openai-agents-python
openai-agents-python 是 OpenAI 推出的一款轻量级却功能强大的 Python 框架,专为构建多智能体(Multi-Agent)工作流而设计。它旨在解决开发者在协调多个 AI 智能体协作时的复杂性难题,让构建能够自主规划、调用工具并相互交接任务的智能系统变得简单高效。
这款工具非常适合希望深入开发复杂 AI 应用的软件工程师、研究人员及技术团队使用。其核心亮点在于“提供商无关”的设计,不仅完美支持 OpenAI 自家的 API,还能无缝对接超过 100 种其他大语言模型。框架内置了丰富的核心概念:支持将智能体作为工具互相调用(Handoffs),提供可配置的安全护栏(Guardrails)以确保输入输出合规,原生集成“人机协同”机制以便在关键节点引入人工干预,并具备自动会话管理和全链路追踪功能,帮助开发者轻松调试和优化工作流。此外,它还特别支持基于 gpt-realtime 模型的实时语音智能体开发。无论是快速原型验证还是生产级部署,openai-agents-python 都能以简洁的代码结构,助你灵活搭建高度自治的 AI 协作网络。
使用场景
某电商技术团队正在构建一个能自动处理复杂售后请求的智能客服系统,需协调退款审核、物流查询与情绪安抚等多个环节。
没有 openai-agents-python 时
- 流程割裂难协同:开发者需手动编写大量胶水代码串联不同功能的 LLM,导致“退款专员”与“物流助手”之间无法自动传递上下文,任务经常中断。
- 状态管理混乱:多轮对话的历史记录和中间状态需自行设计数据库 schema 存储,容易出现数据不一致或会话丢失,调试时难以复现问题现场。
- 安全风控缺失:缺乏统一的输入输出过滤机制,模型可能输出不合规承诺或被恶意提示词注入,每次迭代都需重复编写校验逻辑。
- 人工介入成本高:遇到疑难杂症需要转人工时,没有标准化的“挂起 - 唤醒”机制,往往需要重新向人类客服陈述整个背景,效率极低。
使用 openai-agents-python 后
- 原生多代理编排:利用 Handoffs 机制定义清晰的职责边界,主代理可一键将任务移交给专门的“退款代理”或“物流代理”,上下文自动无缝流转。
- 内置会话与追踪:Sessions 模块自动管理对话历史,配合 Tracing 可视化界面,开发者能像看调用栈一样清晰复盘每个代理的决策路径和耗时。
- 标准化护栏体系:通过 Guardrails 配置统一的安全检查策略,自动拦截敏感输入并修正违规输出,让业务逻辑更专注于核心功能而非防御性编程。
- 流畅的人机协作:借助 Human in the loop 特性,系统在不确定时自动暂停并请求人工确认,审批通过后自动恢复执行,实现了真正的混合智能工作流。
openai-agents-python 将原本碎片化的脚本拼凑升级为可观测、可管控的企业级多智能体协作网络,大幅降低了复杂自动化流程的开发与维护门槛。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
OpenAI Agents SDK 
OpenAI Agents SDK 是一个轻量级但功能强大的框架,用于构建多智能体工作流。它与提供商无关,支持 OpenAI 的 Responses 和 Chat Completions API,以及 100 多种其他大语言模型。
[!NOTE] 您在寻找 JavaScript/TypeScript 版本吗?请查看 Agents SDK JS/TS。
核心概念:
- 智能体:配置了指令、工具、安全约束和交接机制的大语言模型
- 作为工具的智能体 / 交接:将特定任务委托给其他智能体
- 工具:各种工具使智能体能够执行操作(函数、MCP、托管工具)
- 安全约束:可配置的安全检查,用于输入和输出验证
- 人类参与环节:内置机制,可在智能体运行过程中引入人工干预
- 会话:自动管理跨智能体运行的对话历史
- 追踪:内置的智能体运行跟踪功能,允许您查看、调试和优化工作流
- 实时智能体:使用
gpt-realtime-1.5和完整智能体功能构建强大的语音智能体
浏览 examples 目录,了解 SDK 的实际应用;更多详细信息请参阅我们的 文档。
开始使用
要开始使用,请设置您的 Python 环境(需 Python 3.10 或更高版本),然后安装 OpenAI Agents SDK 包。
venv
python -m venv .venv
source .venv/bin/activate # 在 Windows 上:.venv\Scripts\activate
pip install openai-agents
如需语音支持,请使用可选的 voice 组进行安装:pip install 'openai-agents[voice]'。如需 Redis 会话支持,请使用可选的 redis 组进行安装:pip install 'openai-agents[redis]'。
uv
如果您熟悉 uv,安装该包将更加简单:
uv init
uv add openai-agents
如需语音支持,请使用可选的 voice 组进行安装:uv add 'openai-agents[voice]'。如需 Redis 会话支持,请使用可选的 redis 组进行安装:uv add 'openai-agents[redis]'。
运行您的第一个智能体
from agents import Agent, Runner
agent = Agent(name="Assistant", instructions="您是一位乐于助人的助手")
result = Runner.run_sync(agent, "写一首关于编程中递归的俳句。")
print(result.final_output)
# 代码之中藏代码,
# 函数自调自身时,
# 无限循环舞翩跹。
(运行此代码时,请确保已设置 OPENAI_API_KEY 环境变量)
(对于 Jupyter Notebook 用户,请参阅 hello_world_jupyter.ipynb)
浏览 examples 目录,了解 SDK 的实际应用;更多详细信息请参阅我们的 文档。
致谢
我们谨向开源社区的杰出工作表示感谢,特别是:
本库具有以下可选依赖项:
我们还依靠以下工具来管理项目:
我们致力于继续将 Agents SDK 打造成一个开源框架,以便社区中的其他人能够在此基础上进一步发展。
版本历史
v0.13.62026/04/09v0.13.52026/04/06v0.13.42026/04/01v0.13.32026/03/31v0.13.22026/03/26v0.13.12026/03/25v0.13.02026/03/23v0.12.52026/03/19v0.12.42026/03/18v0.12.32026/03/16v0.12.22026/03/14v0.12.12026/03/13v0.12.02026/03/12v0.11.12026/03/09v0.11.02026/03/09v0.10.52026/03/05v0.10.42026/03/03v0.10.32026/03/02v0.10.22026/02/26v0.10.12026/02/24相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备