工具

工具让智能体能够执行操作——获取数据、调用外部 API、执行代码，甚至操作计算机。JavaScript/TypeScript SDK 支持七种类别：

当您阅读完智能体，明确应由哪个智能体负责该任务，并希望赋予其相应能力后，再阅读本页。如果您仍在不同委派模式之间进行选择，请参阅智能体编排。

OpenAI 托管工具——与模型一同在 OpenAI 服务器上运行。（Web 搜索、文件搜索、Code Interpreter、图像生成、工具搜索）
内置执行工具——由 SDK 提供、在模型之外执行的工具。（计算机操作和 apply_patch 在本地运行；shell 可在本地或托管容器中运行）
函数工具——使用 JSON Schema 封装任意本地函数，以便 LLM 调用。
Agents as tools——将整个智能体公开为可调用工具。
MCP 服务器——附加一个 Model Context Protocol 服务器（本地或远程）。
沙盒能力——为 SandboxAgent 附加工作区范围内的 shell、文件系统、技能、记忆或压缩工具。
实验性功能：Codex 工具——将 Codex SDK 封装为函数工具，以运行可感知工作区的任务。

工具类别

本指南的其余部分将先介绍每种工具类别，然后总结跨类别的工具选择和提示指南。

1. 托管工具（OpenAI Responses API）

使用 OpenAIResponsesModel 时，您可以添加以下内置工具：

工具	类型字符串	用途
Web 搜索	`'web_search'`	搜索互联网。
文件/检索搜索	`'file_search'`	查询 OpenAI 托管的向量存储。
Code Interpreter	`'code_interpreter'`	在沙盒环境中运行代码。
图像生成	`'image_generation'`	根据文本生成图像。
工具搜索	`'tool_search'`	在运行时加载延迟加载的函数工具、命名空间或可搜索的 MCP 工具。

import {
  Agent,
  codeInterpreterTool,
  fileSearchTool,
  imageGenerationTool,
  webSearchTool,
} from '@openai/agents';

const agent = new Agent({
  name: 'Travel assistant',
  tools: [
    webSearchTool({ searchContextSize: 'medium' }),
    fileSearchTool('VS_ID', { maxNumResults: 3 }),
    codeInterpreterTool(),
    imageGenerationTool({ size: '1024x1024' }),
  ],
});

SDK 提供了用于返回托管工具定义的辅助函数：

辅助函数	说明
`webSearchTool(options?)`	提供适合 JS 的选项，例如 `searchContextSize`、`userLocation` 和 `filters.allowedDomains`。
`fileSearchTool(ids, options?)`	第一个参数接受一个或多个向量存储 ID，此外还支持 `maxNumResults`、`includeSearchResults`、`rankingOptions` 和过滤器等选项。
`codeInterpreterTool(options?)`	未提供 `container` 时，默认使用自动管理的容器。
`imageGenerationTool(options?)`	支持图像生成配置，例如 `model`、`size`、`quality`、`background`、`inputFidelity`、`inputImageMask`、`moderation`、`outputCompression`、`partialImages` 和输出格式。
`toolSearchTool(options?)`	添加内置的 `tool_search` 辅助工具。可将其与设置了 `deferLoading: true` 的延迟函数工具或托管 MCP 工具搭配使用。默认支持托管执行，也可以通过 `execution: 'client'` 和 `execute` 使用客户端执行。

这些辅助函数会将适合 JavaScript/TypeScript 的选项名称映射到底层 OpenAI Responses API 工具载荷。有关完整的工具 Schema，以及排序选项或语义过滤器等高级选项，请参阅官方 OpenAI 工具指南；有关当前内置工具搜索流程和模型可用性，请参阅官方工具搜索指南。

2. 内置执行工具

这些工具内置于 SDK 中，但执行发生在模型响应之外：

计算机操作——实现 Computer 接口并将其传递给 computerTool()。此工具始终针对您提供的本地 Computer 实现运行。
Shell——提供本地 Shell 实现，或使用 shellTool({ environment }) 配置托管容器环境。
应用补丁——实现 Editor 接口并将其传递给 applyPatchTool()。此工具始终针对您提供的本地 Editor 实现运行。
沙盒 shell 和文件系统工具——当这些操作应在沙盒工作区内运行时，在 SandboxAgent 上使用 shell()、filesystem()、skills()、memory() 或 compaction()。

