OpenAI Agents SDK 是官方开源的多代理框架，支持 Python。内置 handoffs 交接、Guardrails 安全过滤、Tracing 运行追踪、Human-in-the-loop 人工介入，几行代码构建复杂 AI 工作流，23k Stars。
🎤 引言
想让 AI 帮你处理复杂任务，但市面上的框架要么太简单、要么太重？
OpenAI Agents SDK 就是来填补这个空白的。
这是 OpenAI 官方的开源多代理框架，专为 Python 开发者设计。它的核心能力是什么？让多个 AI Agent 协同工作，handoffs 交接机制让代理之间能平滑传递任务，Guardrails 过滤不安全内容，Tracing 追踪整个工作流运行状态。
23k Stars，MIT 协议，官方维护——背靠 OpenAI 这棵大树，文档和生态都不需要担心。
⭐ 核心功能
Handoffs（代理交接）
这是 Agents SDK 的核心创新。一个 Agent 处理不了的任务，可以交接给另一个 Agent。比如：
- 客服 Agent 判断是技术问题 → 交接给技术支持 Agent
- 销售 Agent 发现用户需要定制方案 → 交接给方案 Agent
交接时，上下文会完整传递，下一个 Agent 知道前面发生了什么。复杂的业务逻辑可以用这种方式编排。
Guardrails（安全过滤）
配置输入输出的安全检查。比如：
- 检测用户输入是否包含敏感信息（邮件地址、电话号码）
- 检测输出是否包含禁止内容
- 自定义验证函数，任何场景都能接
Guardrails 在模型调用前后都会执行，确保内容安全合规。
Tracing（运行追踪）
内置的可观测性工具。每一个 Agent 的每一次调用、每一个 handoff、每一条消息——全部记录。你可以在 UI 上看到完整的工作流执行链路，哪里出错了、哪个步骤耗时最长，一目了然。
调试 AI 应用从来没这么省心过。
Human-in-the-loop（人工介入）
某些关键步骤需要人工确认？内置支持。Agent 可以暂停执行，等待人类批准后再继续。适合审批流程、风控确认等需要人工参与的场景。
Sessions（会话管理）
自动管理多轮对话历史。不需要自己维护 context window，Sessions API 帮你搞定。跨 Agent 的上下文也能保持一致。
Realtime Agents（实时语音代理）
最新功能：结合 gpt-realtime-1.5 可以构建语音交互 Agent。通话、实时翻译、语音助手——支持 WebSocket 流式输出，延迟低至毫秒级。
多 Provider 支持
不局限于 OpenAI 模型。实际上它基于 LiteLLM，可以对接 100+ LLM Provider：Anthropic、Google Gemini、Groq、DeepSeek、Ollama（本地模型）——想用什么模型就用什么。
📥 安装使用
pip 安装
pip install openai-agents需要 Python 3.10+。
环境变量
export OPENAI_API_KEY="your-api-key"
# 如果用其他 provider
export OPENAI_BASE_URL="https://api.deepseek.com"
export DEEPSEEK_API_KEY="your-deepseek-key"Hello World 示例
from agents import Agent, Runner
agent = Agent(
name="Haiku Writer",
instructions="You write haikus. Respond only with a haiku.",
)
result = Runner.run_sync(agent, "Write a haiku about coding.")
print(result.final_output)
# Output:
# Code within the code,
# Functions calling themselves,
# Infinite loop's dance.Handoffs 示例
from agents import Agent, Runner, handoff
# 定义两个 Agent
sales_agent = Agent(
name="Sales Agent",
instructions="你负责解答产品咨询",
)
tech_agent = Agent(
name="Tech Agent",
instructions="你负责解答技术问题",
)
# 带 handoff 的主 Agent
triage_agent = Agent(
name="Triage Agent",
instructions="判断用户问题是销售还是技术相关，并交接",
handoffs=[sales_agent, tech_agent]
)
result = Runner.run_sync(triage_agent, "你们的定价是多少？")Guardrails 示例
from agents import Agent, Runner
from agents.guards import Guardrail, GuardrailError
# 自定义 Guardrail
def no_compensation_check(ctx, value):
if "compensation" in value.lower():
raise GuardrailError("Cannot discuss compensation")
guardrail = Guardrail(
name="No Compensation",
inject.instructions="如果用户询问薪酬相关问题，拒绝回答",
validators=[no_compensation_check],
)
agent = Agent(
name="HR Assistant",
instructions="你是一个 HR 助手",
guards=[guardrail],
)🎯 适用场景
客服机器人
多代理协作：先由 triage Agent 分类，再交接给对应部门 Agent。接入企业知识库，回答更精准。
AI 销售系统
线索评分 → 资格验证 → 产品推荐 → 人工跟进，每一步都可以是不同的 Agent，互相交接，逻辑清晰。
代码审查工作流
一个 Agent 审代码、一个 Agent 提建议、一个 Agent 生成 patch。Handoffs 让流程自动化。
风控/合规流程
Human-in-the-loop 机制，重要决策需要人工确认。AI 预处理，人工做最终决定。
语音助手
Realtime Agents + 低延迟流式输出，适合做电话机器人、实时翻译、会议助手。
⚠️ 注意事项
依赖 OpenAI
虽然支持多 Provider，但默认绑定 OpenAI 模型。某些功能（如 Realtime）在其他 Provider 上不一定能用。企业内部使用建议看看 LiteLLM 兼容性列表。
学习曲线
Handoffs 和 Guardrails 概念不复杂，但真正用好需要理解 SDK 的执行模型。建议先跑通官方 examples，再根据自己的业务改造。
调试成本
多 Agent 协作时，一个 Agent 出错可能影响整个流程。Tracing 虽然能追踪，但排查多个 Agent 交接时的逻辑 bug 需要耐心。
生产环境
SDK 本身是 MIT 开源的，生产可用。但大规模部署时建议关注官方 CHANGELOG，版本迭代较快。
✅ 总结
优点：
- ✅ OpenAI 官方维护，文档和生态有保障
- ✅ Handoffs 机制让多 Agent 协作变得优雅
- ✅ Guardrails 内置，开箱即用的安全过滤
- ✅ Tracing 可观测，调试 AI 应用不再盲人摸象
- ✅ Human-in-the-loop 支持，关键流程可人工介入
- ✅ 基于 LiteLLM，100+ 模型可选
- ✅ 23k Stars，社区活跃
缺点：
- ❌ 默认依赖 OpenAI API
- ❌ 多 Agent 协作时调试复杂度上升
- ❌ Realtime 功能较新，部分 Provider 不兼容
- ❌ 版本迭代快，需要关注 breaking changes
推荐指数：⭐⭐⭐⭐
如果你用 Python 开发 AI 应用，需要多代理协作能力，OpenAI Agents SDK 是目前最省心的选择。官方开源、文档完善、Examples 丰富，上手门槛不高。Realtime Agents 方向的探索也值得关注。当然，它不是银弹——复杂的工作流设计需要投入，但投入产出比是值得的。