流式传输

Agents SDK 可以增量地交付来自模型以及其他执行步骤的输出。流式传输可以让你的 UI 保持响应，并避免等到完整最终结果生成后才向用户更新内容。

流式传输的启用

向 Runner.run() 传入 { stream: true } 选项，即可获得流式对象，而不是完整结果：

启用流式传输

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

const agent = new Agent({
  name: 'Storyteller',
  instructions:
    'You are a storyteller. You will be given a topic and you will tell a story about it.',
});

const result = await run(agent, 'Tell me a story about a cat.', {
  stream: true,
});

启用流式传输后，返回的 stream 会实现 AsyncIterable 接口。每个产出的事件都是一个对象，用于描述运行过程中发生的事情。该流会产出三种事件类型之一，每种类型描述智能体执行过程中的不同部分。不过，大多数应用只需要模型文本，因此该流提供了一些辅助方法。

文本输出获取

调用 stream.toTextStream() 可获得已发出文本的流。当 compatibleWithNodeStreams 为 true 时，返回值是普通的 Node.js Readable。我们可以将它直接管道传输到 process.stdout 或其他目标。

文本到达时输出日志

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

const agent = new Agent({
  name: 'Storyteller',
  instructions:
    'You are a storyteller. You will be given a topic and you will tell a story about it.',
});

const result = await run(agent, 'Tell me a story about a cat.', {
  stream: true,
});

result
  .toTextStream({
    compatibleWithNodeStreams: true,
  })
  .pipe(process.stdout);

stream.completed 这个 promise 会在运行以及所有待处理回调都完成后 resolve。如果你想确保不再有更多输出，请务必 await 它。这也包括后处理工作，例如会话持久化或历史压缩钩子，它们会在最后一个文本 token 到达后完成。

toTextStream() 只会发出助手文本。工具调用、交接、批准和其他运行时事件可从完整事件流中获取。

所有事件的监听

你可以使用 for await 循环检查每个到达的事件。有用的信息包括低层模型事件、任何智能体切换以及 SDK 专属运行信息：

监听所有事件

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

const agent = new Agent({
  name: 'Storyteller',
  instructions:
    'You are a storyteller. You will be given a topic and you will tell a story about it.',
});

const result = await run(agent, 'Tell me a story about a cat.', {
  stream: true,
});

for await (const event of result) {
  // these are the raw events from the model
  if (event.type === 'raw_model_stream_event') {
    console.log(`${event.type} %o`, event.data);
  }
  // agent updated events
  if (event.type === 'agent_updated_stream_event') {
    console.log(`${event.type} %s`, event.agent.name);
  }
  // Agent SDK specific events
  if (event.type === 'run_item_stream_event') {
    console.log(`${event.type} %o`, event.item);
  }
}

请参阅流式传输示例，其中提供了一个完整可运行脚本，会同时打印纯文本流和原始事件流。

Responses WebSocket 传输（可选）

本页的流式传输 API 也适用于 OpenAI Responses WebSocket 传输。

可以使用 setOpenAIResponsesTransport('websocket') 全局启用它，或使用你自己的 OpenAIProvider 并设置 useResponsesWebSocket: true。

仅为了通过 WebSocket 进行流式传输，你不需要 withResponsesWebSocketSession(...) 或自定义 OpenAIProvider。如果可以接受在不同运行之间重新连接，启用该传输后，run() / Runner.run(..., { stream: true }) 仍然可用。

当你希望复用连接并更明确地控制提供方生命周期时，请使用 withResponsesWebSocketSession(...)，或使用自定义 OpenAIProvider / Runner。

使用 previousResponseId 继续时，语义与 HTTP 传输相同。区别仅在于传输方式和连接生命周期。

如果你自行构建提供方，请记得在关闭时调用 await provider.close()。由 WebSocket 支持的模型包装器默认会被缓存以便复用，关闭提供方会释放这些连接。withResponsesWebSocketSession(...) 提供相同的复用能力，但会自动将清理范围限定在单个回调内。

请参阅 examples/basic/stream-ws.ts，其中包含一个完整示例，涵盖流式传输、工具调用、批准以及 previousResponseId。

事件类型

该流会产出三种不同的事件类型：

raw_model_stream_event

RunRawModelStreamEvent

import {
  isOpenAIChatCompletionsRawModelStreamEvent,
  isOpenAIResponsesRawModelStreamEvent,
  type RunStreamEvent,
} from '@openai/agents';

export function logOpenAIRawModelEvent(event: RunStreamEvent) {
  if (isOpenAIResponsesRawModelStreamEvent(event)) {
    console.log(event.source);
    console.log(event.data.event.type);
    return;
  }

  if (isOpenAIChatCompletionsRawModelStreamEvent(event)) {
    console.log(event.source);
    console.log(event.data.event.object);
  }
}

示例：

{
  "type": "raw_model_stream_event",
  "data": {
    "type": "output_text_delta",
    "delta": "Hello"
  }
}

如果你使用 OpenAI 提供方，@openai/agents-openai 和 @openai/agents 都会导出辅助函数，用于对原始 OpenAI 载荷进行类型收窄，而不会改变 agents-core 中通用的 RunRawModelStreamEvent 契约。

收窄 OpenAI 原始模型事件

import type { RunStreamEvent } from '@openai/agents';
import { isOpenAIResponsesRawModelStreamEvent } from '@openai/agents';

export function isOpenAIResponsesTextDelta(event: RunStreamEvent): boolean {
  return (
    isOpenAIResponsesRawModelStreamEvent(event) &&
    event.data.event.type === 'response.output_text.delta'
  );
}

