惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

博客园 - Franky
D
Docker
Jina AI
Jina AI
The GitHub Blog
The GitHub Blog
博客园 - 聂微东
B
Blog RSS Feed
大猫的无限游戏
大猫的无限游戏
M
MIT News - Artificial intelligence
Vercel News
Vercel News
Microsoft Security Blog
Microsoft Security Blog
博客园 - 叶小钗
爱范儿
爱范儿
D
DataBreaches.Net
Hugging Face - Blog
Hugging Face - Blog
IT之家
IT之家
Recent Announcements
Recent Announcements
U
Unit 42
腾讯CDC
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
宝玉的分享
宝玉的分享
量子位
Stack Overflow Blog
Stack Overflow Blog
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
Microsoft Azure Blog
Microsoft Azure Blog

博客园 - iTech

AI Agent 写完代码谁来测?这个开源沙箱把 CI/CD 和多 Agent 协作全包了 7万星的AI交易框架:让大模型模拟投行多空辩论,自动做交易决策 71000颗星的AI交易团队:让大模型模拟投行分工,自动做交易决策 13400颗星的开源项目:输入一句话,AI全自动帮你做短视频 102颗星的沙盒:当AI学会自己写代码、跑测试、做部署 AI 技术日报 - 2026-05-08 29k 星的 PageIndex:不用向量数据库,靠推理就能做 RAG 每天花两小时刷信息?这个开源项目帮你全自动搞定 读源码像读小说?试了 DeepWiki 和 Zread,我再也不想裸读 GitHub 了 Matt Pocock 开源的这套 .claude 技能,为什么让工程师集体上头? Cursor Team Kit:Cursor 官方团队在用的 17 个 AI 工作流 AI 技术日报 - 2026-05-07 AI 技术日报 - 2026-05-06 AI 技术日报 - 2026-05-05 Anthropic CEO 说 12 个月内程序员要失业,我扒完他的底牌,发现事情没那么简单 把工程师的肌肉记忆装进 Claude Code,这个 4300 Star 的项目我后悔没早用 AI 技术日报 - 2026-05-04 AI 技术日报 - 2026-05-03 AI 技术日报 - 2026-05-02 六大 Agent 框架横评:谁支持 Skills?谁能自动创建 Agent?MCP 呢? Wechatsync:一个 Chrome 插件,一键把文章同步到 31 个平台 LangChain 开源了 Open SWE:Stripe、Ramp、Coinbase 内部都在造的编程 Agent Cockpit:把 Claude Code 从终端里搬出来,装进浏览器 Cursor 把自家的 AI Agent 开放了:写几行 TypeScript 就能调 Cursor 干活 AI 技术日报 - 2026-05-01 AI 写代码每次结果都不一样?Archon 用 YAML 工作流把 AI 编程变成流水线 AI 写代码比你快了,但你还是得学编程——只不过学法得换 腾讯的龙虾特工队:4 个 AI Agent 同日更新,全家桶正式成型 Agno 不做更聪明的 Agent,它要把所有 Agent 框架包进同一个操作系统 Hermes Agent 终于有了像样的 Web 界面,而且还支持远程访问
OpenAI 官方 Agent SDK 来了:22k Star,支持 100+ 模型,Pyt...
iTech · 2026-04-19 · via 博客园 - iTech

OpenAI 官方 Agent SDK 来了:22k Star,支持 100+ 模型,Python 10 行代码上手

等了一年多,OpenAI 终于给出了官方的 Agent 答案——不是 Swam 那个实验品,是一个正经的、生产级的 SDK。openai-agents-python,22k Star,MIT 协议,v0.14.2,迭代速度很快(最近一个月发了 5 个版本)。

最让我意外的是:它不绑定 OpenAI 自己的模型,支持 100+ LLM。这不像 OpenAI 的风格。

本文提纲

  1. 这个 SDK 到底是什么
  2. 核心概念:Agent、Handoff、Guardrail
  3. Sandbox Agent:能操作文件系统的新物种
  4. 跟 LangChain、CrewAI 有什么不同
  5. 10 行代码跑起来
  6. 值不值得用