工具调用仍由模型发起，但实际工作由您的应用程序或配置的执行环境完成。

沙盒能力工具与进程级内置工具不同：它们绑定到当前 SandboxAgent 运行的活动沙盒会话。如果工具应操作智能体的隔离工作区，而不是您的应用程序进程，请使用快速入门。

import {
  Agent,
  applyPatchTool,
  computerTool,
  shellTool,
  Computer,
  Editor,
  Shell,
} from '@openai/agents';

const computer: Computer = {
  environment: 'browser',
  dimensions: [1024, 768],
  screenshot: async () => '',
  click: async () => {},
  doubleClick: async () => {},
  scroll: async () => {},
  type: async () => {},
  wait: async () => {},
  move: async () => {},
  keypress: async () => {},
  drag: async () => {},
};

const shell: Shell = {
  run: async () => ({
    output: [
      {
        stdout: '',
        stderr: '',
        outcome: { type: 'exit', exitCode: 0 },
      },
    ],
  }),
};

const editor: Editor = {
  createFile: async () => ({ status: 'completed' }),
  updateFile: async () => ({ status: 'completed' }),
  deleteFile: async () => ({ status: 'completed' }),
};

const agent = new Agent({
  name: 'Local tools agent',
  model: 'gpt-5.4',
  tools: [
    computerTool({ computer }),
    shellTool({ shell, needsApproval: true }),
    applyPatchTool({ editor, needsApproval: true }),
  ],
});

计算机工具详情

computerTool() 接受以下任一项：

具体的 Computer 实例。
为每次运行创建 Computer 的初始化函数。
当您需要运行范围内的设置和清理时，使用包含 { create, dispose } 的提供程序对象。

要使用 OpenAI 当前的计算机操作路径，请设置支持计算机操作的模型，例如 gpt-5.4。当请求模型已明确指定时，SDK 会发送正式版内置 computer 工具格式。如果实际模型仍来自已存储的提示或其他较旧的集成，SDK 会继续使用旧版 computer_use_preview 传输格式以保持兼容，除非您通过 modelSettings.toolChoice: 'computer' 明确选择正式版路径。

正式版计算机调用可在单个 computer_call 中包含批量 actions[]。SDK 会按顺序执行这些操作，针对每个操作评估 needsApproval，并将最终屏幕截图作为工具输出返回。如果您根据 interruption.rawItem 构建审批 UI，请在存在 actions 时读取它，否则针对旧版预览项回退到 action。

当高影响力的计算机操作需要暂停以供用户审核时，请使用 needsApproval；如果您希望确认或拒绝计算机调用报告的待处理安全检查，请使用 onSafetyCheck。有关模型端指南和迁移详情，请参阅官方 OpenAI 计算机操作指南及其迁移说明。

Shell 工具详情

shellTool() 有两种模式：

本地模式：提供 shell，还可选择提供 environment: { type: 'local', skills }，以及用于自动处理审批的 needsApproval 和 onApproval。
托管容器模式：提供 type 为 'container_auto' 或 'container_reference' 的 environment。

在本地模式下，environment.skills 允许您通过 name、description 和文件系统 path 挂载本地技能。

在托管容器模式下，使用以下任一种方式配置 shellTool({ environment })：

使用 type: 'container_auto' 为本次运行创建托管容器。
使用 type: 'container_reference' 通过 containerId 复用现有容器。

托管的 container_auto 环境支持：

networkPolicy，包括带有 domainSecrets 的允许列表。
用于挂载已上传文件的 fileIds。
用于设置容器规格的 memoryLimit。
skills，可通过 skill_reference 或内联 zip 包提供。

托管 shell 环境不接受 shell、needsApproval 或 onApproval，因为执行发生在托管容器环境中，而不是您的本地进程中。

有关端到端用法，请参阅 examples/tools/local-shell.ts、examples/tools/container-shell-skill-ref.ts 和 examples/tools/container-shell-inline-skill.ts。

应用补丁工具详情

applyPatchTool() 采用与 shellTool() 相同的本地审批流程：使用 needsApproval 在编辑文件前暂停；如果希望通过应用级回调自动批准或拒绝，请使用 onApproval。

