模型

每个智能体最终都会调用一个 LLM。SDK 通过两个轻量接口抽象了模型：

• Model – 知道如何针对特定 API 发起一次请求。
• ModelProvider – 将人类可读的模型名称（例如 'gpt‑5.2'）解析为 Model 实例。

在日常使用中，您通常只与模型名称交互，偶尔会用到 ModelSettings。

为单个智能体指定模型

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

const agent = new Agent({
  name: 'Creative writer',
  model: 'gpt-5.2',
});

默认模型

当初始化 Agent 时未指定模型，将使用默认模型。当前默认是为了兼容性与低延迟而选择的 gpt-4.1。如果您有权限，推荐将智能体设置为 gpt-5.2 以获得更高质量，同时显式保留 modelSettings。

如果要切换到其他模型（如 gpt-5.2），有两种方式为您的智能体进行配置。

首先，如果希望对所有未设置自定义模型的智能体一致地使用某个模型，请在运行智能体之前设置 OPENAI_DEFAULT_MODEL 环境变量。

export OPENAI_DEFAULT_MODEL=gpt-5.2
node my-awesome-agent.js

其次，您可以为某个 Runner 实例设置默认模型。如果未为智能体设置模型，将使用该 Runner 的默认模型。

为 Runner 设置默认模型

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

const runner = new Runner({ model: 'gpt‑4.1-mini' });

GPT-5.x 模型

当以这种方式使用任意 GPT-5.x 模型（如 gpt-5.2）时，SDK 会应用默认的 modelSettings。它会设置对大多数用例最合适的选项。若要调节默认模型的推理投入，请传入您自己的 modelSettings：

自定义 GPT-5 默认设置

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

const myAgent = new Agent({
  name: 'My Agent',
  instructions: "You're a helpful agent.",
  // If OPENAI_DEFAULT_MODEL=gpt-5.2 is set, passing only modelSettings works.
  // It's also fine to pass a GPT-5.x model name explicitly:
  model: 'gpt-5.2',
  modelSettings: {
    reasoning: { effort: 'high' },
    text: { verbosity: 'low' },
  },
});

为了降低延迟，推荐在 gpt-5.2 上使用 reasoning.effort: "none"。gpt-4.1 系列（包括 mini 与 nano 变体）同样是构建交互式智能体应用的可靠选择。

非 GPT-5 模型

如果传入的是非 GPT-5 的模型名称且未提供自定义 modelSettings，SDK 将回退到与任意模型兼容的通用 modelSettings。

---

OpenAI 提供方

默认的 ModelProvider 会使用 OpenAI API 解析名称。它支持两个不同的端点：

API	用途	调用 setOpenAIAPI()
Chat Completions	标准聊天与函数调用	setOpenAIAPI('chat_completions')
Responses	新的以流式优先的生成式 API（工具调用、灵活输出）	setOpenAIAPI('responses') (default)

认证

设置默认 OpenAI 密钥

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

setDefaultOpenAIKey(process.env.OPENAI_API_KEY!); // sk-...

如果需要自定义网络设置，您也可以通过 setDefaultOpenAIClient(client) 接入自有的 OpenAI 客户端。

---

ModelSettings

ModelSettings 与 OpenAI 的参数一一对应，但不依赖特定提供方。

字段	类型	说明
temperature	number	创造性与确定性的平衡。
topP	number	核采样。
frequencyPenalty	number	惩罚重复的 token。
presencePenalty	number	鼓励出现新 token。
toolChoice	'auto' | 'required' | 'none' | string	参见强制工具使用。
parallelToolCalls	boolean	在支持的情况下允许并行函数调用。
truncation	'auto' | 'disabled'	token 截断策略。
maxTokens	number	响应中的最大 token 数。
store	boolean	持久化响应以供检索/RAG 工作流使用。
reasoning.effort	'none' | 'minimal' | 'low' | 'medium' | 'high' | 'xhigh'	针对 gpt-5.x 模型的推理投入。
text.verbosity	'low' | 'medium' | 'high'	针对 gpt-5.x 等模型的文本冗长度。

可在任一层级附加设置：

模型设置

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

const agent = new Agent({
  name: 'Creative writer',
  // ...
  modelSettings: { temperature: 0.7, toolChoice: 'auto' },
});

// or globally
new Runner({ modelSettings: { temperature: 0.3 } });

Runner 级别的设置会覆盖任何与之冲突的单个智能体设置。

---

提示词

智能体可以通过 prompt 参数进行配置，用于指示应使用的服务端存储提示词配置，以控制智能体行为。目前，该选项仅在使用 OpenAI 的 Responses API 时支持。

字段	类型	说明
promptId	string	提示词的唯一标识符。
version	string	期望使用的提示词版本。
variables	object	传入到提示词中的键/值变量对。值可以是字符串，或文本、图像、文件等内容输入类型。

带提示词的智能体

import { parseArgs } from 'node:util';
import { Agent, run } from '@openai/agents';

/*
NOTE: This example will not work out of the box, because the default prompt ID will not
be available in your project.

