智能体

智能体是 OpenAI Agents SDK 的主要构建模块。Agent 是一个经过如下配置的大语言模型（LLM）：

Instructions——告诉模型它是谁以及应如何响应的系统提示。
Model——要调用的 OpenAI 模型，以及任何可选的模型调优参数。
Tools——LLM 可调用以完成任务的函数或 API 列表。

import { Agent } from '@openai/agents';

const agent = new Agent({
  name: 'Haiku Agent',
  instructions: 'Always respond in haiku form.',
  model: 'gpt-5.4', // optional – falls back to the default model
});

当您想要定义或自定义单个 Agent 时，请使用本页。如果您正在决定多个智能体应如何协作，请阅读智能体编排。

下一指南选择

将本页作为智能体定义的中心页。根据您下一步需要做出的决策，跳转到相邻的对应指南。

如果您想要……	接下来阅读
选择模型或配置存储的提示	模型
为智能体添加能力	工具
在管理者和交接之间做选择	智能体编排
配置交接行为	交接
运行轮次、流式传输事件或管理状态	运行智能体
检查最终输出、运行项或恢复执行	执行结果

本页其余部分将更详细地介绍 Agent 的每项功能。

智能体基础

基本配置

Agent 构造函数接受一个配置对象。最常用的属性如下所示。

属性	必需	说明
`name`	是	简短、便于人类阅读的标识符。
`instructions`	是	系统提示（字符串或函数——参见动态 instructions）。
`prompt`	否	OpenAI Responses API 的提示配置。可接受静态提示对象或函数。参见Prompt。
`handoffDescription`	否	当该智能体作为交接工具提供时使用的简短描述。
`handoffs`	否	将对话委派给专门智能体。参见组合模式和交接指南。
`model`	否	模型名称或自定义的 `Model` 实现。
`modelSettings`	否	调优参数（temperature、top_p 等）。参见模型。如果您需要的属性不在顶层，可以将其放在 `providerData` 下。
`tools`	否	模型可调用的 `Tool` 实例数组。参见工具。
`mcpServers`	否	智能体可使用的 MCP 支持工具。参见MCP 集成。
`inputGuardrails`	否	应用于该智能体链中首次用户输入的护栏。参见护栏。
`outputGuardrails`	否	应用于该智能体最终输出的护栏。参见护栏。
`outputType`	否	返回结构化输出而非纯文本。参见输出类型和执行结果。
`toolUseBehavior`	否	控制函数工具结果是回传给模型继续处理，还是直接结束运行。参见强制工具使用。
`resetToolChoice`	否	工具调用后将 `toolChoice` 重置为默认值（默认：`true`），以防止工具调用循环。参见强制工具使用。
`handoffOutputTypeWarningEnabled`	否	当交接输出类型不一致时发出警告（默认：`true`）。参见执行结果。

import { Agent, tool } from '@openai/agents';
import { z } from 'zod';

const getWeather = tool({
  name: 'get_weather',
  description: 'Return the weather for a given city.',
  parameters: z.object({ city: z.string() }),
  async execute({ city }) {
    return `The weather in ${city} is sunny.`;
  },
});

const agent = new Agent({
  name: 'Weather bot',
  instructions: 'You are a helpful weather bot.',
  model: 'gpt-4.1',
  tools: [getWeather],
});

上下文

智能体在其上下文类型上是泛型的——即 Agent<TContext, TOutput>。上下文是您创建并传递给 Runner.run() 的依赖注入对象。它会被传递给每个工具、护栏、交接等，适合用于存储状态或提供共享服务（数据库连接、用户元数据、功能开关等）。

import { Agent } from '@openai/agents';

interface Purchase {
  id: string;
  uid: string;
  deliveryStatus: string;
}
interface UserContext {
  uid: string;
  isProUser: boolean;

  // this function can be used within tools
  fetchPurchases(): Promise<Purchase[]>;
}

const agent = new Agent<UserContext>({
  name: 'Personal shopper',
  instructions: 'Recommend products the user will love.',
});

// Later
import { run } from '@openai/agents';

const result = await run(agent, 'Find me a new pair of running shoes', {
  context: { uid: 'abc', isProUser: true, fetchPurchases: async () => [] },
});

输出类型

默认情况下，Agent 返回纯文本（string）。如果您希望模型返回结构化对象，可以指定 outputType 属性。SDK 接受：

Zod schema（z.object({...})）。
任何兼容 JSON schema 的对象。

import { Agent } from '@openai/agents';
import { z } from 'zod';

const CalendarEvent = z.object({
  name: z.string(),
  date: z.string(),
  participants: z.array(z.string()),
});

const extractor = new Agent({
  name: 'Calendar extractor',
  instructions: 'Extract calendar events from the supplied text.',
  outputType: CalendarEvent,
});