3. 函数工具

您可以使用 tool() 辅助函数将任意函数转换为工具。

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

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

选项参考

字段	必需	说明
`name`	否	默认为函数名称（例如 `get_weather`）。
`description`	是	向 LLM 显示的清晰、易于理解的说明。
`parameters`	是	Zod Schema 或原始 JSON Schema 对象。Zod 参数会自动启用严格模式。
`strict`	否	为 `true`（默认值）时，如果参数未通过验证，SDK 会返回模型错误。设置为 `false` 可启用模糊匹配。
`execute`	是	`(args, context, details) => string \| unknown \| Promise<...>`——您的业务逻辑。非字符串输出会序列化后提供给模型。`context` 是可选的 `RunContext`；`details` 包含 `toolCall`、`resumeState` 和 `signal` 等元数据。
`errorFunction`	否	自定义处理程序 `(context, error) => string`，用于将内部错误转换为用户可见的字符串。
`timeoutMs`	否	每次调用的超时时间，以毫秒为单位。必须大于 0 且小于或等于 `2147483647`。
`timeoutBehavior`	否	超时模式：`error_as_result`（默认值）返回模型可见的超时消息，`raise_exception` 则抛出 `ToolTimeoutError`。
`timeoutErrorFunction`	否	自定义处理程序 `(context, timeoutError) => string`，用于在 `timeoutBehavior` 为 `error_as_result` 时生成超时输出。
`customDataExtractor`	否	回调 `(context) => Record<string, unknown> \| null \| undefined`，用于将仅供 SDK 使用的元数据附加到生成的 `RunToolCallOutputItem.customData`。这些数据不会发回模型。
`needsApproval`	否	执行前要求人工批准。请参阅人机协作。
`isEnabled`	否	根据每次运行的条件公开工具；接受布尔值或谓词。
`inputGuardrails`	否	在工具执行前运行的护栏；可以拒绝输入或抛出异常。请参阅护栏。
`outputGuardrails`	否	在工具执行后运行的护栏；可以拒绝输出或抛出异常。请参阅护栏。

仅供 SDK 使用的自定义数据

当您的应用程序需要在工具结果旁附加渲染提示、内部 ID 或其他兼容 JSON 的元数据时，请使用 customDataExtractor。该回调接收运行上下文、工具定义、模型工具调用、已解析的输入、输出，以及克隆后的原始输出项。返回的数据存储在 RunToolCallOutputItem.customData 和 RunState 中，但会从 history 和模型重放中排除。

函数工具超时

使用 timeoutMs 限制每次函数工具调用的时长。

timeoutBehavior: 'error_as_result'（默认值）向模型返回 Tool '<name>' timed out after <timeoutMs>ms.。
timeoutBehavior: 'raise_exception' 抛出 ToolTimeoutError，您可以将其作为运行异常的一部分捕获。
timeoutErrorFunction 允许您在 error_as_result 模式下自定义超时文本。
超时会中止 details.signal，因此监听取消信号的长时间运行工具可以及时停止。

如果您直接调用函数工具，请使用 invokeFunctionTool，以强制执行与正常智能体运行相同的超时行为。

非严格 JSON Schema 工具

如果您需要模型推测无效或不完整的输入，可以在使用原始 JSON Schema 时禁用严格模式：

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

interface LooseToolInput {
  text: string;
}

const looseTool = tool({
  description: 'Echo input; be forgiving about typos',
  strict: false,
  parameters: {
    type: 'object',
    properties: { text: { type: 'string' } },
    required: ['text'],
    additionalProperties: true,
  },
  execute: async (input) => {
    // because strict is false we need to do our own verification
    if (typeof input !== 'object' || input === null || !('text' in input)) {
      return 'Invalid input. Please try again';
    }
    return (input as LooseToolInput).text;
  },
});

通过工具搜索延迟加载工具

工具搜索使模型可以在运行时仅加载所需的工具定义，而不必预先发送所有 Schema。在 SDK 中，这是处理延迟加载的顶层函数工具、toolNamespace() 组，以及配置了 deferLoading: true 的托管 MCP 工具的方式。

工具搜索仅可与 GPT-5.4 及之后支持 Responses API 中此功能的模型版本配合使用。

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

const customerIdParams = z.object({
  customerId: z.string().describe('The customer identifier to look up.'),
});

