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

大猫的无限游戏
大猫的无限游戏
S
SegmentFault 最新的问题
量子位
A
Arctic Wolf
L
Lohrmann on Cybersecurity
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
WordPress大学
WordPress大学
V
Vulnerabilities – Threatpost
博客园 - Franky
C
Cyber Attacks, Cyber Crime and Cyber Security
The Cloudflare Blog
Last Week in AI
Last Week in AI
The Hacker News
The Hacker News
I
Intezer
J
Java Code Geeks
P
Privacy International News Feed
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
S
Secure Thoughts
Cisco Talos Blog
Cisco Talos Blog
阮一峰的网络日志
阮一峰的网络日志
S
Securelist
Security Latest
Security Latest
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
小众软件
小众软件
Jina AI
Jina AI
有赞技术团队
有赞技术团队
人人都是产品经理
人人都是产品经理
博客园_首页
酷 壳 – CoolShell
酷 壳 – CoolShell
T
The Exploit Database - CXSecurity.com
雷峰网
雷峰网
T
Tenable Blog
www.infosecurity-magazine.com
www.infosecurity-magazine.com
P
Privacy & Cybersecurity Law Blog
Simon Willison's Weblog
Simon Willison's Weblog
博客园 - 【当耐特】
T
Threat Research - Cisco Blogs
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
MongoDB | Blog
MongoDB | Blog
D
DataBreaches.Net
N
News | PayPal Newsroom
Google Online Security Blog
Google Online Security Blog
K
Kaspersky official blog
H
Help Net Security
宝玉的分享
宝玉的分享
罗磊的独立博客
Webroot Blog
Webroot Blog
月光博客
月光博客
B
Blog RSS Feed
Recorded Future
Recorded Future

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 Datawhale 出了一套 29 学科知识地图,把 AI 的底牌全掀了 Hermes Agent 在聊天框里就能用的 20 种高级功能 一份 AGENTS.md 能顶一次模型升级?Augment Code 用数据说了算 NVIDIA 开源了一个「AI 沙箱」,20K Star,让 Agent 跑代码不再裸奔 60ms 冷启动、5MB 内存:腾讯开源的这个沙箱让 Docker 安全隔离像笑话 AI 技术日报 - 2026-04-30 AI 技术日报 - 2026-04-29 AI 技术日报 - 2026-04-28 Goose:Linux 基金会亲儿子,能撼动 Claude Code 和 OpenCode 吗? AI 技术日报 - 2026-04-27 AI 技术日报 - 2026-04-26 Google 把价值20美元/月的东西免费了,102K人已经抢到了 OpenClaw 和 Claude Code 网络搜索配置指南 AI 技术日报 - 2026-04-25 Anthropic 为什么遥遥领先:从 Cat Wu 专访看AI霸主的底层逻辑 Mac 本地跑大模型完全指南:你的苹果电脑就是 AI 工作站 同样 70B 参数,为什么 MoE 只激活 13B 就能打平 Dense? DeepSeek-V4 技术报告里藏着一条线:华为昇腾 NPU 已完成推理验证 DeepSeek-V4 深夜炸场:1M 上下文、384K 输出、双模型,API 定价直接卷到底 MacBook Air 跑大模型实测:Ollama、llama.cpp、LM Studio 谁才是本地推理之王? AI 技术日报 - 2026-04-24 OpenCode:Claude Code 的最佳平替 2026 开源大模型五国杀:Qwen 3.6 vs Gemma 4 vs Llama 4 vs GLM-5.1 vs DeepSeek V4 MCP 与 Skills 的你死我活:Anthropic 的 Agent 生态野心与开发者的站队困境 给 AI Agent 配搜索,国内能用的搜索 API 实测对比 AI 技术日报 - 2026-04-23 CC Switch:49K Star 的 Claude Code 登录绕过神器,还能管 Codex 和 Gemini CLI NVIDIA 开出 32 万美元年薪招 AI Agent 工程师,JD 里藏着这些信号 fast-mirror-skill 技术拆解:一个小而完整的 Claude Skill 是怎么设计的 Cursor 值 600 亿美元?马斯克这次赌的不是技术,是入口 AI 技术日报 - 2026-04-22 别再问 AI 能不能赚钱了:3 个上班族亲测有效的副业方法(2026 最新版) 10 分钟从零搞定 Hermes Agent:飞书微信双通道丝滑上线 AI 技术日报 - 2026-04-21 Anthropic 实战总结:AI Agent 的 3 种工作流模式,选错代价很大 安装 openclaw,hermes 慢的想发疯,fast-mirror-skill 来救了 Claude Routines:你下班睡觉了,Agent 还在为你干活 微信飞书里敲一个斜杠就能干活:Hermes Quick Command 到底多省事 AI 正在疯狂吃电:算力尽头是电力,谁能解这道题? AI 技术日报 - 2026-04-20 3K 行代码造一个越用越聪明的 AI Agent:GenericAgent 登顶 GitHub Trending 高德途途封神机器人半马,背后的 ABot-Claw 到底是什么 人们希望 AI 能干啥?Anthropic 调查:第一名不是赚钱,是变强 AI 时代人们在担心什么?Anthropic 的 13 条焦虑排行榜 AI 技术日报 - 2026-04-19 OpenAgents Workspace:让 Claude Code 和 Codex 在同一个群里干活 Claude 是要干掉整个软件行业吗? Claude 官方推荐多 Agents 设计模式 多 Agent 系统的 5 种协调模式:选错了模式,再强的 Agent 也白搭 AI 技术日报 - 2026-04-18 AI 技术日报 - 2026-04-17 Better-Harness:让AI Agent自己优化自己的革命性框架 OpenClaw Workspace 完全指南:我的AI编程工作流 DeepSeek内蒙草原高薪招聘:AI时代的数字牧民梦,还是营销噱头? 2 核 2G 的阿里云 ECS 能跑 OpenClaw 吗?能,但有点折腾 AI 技术日报 - 2026-04-16 OpenCLI:一个命令行搞定 16+ 内容平台的神器 从零到精通:OpenClaw CLI 命令完全指南 AI 技术日报 - 2026-04-15 AI Agent 如何自我进化?Hermes Agent Self-Evolution 深度解析 AI 技术日报 - 2026-04-14 为什么你的飞书 Bot 总是连不上?OpenClaw Gateway 架构深度解析 OpenClaw 连接飞书的原理:Gateway、Channel 与消息流转 国内安装 Hermes Agent 踩坑全记录:从 GitHub 超时到正常跑起来的每一步 35 万 Star 的 OpenClaw:5 分钟部署你的私人 AI 助手,直连飞书 AI 技术日报 - 2026-04-13 公司用 AI 筛简历,这个开源项目让候选人用 AI 反选公司 为什么 Google ADK 可能是你下一个 Agent 框架——7 个改变游戏规则的特性 Microsoft Agent Framework 深度解析:架构设计与实战落地 AI 技术日报 - 2026-04-11
OpenAI 官方 Agent SDK 来了:22k Star,支持 100+ 模型,Python 10 行代码上手
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。