提供 outputType 后，SDK 会自动使用structured outputs，而不是纯文本。

OpenAI 平台映射

有些智能体概念可直接映射到 OpenAI 平台概念，另一些则是在运行智能体时配置，而不是在定义智能体时配置。

SDK 概念	OpenAI 指南	适用时机
`outputType`	Structured Outputs	智能体应返回带类型的 JSON 或经 Zod 验证的对象，而不是文本。
`tools` / 托管工具	Tools guide	模型应执行搜索、检索、运行代码，或调用您的函数/工具。
`conversationId` / `previousResponseId`	Conversation state	您希望 OpenAI 在多轮之间持久化或串联对话状态。

conversationId 和 previousResponseId 是运行时控制项，不是 Agent 构造函数字段。当您需要这些 SDK 入口时，请使用运行智能体。

组合模式

当智能体参与更大的工作流时，最常出现的两个 SDK 入口是：

管理者（Agents as tools）——一个中心智能体负责整个对话，并调用以工具形式暴露的专门智能体。
交接——初始智能体在识别出用户请求后，将整个对话委派给某个专门智能体。

这两种方式是互补的。管理者为您提供一个统一位置来实施护栏或速率限制，而交接则让每个智能体专注于单一任务，而无需持续控制整个对话。关于设计权衡以及何时选择每种模式，请参见智能体编排。

管理者（Agents as tools）

在这种模式下，管理者永远不会移交控制权——LLM 使用工具，而管理者对最终答案进行总结。更多内容请参见工具指南。

import { Agent } from '@openai/agents';

const bookingAgent = new Agent({
  name: 'Booking expert',
  instructions: 'Answer booking questions and modify reservations.',
});

const refundAgent = new Agent({
  name: 'Refund expert',
  instructions: 'Help customers process refunds and credits.',
});

const customerFacingAgent = new Agent({
  name: 'Customer-facing agent',
  instructions:
    'Talk to the user directly. When they need booking or refund help, call the matching tool.',
  tools: [
    bookingAgent.asTool({
      toolName: 'booking_expert',
      toolDescription: 'Handles booking questions and requests.',
    }),
    refundAgent.asTool({
      toolName: 'refund_expert',
      toolDescription: 'Handles refund questions and requests.',
    }),
  ],
});

交接

使用交接时，分流智能体会路由请求，但一旦发生交接，专门智能体就会接管对话，直到生成最终输出。这能让提示更简短，也便于您独立分析每个智能体。更多信息请参见交接指南。

import { Agent } from '@openai/agents';

const bookingAgent = new Agent({
  name: 'Booking Agent',
  instructions: 'Help users with booking requests.',
});

const refundAgent = new Agent({
  name: 'Refund Agent',
  instructions: 'Process refund requests politely and efficiently.',
});

// Use Agent.create method to ensure the finalOutput type considers handoffs
const triageAgent = Agent.create({
  name: 'Triage Agent',
  instructions: `Help the user with their questions.
  If the user asks about booking, hand off to the booking agent.
  If the user asks about refunds, hand off to the refund agent.`.trimStart(),
  handoffs: [bookingAgent, refundAgent],
});

如果您的交接目标可能返回不同的输出类型，优先使用 Agent.create(...) 而不是 new Agent(...)。这样 TypeScript 就能推断交接图中可能出现的 finalOutput 形状联合类型，并避免由 handoffOutputTypeWarningEnabled 控制的运行时警告。完整示例请参见执行结果指南。

高级配置与运行时控制

动态 instructions

instructions 可以是函数，而不仅仅是字符串。该函数会接收当前的 RunContext 和 Agent 实例，并可返回字符串或Promise<string>。

import { Agent, RunContext } from '@openai/agents';

interface UserContext {
  name: string;
}

function buildInstructions(runContext: RunContext<UserContext>) {
  return `The user's name is ${runContext.context.name}. Be extra friendly!`;
}

const agent = new Agent<UserContext>({
  name: 'Personalized helper',
  instructions: buildInstructions,
});

支持同步函数和 async 函数。

动态提示

prompt 支持与 instructions 相同的回调形式，但返回的是提示配置对象而不是字符串。当提示 ID、版本或变量依赖于当前运行上下文时，这非常有用。

import { Agent, RunContext } from '@openai/agents';

interface PromptContext {
  customerTier: 'free' | 'pro';
}

function buildPrompt(runContext: RunContext<PromptContext>) {
  return {
    promptId: 'pmpt_support_agent',
    version: '7',
    variables: {
      customer_tier: runContext.context.customerTier,
    },
  };
}

const agent = new Agent<PromptContext>({
  name: 'Prompt-backed helper',
  prompt: buildPrompt,
});