这个 SDK 到底是什么

一句话:OpenAI 官方出的轻量级 Multi-Agent 框架。

它解决的问题是——怎么用 Python 把多个 LLM Agent 串起来协同工作。跟 LangChain 那种"什么都包"的思路不同,OpenAI Agents SDK 只做几件事,但做得干净:

  • Agent 定义:指令 + 工具 + Handoff + Guardrail
  • Agent 协作:Handoff(交接)和 Agent-as-Tool(Agent 当工具用)
  • 安全护栏:输入/输出 Guardrail,支持 LLM 做判断
  • Human-in-the-loop:内置的人机交互机制
  • Tracing:内置追踪和调试 UI
  • Realtime Agent:支持 gpt-realtime-1.5 做语音 Agent
  • Sandbox Agent:v0.14.0 新增,Agent 可以操作文件系统和容器

安装就一行:

pip install openai-agents

语音支持加个 voice 分组,Redis Session 支持加个 redis 分组。

核心概念:Agent、Handoff、Guardrail

Agent:一切的基础

一个 Agent 就是 LLM + 指令 + 工具的组合:

from agents import Agent, Runner

agent = Agent(
    name="Assistant",
    instructions="You only respond in haikus.",
)

result = await Runner.run(agent, "Tell me about recursion in programming.")
print(result.final_output)
# Function calls itself,
# Looping in smaller pieces,
# Endless by design.

就这么简单。Runner.run() 是异步的,也有同步版本 Runner.run_sync()

Handoff:Agent 之间怎么交接

Handoff 是 Multi-Agent 的核心机制——一个 Agent 觉得自己搞不定,把任务转给另一个更合适的 Agent:

from agents import Agent, Runner

spanish_agent = Agent(
    name="spanish_agent",
    instructions="You translate the user's message to Spanish",
    handoff_description="An english to spanish translator",
)

french_agent = Agent(
    name="french_agent",
    instructions="You translate the user's message to French",
    handoff_description="An english to french translator",
)

orchestrator = Agent(
    name="orchestrator",
    instructions="You are a translation agent. You use the tools given to you to translate.",
    tools=[
        spanish_agent.as_tool(tool_name="translate_to_spanish", tool_description="..."),
        french_agent.as_tool(tool_name="translate_to_french", tool_description="..."),
    ],
)

这里有两种模式:
- Handoff:Agent A 把控制权完全交给 Agent B
- Agent-as-Tool:Agent A 调用 Agent B 当工具用,拿到结果后继续自己的流程

两种模式适用不同场景。Handoff 适合"接力赛",Agent-as-Tool 适合"指挥官模式"。

Guardrail:安全护栏

Guardrail 是跑在 Agent 执行旁边的并行检查,不阻塞主流程,但可以中断执行:

from pydantic import BaseModel
from agents import Agent, GuardrailFunctionOutput, input_guardrail

class MathHomeworkOutput(BaseModel):
    reasoning: str
    is_math_homework: bool

guardrail_agent = Agent(
    name="Guardrail check",
    instructions="Check if the user is asking you to do their math homework.",
    output_type=MathHomeworkOutput,
)

@input_guardrail
async def math_guardrail(context, agent, input):
    result = await Runner.run(guardrail_agent, input, context=context.context)
    final = result.final_output_as(MathHomeworkOutput)
    return GuardrailFunctionOutput(
        output_info=final,
        tripwire_triggered=final.is_math_homework,
    )

用 Pydantic Model 定义输出结构,用 LLM 做判断,tripwire_triggered=True 就会中断 Agent 执行。输入和输出都可以加 Guardrail。