// Keep a standalone deferred tool at the top level when it represents a
// single searchable capability that does not need a shared namespace.
const shippingLookup = tool({
  name: 'get_shipping_eta',
  description: 'Look up a shipment ETA by customer identifier.',
  parameters: customerIdParams,
  deferLoading: true,
  async execute({ customerId }) {
    return {
      customerId,
      eta: '2026-03-07',
      carrier: 'Priority Express',
    };
  },
});

// Group related tools into a namespace when one domain description should
// cover several deferred tools and let tool search load them together.
const crmTools = toolNamespace({
  name: 'crm',
  description: 'CRM tools for customer profile lookups.',
  tools: [
    tool({
      name: 'get_customer_profile',
      description: 'Fetch a basic customer profile.',
      parameters: customerIdParams,
      deferLoading: true,
      async execute({ customerId }) {
        return {
          customerId,
          tier: 'enterprise',
        };
      },
    }),
  ],
});

const agent = new Agent({
  name: 'Operations assistant',
  model: 'gpt-5.4',
  // Mixing namespaced and top-level deferred tools in one request is supported.
  tools: [shippingLookup, ...crmTools, toolSearchTool()],
});

该示例有意混合使用了两种方式：

shippingLookup 保持在顶层，因为它是一项独立的可搜索能力。
crmTools 使用 toolNamespace()，因为相关 CRM 工具共享一个高级标签和说明。
同一请求支持混用带命名空间和顶层的延迟工具；工具搜索可以同时加载 crm 等命名空间路径和 get_shipping_eta 等顶层路径。

使用工具搜索时：

使用 deferLoading: true 标记每个延迟加载的函数工具。
当多个相关工具应共享一个领域说明并作为一组加载时，使用 toolNamespace({ name, description, tools })。
如果某个工具是一项独立能力，并且工具名称本身就是很好的搜索目标，请将其保留在顶层。
只要有任何延迟函数工具或托管 MCP 工具使用 deferLoading: true，就应将 toolSearchTool() 添加到同一个 tools 数组。
将 modelSettings.toolChoice 保持为 'auto'。SDK 不允许按名称强制使用内置 tool_search 工具或延迟加载的函数工具。
默认为托管执行。如果设置 toolSearchTool({ execution: 'client', execute })，标准 run() 循环仅支持内置的 { paths: string[] } 客户端查询格式；自定义客户端 Schema 需要您自行实现 Responses 循环。
一个命名空间可以混合即时成员和延迟成员。即时成员无需工具搜索即可调用，而同一命名空间中的延迟成员则按需加载。
延迟函数工具和 toolNamespace() 仅适用于 Responses。Chat Completions 会拒绝它们，AI SDK 适配器也不支持延迟加载 Responses 工具的流程。

4. Agents as tools

有时，您希望一个智能体协助另一个智能体，但不完全交接对话。此时可以使用 agent.asTool()：

如果您仍在 agent.asTool() 和 handoff() 之间进行选择，请对比智能体和智能体编排中介绍的模式。

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

const summarizer = new Agent({
  name: 'Summarizer',
  instructions: 'Generate a concise summary of the supplied text.',
});

const summarizerTool = summarizer.asTool({
  toolName: 'summarize_text',
  toolDescription: 'Generate a concise summary of the supplied text.',
});

const mainAgent = new Agent({
  name: 'Research assistant',
  tools: [summarizerTool],
});

在底层，SDK 会：

创建一个仅包含 input 参数的函数工具。
调用工具时，使用该输入运行子智能体。
返回最后一条消息，或返回由 customOutputExtractor 提取的输出。

将智能体作为工具运行时，Agents SDK 会使用默认设置创建一个运行器，并在函数执行过程中通过该运行器运行智能体。如果您希望提供 runConfig 或 runOptions 的任何属性，可以将其传递给 asTool() 方法，以自定义运行器行为。

您还可以通过 asTool() 选项为智能体工具设置 needsApproval 和 isEnabled，以便与人机协作流程和条件式工具可用性集成。

在 customOutputExtractor 内，使用 result.agentToolInvocation 检查当前的 Agent.asTool() 调用。在该回调中，结果始终来自 Agent.asTool()，因此 agentToolInvocation 始终有定义，并公开 toolName、toolCallId 和 toolArguments。使用 result.runContext 获取常规应用上下文和 toolInput。这些元数据仅适用于当前嵌套调用，不会序列化到 RunState 中。