这仅在您使用 OpenAI Responses API 时受支持。支持同步函数和 async 函数。

生命周期钩子

对于高级用例，您可以通过监听事件来观察 Agent 生命周期。

Agent 实例会为该特定智能体实例发出生命周期事件，而 Runner 会在整个运行期间以单一事件流发出相同的事件名称。这对于多智能体工作流特别有用，因为您可以在一个地方观察交接和工具调用。

共享的事件名称如下：

事件	Agent 钩子参数	Runner 钩子参数
`agent_start`	`(context, agent, turnInput?)`	`(context, agent, turnInput?)`
`agent_end`	`(context, output)`	`(context, agent, output)`
`agent_handoff`	`(context, nextAgent)`	`(context, fromAgent, toAgent)`
`agent_tool_start`	`(context, tool, { toolCall })`	`(context, agent, tool, { toolCall })`
`agent_tool_end`	`(context, tool, result, { toolCall })`	`(context, agent, tool, result, { toolCall })`

import { Agent } from '@openai/agents';

const agent = new Agent({
  name: 'Verbose agent',
  instructions: 'Explain things thoroughly.',
});

agent.on('agent_start', (ctx, agent) => {
  console.log(`[${agent.name}] started`);
});
agent.on('agent_end', (ctx, output) => {
  console.log(`[agent] produced:`, output);
});

护栏

护栏允许您验证或转换用户输入和智能体输出。它们通过 inputGuardrails 和 outputGuardrails 数组进行配置。详情请参见护栏指南。

智能体克隆 / 复制

需要现有智能体的一个稍作修改的版本？使用 clone() 方法，它会返回一个全新的 Agent 实例。

import { Agent } from '@openai/agents';

const pirateAgent = new Agent({
  name: 'Pirate',
  instructions: 'Respond like a pirate – lots of “Arrr!”',
  model: 'gpt-5.4',
});

const robotAgent = pirateAgent.clone({
  name: 'Robot',
  instructions: 'Respond like a robot – be precise and factual.',
});

强制工具使用

提供工具并不保证 LLM 会调用它。您可以通过 modelSettings.toolChoice 强制工具使用：

'auto'（默认）——由 LLM 决定是否使用工具。
'required'——LLM 必须调用某个工具（可自行选择调用哪一个）。
'none'——LLM 不得调用工具。
指定某个工具名称，例如 'calculator'——LLM 必须调用该特定工具。

当可用工具是在 OpenAI Responses 中的 computerTool() 时，toolChoice: 'computer' 有特殊含义：它会强制使用 GA 内置的计算机工具，而不是将 'computer' 视为普通函数名。对于旧版集成，SDK 也接受兼容预览版的计算机选择器，但新代码应优先使用 'computer'。如果没有可用的计算机工具，该字符串会像其他函数工具名称一样处理。

import { Agent, tool } from '@openai/agents';
import { z } from 'zod';

const calculatorTool = tool({
  name: 'Calculator',
  description: 'Use this tool to answer questions about math problems.',
  parameters: z.object({ question: z.string() }),
  execute: async (input) => {
    throw new Error('TODO: implement this');
  },
});

const agent = new Agent({
  name: 'Strict tool user',
  instructions: 'Always answer using the calculator tool.',
  tools: [calculatorTool],
  modelSettings: { toolChoice: 'required' },
});

当您使用延迟加载的 Responses 工具（例如 toolNamespace()）、设置了 deferLoading: true 的函数工具，或设置了 deferLoading: true 的托管 MCP 工具时，请将 modelSettings.toolChoice 保持为 'auto'。SDK 会拒绝通过名称强制调用延迟工具或内置的 tool_search 辅助工具，因为模型需要自行决定何时加载这些定义。完整的 tool-search 设置请参见工具指南。

防止无限循环

工具调用后，SDK 会自动将 toolChoice 重置回 'auto'。这可防止模型陷入反复尝试调用工具的无限循环。您可以通过 resetToolChoice 标志或配置 toolUseBehavior 来覆盖此行为：

'run_llm_again'（默认）——使用工具结果再次运行 LLM。
'stop_on_first_tool'——将第一个工具结果视为最终答案。
{ stopAtToolNames: ['my_tool'] }——当调用了列出的任意工具时停止。
(context, toolResults) => ...——返回运行是否应结束的自定义函数。

const agent = new Agent({
  ...,
  toolUseBehavior: 'stop_on_first_tool',
});

注意：toolUseBehavior 仅适用于函数工具。托管工具始终会返回给模型进行处理。

智能体