To use it, please:
1. Go to https://platform.openai.com/playground/prompts
2. Create a new prompt variable, `poem_style`.
3. Create a system prompt with the content:
   Write a poem in {{poem_style}}
4. Run the example with the `--prompt-id` flag.
*/

const DEFAULT_PROMPT_ID =
  'pmpt_6965a984c7ac8194a8f4e79b00f838840118c1e58beb3332';
const POEM_STYLES = ['limerick', 'haiku', 'ballad'];

function pickPoemStyle(): string {
  return POEM_STYLES[Math.floor(Math.random() * POEM_STYLES.length)];
}

async function runDynamic(promptId: string) {
  const poemStyle = pickPoemStyle();
  console.log(`[debug] Dynamic poem_style: ${poemStyle}`);

  const agent = new Agent({
    name: 'Assistant',
    prompt: {
      promptId,
      version: '1',
      variables: { poem_style: poemStyle },
    },
  });

  const result = await run(agent, 'Tell me about recursion in programming.');
  console.log(result.finalOutput);
}

async function runStatic(promptId: string) {
  const agent = new Agent({
    name: 'Assistant',
    prompt: {
      promptId,
      version: '1',
      variables: { poem_style: 'limerick' },
    },
  });

  const result = await run(agent, 'Tell me about recursion in programming.');
  console.log(result.finalOutput);
}

async function main() {
  const args = parseArgs({
    options: {
      dynamic: { type: 'boolean', default: false },
      'prompt-id': { type: 'string', default: DEFAULT_PROMPT_ID },
    },
  });

  const promptId = args.values['prompt-id'];
  if (!promptId) {
    console.error('Please provide a prompt ID via --prompt-id.');
    process.exit(1);
  }

  if (args.values.dynamic) {
    await runDynamic(promptId);
  } else {
    await runStatic(promptId);
  }
}

main().catch((error) => {
  console.error(error);
  process.exit(1);
});

任何额外的智能体配置（如 tools 或 instructions）都会覆盖您在已存储提示词中配置的对应值。

---

自定义模型提供方

实现自定义提供方很简单——实现 ModelProvider 和 Model，并将该提供方传给 Runner 构造函数：

最小自定义提供方

import {
  ModelProvider,
  Model,
  ModelRequest,
  ModelResponse,
  ResponseStreamEvent,
} from '@openai/agents-core';

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

class EchoModel implements Model {
  name: string;
  constructor() {
    this.name = 'Echo';
  }
  async getResponse(request: ModelRequest): Promise<ModelResponse> {
    return {
      usage: {},
      output: [{ role: 'assistant', content: request.input as string }],
    } as any;
  }
  async *getStreamedResponse(
    _request: ModelRequest,
  ): AsyncIterable<ResponseStreamEvent> {
    yield {
      type: 'response.completed',
      response: { output: [], usage: {} },
    } as any;
  }
}

class EchoProvider implements ModelProvider {
  getModel(_modelName?: string): Promise<Model> | Model {
    return new EchoModel();
  }
}

const runner = new Runner({ modelProvider: new EchoProvider() });
console.log(runner.config.modelProvider.getModel());
const agent = new Agent({
  name: 'Test Agent',
  instructions: 'You are a helpful assistant.',
  model: new EchoModel(),
  modelSettings: { temperature: 0.7, toolChoice: 'auto' },
});
console.log(agent.model);

如果您需要非 OpenAI 模型的现成适配器，请参阅Vercel 的 AI SDK 集成任意模型。

---

追踪导出器

使用 OpenAI 提供方时，您可以通过提供 API 密钥选择加入自动追踪导出：

追踪导出器

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

setTracingExportApiKey('sk-...');

这会将追踪发送到 OpenAI dashboard，您可以在其中检查工作流的完整执行图。

---

后续步骤

• 探索运行智能体。
• 通过工具为模型赋能。
• 按需添加护栏或追踪。