSession 和 RedisSession:自动管理跨多次运行的对话历史。

工具级防护与 Tripwire

Tool Guardrails:为单个工具配置输入/输出校验和 Tripwire 熔断机制。

Guardrails 输出防护

Output Guardrails:如何在 Agent 返回结果前校验输出内容。

Guardrails 输入防护

Input Guardrails:如何在 Agent 执行前校验用户输入,拦截恶意请求,节省成本和资源。

输入过滤与会话管理

HandoffInputData、input_filter 和 nest_handoff_history:控制交接时的上下文传递。

多 Agent 编排策略

LLM 编排 vs 代码编排:两种策略的适用场景、优缺点和混合使用方案。

Agent 作为工具模式

Manager-Specialist 模式:使用 Agent.as_tool() 构建分层多智能体系统。

Handoff 交接机制

Handoff 详解:如何实现 Agent 之间的任务委托、输入过滤和会话嵌套,构建专业的多智能体系统。

沙箱工具

ComputerTool、ShellTool、ApplyPatchTool:在沙箱环境中执行代码和文件操作。

MCP 工具集成

集成 Model Context Protocol (MCP) 工具:本地 STDIO、SSE 和托管 MCP 服务器。

Agent 作为工具

Agent.as_tool() 模式:让一个 Agent 成为另一个 Agent 的工具,实现管理器模式。

工具搜索与命名空间

ToolSearchTool 和 tool_namespace:如何在运行时按需加载大量工具。

OpenAI 托管工具

WebSearchTool、FileSearchTool、CodeInterpreterTool、ImageGenerationTool 等托管工具详解。

函数工具 Function Tool

使用 @function_tool 装饰器将任意 Python 函数封装为 Agent 可调用的工具,支持类型注解、文档字符串和结构化参数。

生命周期与 Hooks

Agent 生命周期事件:on_start、on_end、on_handoff 等 Hook 的注册与使用。

结构化输出

使用 Pydantic 模型定义 output_type,让 Agent 返回类型安全的数据结构。

模型选择与配置

ModelSettings 详解:temperature、top_p、tool_choice,以及多模型提供商适配。

指令工程与动态提示词

如何编写高质量的 Agent 指令,以及使用动态提示词模板和回调函数。

Agent 配置详解

深入解析 Agent 的全部配置项:name、instructions、model、tools、guardrails、handoffs 等。

SDK 核心概念一览

系统梳理 Agents SDK 的 9 大核心概念及其相互关系,建立完整的知识地图。

第一个 Agent 程序

从零开始编写并运行第一个 Agents SDK 程序,理解 Agent、Runner 和 RunResult 的关系。

安装与环境配置

详解 Python 虚拟环境、API Key 配置、可选依赖安装,以及 uv 和 pip 两种方案的选择建议。

OpenAI Agents SDK 快速上手

OpenAI Agents SDK 是一个轻量而强大的多智能体工作流框架,支持 OpenAI Responses API、Chat Completions API 以及 100+ 其他 LLM。本文带你快速了解 SDK 的核心架构与设计理念。