Sandbox Agent:能操作文件系统的新物种

v0.14.0 新增的 Sandbox Agent 是这个 SDK 最大的亮点之一。普通 Agent 只能调用 API 和函数,Sandbox Agent 可以操作真实的文件系统:

from agents import Runner
from agents.run import RunConfig
from agents.sandbox import Manifest, SandboxAgent, SandboxRunConfig
from agents.sandbox.entries import GitRepo
from agents.sandbox.sandboxes import UnixLocalSandboxClient

agent = SandboxAgent(
    name="Workspace Assistant",
    instructions="Inspect the sandbox workspace before answering.",
    default_manifest=Manifest(
        entries={
            "repo": GitRepo(repo="openai/openai-agents-python", ref="main"),
        }
    ),
)

result = Runner.run_sync(
    agent,
    "Inspect the repo README and summarize what this project does.",
    run_config=RunConfig(sandbox=SandboxRunConfig(client=UnixLocalSandboxClient())),
)
print(result.final_output)

这个 Agent 能:
- 克隆 Git 仓库到沙箱
- 读取和检查文件
- 运行命令
- 应用 patch
- 在长时间任务中保持工作区状态

本质上就是一个有文件系统和执行环境的 Agent,跟 Claude Code 的能力很像。

跟 LangChain、CrewAI 有什么不同

我列个表:

特性 OpenAI Agents SDK LangChain/LangGraph CrewAI
定位 轻量 Agent 框架 全栈 LLM 框架 Multi-Agent 编排
学习曲线 低,概念少 高,概念非常多 中等
模型支持 100+ LLM(via any-llm/LiteLLM) 100+ LLM OpenAI + 部分
核心抽象 Agent + Handoff Chain/Graph/Tool Crew + Task + Agent
Sandbox 内置
Realtime/Voice 内置 需额外集成
Guardrail 内置 需自己实现
Tracing 内置 LangSmith(付费)
代码量 10 行 Hello World 30+ 行 Hello World 20+ 行
许可证 MIT MIT MIT

几个关键区别:

1. 概念极简

OpenAI Agents SDK 的核心概念只有 Agent、Runner、Handoff、Guardrail、Tool 五个。LangChain 光是 Chain 就有 LLMChain、SequentialChain、RouterChain……学完文档就累了。

2. 不绑定 OpenAI

这一点最出乎意料。SDK 底层使用 any-llm 和 LiteLLM,支持 OpenAI Responses API、Chat Completions API,以及其他 100+ 模型。用 Claude、Gemini、DeepSeek 都行。

3. Sandbox Agent 是杀手级功能

能操作文件系统和容器的 Agent,目前其他框架都没有开箱即用的支持。这让 Agent 从"只能调 API"进化到了"能做实际工作"。

4. Tracing 免费

LangChain 的 LangSmith 追踪要付费。OpenAI Agents SDK 内置 Tracing,开箱即用,不收钱。

10 行代码跑起来

最快的上手方式:

# 安装
pip install openai-agents

# 设置 API Key(支持任何 OpenAI 兼容的 Key)
export OPENAI_API_KEY=sk-...
import asyncio
from agents import Agent, Runner

async def main():
    agent = Agent(name="Assistant", instructions="You only respond in haikus.")
    result = await Runner.run(agent, "Tell me about recursion in programming.")
    print(result.final_output)

asyncio.run(main())

跑起来。官方 examples 目录有 15+ 场景的完整示例,从 basic 到 customer_service 到 financial_research_agent,拿来就能改。

值不值得用

适合用的场景:

  • 需要快速搭建 Multi-Agent 原型,不想学 LangGraph 那套复杂概念
  • 需要 Sandbox 能力(文件操作、命令执行)
  • 需要 Voice/Realtime Agent
  • 团队用 Python,追求简单直接

不太适合的场景:

  • 需要非常复杂的 DAG 编排(LangGraph 更灵活)
  • 需要 RAG pipeline(LangChain 的文档加载器更丰富)
  • 已有 LangChain 生态的大量代码,迁移成本高

我的判断:如果你是刚开始做 Agent 开发,OpenAI Agents SDK 是目前最好的起点。概念少、代码干净、文档清晰,而且有 OpenAI 团队持续维护。22k Star 说明社区也认可。

项目地址:github.com/openai/openai-agents-python

文档:openai.github.io/openai-agents-python


作者: itech001
来源: 公众号:AI人工智能时代
主页: https://www.theaiera.cn,每日分享最前沿的AI新闻和技术。

本文首发于 AI人工智能时代,转载请注明出处。