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

const billingAgent = new Agent({
  name: 'Billing Agent',
  instructions: 'Handle billing questions and subscription changes.',
});

const billingTool = billingAgent.asTool({
  toolName: 'billing_agent',
  toolDescription: 'Handles customer billing questions.',
  customOutputExtractor(result) {
    console.log('tool', result.agentToolInvocation.toolName);
    // Direct invoke() calls may not have a model-generated tool call id.
    console.log('call', result.agentToolInvocation.toolCallId);
    console.log('args', result.agentToolInvocation.toolArguments);

    return String(result.finalOutput ?? '');
  },
});

const orchestrator = new Agent({
  name: 'Support Orchestrator',
  instructions: 'Delegate billing questions to the billing agent tool.',
  tools: [billingTool],
});

agent.asTool() 的高级结构化输入选项：

inputBuilder：将结构化工具参数映射到嵌套智能体输入载荷。
includeInputSchema：在嵌套运行中包含输入 JSON Schema，以增强 Schema 感知行为。
resumeState：控制恢复嵌套序列化 RunState 时的上下文协调策略：'merge'（默认值）将实时审批/上下文状态合并到序列化状态中，'replace' 改为使用当前运行上下文，'preferSerialized' 则使用未更改的序列化上下文恢复运行。

智能体工具的流式事件

智能体工具可以将所有嵌套运行事件以流式方式传回您的应用程序。请选择适合工具构建方式的钩子形式：

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

const billingAgent = new Agent({
  name: 'Billing Agent',
  instructions: 'Answer billing questions and compute simple charges.',
});

const billingTool = billingAgent.asTool({
  toolName: 'billing_agent',
  toolDescription: 'Handles customer billing questions.',
  // onStream: simplest catch-all when you define the tool inline.
  onStream: (event) => {
    console.log(`[onStream] ${event.event.type}`, event);
  },
});

// on(eventName) lets you subscribe selectively (or use '*' for all).
billingTool.on('run_item_stream_event', (event) => {
  console.log('[on run_item_stream_event]', event);
});
billingTool.on('raw_model_stream_event', (event) => {
  console.log('[on raw_model_stream_event]', event);
});

const orchestrator = new Agent({
  name: 'Support Orchestrator',
  instructions: 'Delegate billing questions to the billing agent tool.',
  tools: [billingTool],
});

事件类型与 RunStreamEvent['type'] 匹配：raw_model_stream_event、run_item_stream_event、agent_updated_stream_event。
onStream 是最简单的”全部捕获”方式，非常适合内联声明工具的情况（tools: [agent.asTool({ onStream })]）。如果不需要按事件路由，请使用此方式。
on(eventName, handler) 允许您选择性订阅事件（也可以使用 '*'），最适合需要更细粒度处理，或希望在创建后附加监听器的情况。
如果提供 onStream 或任何 on(...) 处理程序，Agents as tools 会自动以流式模式运行；如果不提供，则保持非流式路径。
处理程序会并行调用，因此缓慢的 onStream 回调不会阻塞 on(...) 处理程序，反之亦然。
当工具通过模型工具调用触发时，会提供 toolCallId；直接调用 invoke() 或提供程序的特殊行为可能导致其缺失。

5. MCP 服务器

您可以通过 Model Context Protocol (MCP) 服务器公开工具，并将其附加到智能体。例如，您可以使用 MCPServerStdio 启动并连接到 stdio MCP 服务器：

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

const server = new MCPServerStdio({
  fullCommand: 'pnpm exec mcp-server-filesystem ./sample_files',
});

await server.connect();

const agent = new Agent({
  name: 'Assistant',
  mcpServers: [server],
});

有关完整示例，请参阅 filesystem-example.ts。此外，如果您需要 MCP 服务器工具集成的完整指南，请参阅 MCP 集成了解详情。在管理多个服务器（或部分故障）时，请使用 connectMcpServers，并遵循 MCP 集成中的生命周期指南。

6. 实验性功能：Codex 工具

@openai/agents-extensions/experimental/codex 提供了 codexTool()。这是一个函数工具，可将模型工具调用路由到 Codex SDK，使智能体能够自主运行工作区范围内的任务（shell、文件编辑、MCP 工具）。此接口为实验性功能，未来可能会发生变化。