当你只需要与传输无关的流式传输代码时，检查 event.type === 'raw_model_stream_event' 仍然足够。

如果你使用 OpenAI 模型，并希望在不手动类型转换的情况下检查提供方特定载荷，SDK 也会导出类型收窄辅助函数：

• isOpenAIResponsesRawModelStreamEvent(event) 用于 Responses 原始事件。
• isOpenAIChatCompletionsRawModelStreamEvent(event) 用于 Chat Completions 分块。

对于这些 OpenAI 模型事件，RunRawModelStreamEvent.source 也会填充为 'openai-responses' 或 'openai-chat-completions'。

当你希望检查仅 Responses 才有的事件时，这一点尤其有用，例如 response.reasoning_summary_text.delta、response.output_item.done 或 MCP 参数增量，同时仍让 TypeScript 了解底层事件形状。

请参阅 examples/basic/stream-ws.ts、examples/tools/code-interpreter.ts 和 examples/connectors/index.ts，了解更完整的 OpenAI 专属流式传输模式。

run_item_stream_event

RunItemStreamEvent

import type { RunItemStreamEvent, RunStreamEvent } from '@openai/agents';

export function isRunItemStreamEvent(
  event: RunStreamEvent,
): event is RunItemStreamEvent {
  return event.type === 'run_item_stream_event';
}

name 标识生成了哪类项：

name	含义
message_output_created	已创建消息输出项。
handoff_requested	模型请求了交接。
handoff_occurred	运行时完成了到另一个智能体的交接。
tool_search_called	发出了一个 tool_search_call 项。
tool_search_output_created	发出了一个包含已加载工具定义的 tool_search_output 项。
tool_called	发出了一个工具调用项。
tool_output	发出了一个工具结果项。
reasoning_item_created	发出了一个推理项。
tool_approval_requested	工具调用因等待人工批准而暂停。

tool_search_* 事件只会出现在使用 toolSearchTool() 在运行期间加载延迟工具的 Responses 运行中。

交接载荷示例：

{
  "type": "run_item_stream_event",
  "name": "handoff_occurred",
  "item": {
    "type": "handoff_call",
    "id": "h1",
    "status": "completed",
    "name": "transfer_to_refund_agent"
  }
}

agent_updated_stream_event

RunAgentUpdatedStreamEvent

import type {
  RunAgentUpdatedStreamEvent,
  RunStreamEvent,
} from '@openai/agents';

export function isRunAgentUpdatedStreamEvent(
  event: RunStreamEvent,
): event is RunAgentUpdatedStreamEvent {
  return event.type === 'agent_updated_stream_event';
}

示例：

{
  "type": "agent_updated_stream_event",
  "agent": {
    "name": "Refund Agent"
  }
}

流式传输期间的人工干预

流式传输与会暂停执行的交接兼容（例如工具需要批准时）。stream 对象上的 interruptions 字段会暴露待处理的批准项，你可以对每个批准项调用 state.approve() 或 state.reject() 来继续执行。流暂停后，stream.completed 会 resolve，stream.interruptions 会包含需要处理的批准项。再次以 { stream: true } 执行会恢复流式输出。

流式传输期间的人工批准处理

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

const agent = new Agent({
  name: 'Storyteller',
  instructions:
    'You are a storyteller. You will be given a topic and you will tell a story about it.',
});

let stream = await run(
  agent,
  'What is the weather in San Francisco and Oakland?',
  { stream: true },
);
stream.toTextStream({ compatibleWithNodeStreams: true }).pipe(process.stdout);
await stream.completed;

while (stream.interruptions?.length) {
  console.log(
    'Human-in-the-loop: approval required for the following tool calls:',
  );
  const state = stream.state;
  for (const interruption of stream.interruptions) {
    const approved = confirm(
      `Agent ${interruption.agent.name} would like to use the tool ${interruption.name} with "${interruption.arguments}". Do you approve?`,
    );
    if (approved) {
      state.approve(interruption);
    } else {
      state.reject(interruption);
    }
  }

  // Resume execution with streaming output
  stream = await run(agent, state, { stream: true });
  const textStream = stream.toTextStream({ compatibleWithNodeStreams: true });
  textStream.pipe(process.stdout);
  await stream.completed;
}

一个会与用户交互的更完整示例是 human-in-the-loop-stream.ts。

流的停止与同一轮次的继续

要提前停止一次流式运行，可以中止传给 run() 的 signal，或取消从 stream.toStream() 创建的 reader。无论哪种方式，在将该运行视为已完成前，仍应 await stream.completed。在你的代码停止消费事件后，SDK 可能仍在持久化当前轮次输入，或完成其他清理工作。

当流被取消时，stream.cancelled 会变为 true，而 stream.finalOutput 通常仍为 undefined，因为当前轮次从未完成。如果你想稍后继续这个未完成的轮次，请用 stream.state 重新运行同一个智能体，而不是追加新的用户消息。这样可以保持轮次计数正确，并复用任何已存储在 RunState 中的 conversationId 或 previousResponseId。

如果你也在使用会话持久化，请在恢复后的 run() 调用中再次传入同一个 session，以便对话继续写入同一个后端存储。

批准导致的暂停也遵循同一规则：先处理 stream.interruptions，再从 stream.state 恢复，而不是开始新轮次。

提示

• 请记得在退出前等待 stream.completed，以确保所有输出都已刷新。
• 初始的 { stream: true } 选项只适用于提供该选项的那次调用。如果使用 RunState 重新运行，你必须再次指定该选项。
• 如果你的应用只关心文本结果，优先使用 toTextStream()，以避免处理单个事件对象。

借助流式传输和事件系统，你可以将智能体集成到聊天界面、终端应用，或任何能让用户受益于增量更新的场景中。