请先安装依赖项：

npm install @openai/agents-extensions @openai/codex-sdk

快速开始：

import { Agent } from '@openai/agents';
import { codexTool } from '@openai/agents-extensions/experimental/codex';

export const codexAgent = new Agent({
  name: 'Codex Agent',
  instructions:
    'Use the codex tool to inspect the workspace and answer the question. When skill names, which usually start with `$`, are mentioned, you must rely on the codex tool to use the skill and answer the question.',
  tools: [
    codexTool({
      sandboxMode: 'workspace-write',
      workingDirectory: '/path/to/repo',
      defaultThreadOptions: {
        model: 'gpt-5.4',
        networkAccessEnabled: true,
        webSearchEnabled: false,
      },
    }),
  ],
});

注意事项：

身份验证：提供 CODEX_API_KEY（首选）或 OPENAI_API_KEY，也可以传递 codexOptions.apiKey。
输入：采用严格 Schema——inputs 必须至少包含一个 { type: 'text', text } 或 { type: 'local_image', path }。
安全性：将 sandboxMode 与 workingDirectory 搭配使用；如果该目录不是 Git 仓库，请设置 skipGitRepoCheck。
线程管理：useRunContextThreadId: true 会在 runContext.context 中读取/存储最新线程 ID，这有助于在应用状态中跨轮次复用线程。
线程 ID 优先级：工具调用的 threadId（如果您的 Schema 包含它）优先级最高，其次是运行上下文线程 ID，最后是 codexTool({ threadId })。
运行上下文键：当 name: 'codex' 时，默认为 codexThreadId；对于 name: 'engineer' 等名称，则为 codexThreadId_<suffix>（规范化后为 codex_engineer）。
可变上下文要求：启用 useRunContextThreadId 后，请将可变对象或 Map 作为 run(..., { context }) 传入。
命名：工具名称会规范化到 codex 命名空间中（engineer 会变为 codex_engineer），并且智能体中的重复 Codex 工具名称会被拒绝。
流式传输：onStream 会镜像 Codex 事件（推理、命令执行、MCP 工具调用、文件更改、Web 搜索），便于您记录日志或追踪进度。
输出：工具结果包含 response、usage 和 threadId，Codex token 用量会记录在 RunContext 中。
结构：outputSchema 可以是描述符、JSON Schema 对象或 Zod 对象。对于 JSON 对象 Schema，additionalProperties 必须为 false。

运行上下文线程复用示例：

import { Agent, run } from '@openai/agents';
import { codexTool } from '@openai/agents-extensions/experimental/codex';

// Derived from codexTool({ name: 'engineer' }) when runContextThreadIdKey is omitted.
type ExampleContext = {
  codexThreadId_engineer?: string;
};

const agent = new Agent<ExampleContext>({
  name: 'Codex assistant',
  instructions: 'Use the codex tool for workspace tasks.',
  tools: [
    codexTool({
      // `name` is optional for a single Codex tool.
      // We set it so the run-context key is tool-specific and to avoid collisions when adding more Codex tools.
      name: 'engineer',
      // Reuse the same Codex thread across runs that share this context object.
      useRunContextThreadId: true,
      sandboxMode: 'workspace-write',
      workingDirectory: '/path/to/repo',
      defaultThreadOptions: {
        model: 'gpt-5.4',
        approvalPolicy: 'never',
      },
    }),
  ],
});

// The default key for useRunContextThreadId with name=engineer is codexThreadId_engineer.
const context: ExampleContext = {};

// First turn creates (or resumes) a Codex thread and stores the thread ID in context.
await run(agent, 'Inspect src/tool.ts and summarize it.', { context });
// Second turn reuses the same thread because it shares the same context object.
await run(agent, 'Now list refactoring opportunities.', { context });

const threadId = context.codexThreadId_engineer;

工具策略与最佳实践

工具使用行为

有关如何控制模型必须在何时及以何种方式使用工具（modelSettings.toolChoice、toolUseBehavior 等），请参阅智能体。

最佳实践

简短、明确的说明——描述工具执行什么操作以及何时使用。
验证输入——尽可能使用 Zod Schema 进行严格的 JSON 验证。
避免在错误处理程序中产生副作用——errorFunction 应返回有帮助的字符串，而不是抛出异常。
每个工具只承担一项职责——小型、可组合的工具有助于改善模型推理。

工具