配置

本页介绍通常在应用启动期间一次性设置的 SDK 全局默认值，例如默认OpenAI密钥或客户端、默认OpenAI API 形态、追踪导出默认设置以及日志行为。

这些默认值仍适用于基于沙箱的工作流，但沙箱工作区、沙箱客户端和会话复用需要单独配置。

如果需要配置特定智能体或运行，请先参阅：

智能体：普通 Agent 的指令、工具、输出类型、任务转移和安全防护措施。
运行智能体：RunConfig、会话和对话状态选项。
沙箱智能体：SandboxRunConfig、清单、能力和沙箱客户端专用的工作区设置。
模型：模型选择和提供商配置。
追踪：每次运行的追踪元数据和自定义追踪处理器。

配置对象与字典

SDK 定义的配置参数通常既接受相应的类型化设置对象，也接受包含相同字段的字典。此规则适用于类型注解中包含字典的智能体、运行、模型、会话、沙箱和语音配置边界。SDK 定义的嵌套设置类型也可以使用字典。

from agents import Agent

agent = Agent(
    name="Assistant",
    model="gpt-5.6-sol",
    model_settings={
        "reasoning": {"effort": "high"},
        "verbosity": "low",
    },
)

SDK 会将这些字典规范化为相应的设置对象。对于 SDK 定义的数据类配置类型，未知字段会引发 TypeError，这有助于及早发现拼写错误的选项名称。请查看参数的类型注解或 API 参考，确认特定边界是否接受字典。

API 密钥与客户端

默认情况下，SDK 使用 OPENAI_API_KEY 环境变量处理LLM请求和追踪。SDK 首次创建OpenAI客户端时会解析该密钥（延迟初始化），因此请在首次调用模型前设置该环境变量。如果无法在应用启动前设置此环境变量，可以使用 set_default_openai_key() 函数设置密钥。

from agents import set_default_openai_key

set_default_openai_key("sk-...")

或者，也可以配置要使用的OpenAI客户端。默认情况下，SDK 会创建一个 AsyncOpenAI 实例，并使用环境变量中的 API 密钥或上面设置的默认密钥。可以使用 set_default_openai_client() 函数更改此设置。

from openai import AsyncOpenAI
from agents import set_default_openai_client

custom_client = AsyncOpenAI(base_url="...", api_key="...")
set_default_openai_client(custom_client)

使用 `openai` v3 的自定义 HTTP 客户端

0.21.0 版本要求使用 openai>=3.0.0,<4。默认OpenAI提供商使用 HTTPX2，因此大多数应用不需要直接配置 HTTP 客户端。如果应用将 http_client= 传递给 AsyncOpenAI，请为自定义客户端及其面向传输层的选项使用 HTTPX2 类型：

import httpx2
from openai import AsyncOpenAI, DefaultAsyncHttpx2Client

from agents import set_default_openai_client

http_client = DefaultAsyncHttpx2Client(
    timeout=httpx2.Timeout(30.0, connect=5.0),
)
custom_client = AsyncOpenAI(
    api_key="...",
    http_client=http_client,
)
set_default_openai_client(custom_client)

同样的迁移方式也适用于自定义传输、身份验证、事件钩子、模拟传输、URL、请求、响应和传输异常处理。请使用它们对应的 httpx2 类型。Agents SDK不会将任意旧版 httpx 对象转换为 HTTPX2。当应用显式安装 httpx 时，OpenAI Python SDK 会为旧版客户端提供临时兼容路径，但新增代码和迁移后的代码应使用 HTTPX2。

此OpenAI客户端边界独立于本地MCP传输自定义。MCP Python SDK v1 使用自己的旧版 httpx 依赖项，而 MCP Python SDK v2 使用 httpx2；请参阅 MCP Python SDK v1 和 v2。

如果倾向于使用基于环境变量的端点配置，默认OpenAI提供商还会读取 OPENAI_BASE_URL。启用 Responses websocket 传输后，它还会读取 websocket /responses 端点所使用的 OPENAI_WEBSOCKET_BASE_URL。

export OPENAI_BASE_URL="https://your-openai-compatible-endpoint.example/v1"
export OPENAI_WEBSOCKET_BASE_URL="wss://your-openai-compatible-endpoint.example/v1"

最后，还可以自定义所使用的OpenAI API。默认情况下，我们使用OpenAI Responses API。可以使用 set_default_openai_api() 函数将其改为Chat Completions API。

from agents import set_default_openai_api

set_default_openai_api("chat_completions")

OpenAI提供商默认设置

使用 SDK 的OpenAI后端的提供商在将模型名称字符串映射到模型时，也会读取 SDK 全局默认值。使用 set_default_openai_responses_transport() 可使OpenAI Responses 模型默认使用 websocket 传输：

from agents import set_default_openai_responses_transport

set_default_openai_responses_transport("websocket")

这会影响默认OpenAI提供商解析模型名称后生成的OpenAI Responses 模型。有关提供商级设置、连接复用、保活选项和自定义 websocket 端点，请参阅 Responses WebSocket 传输。

如果OpenAI设置需要提供商级智能体注册元数据，请在启动时配置一次默认 harness ID：

from agents import set_default_openai_harness

set_default_openai_harness("your-harness-id")

也可以传入完整的注册对象：

from agents import OpenAIAgentRegistrationConfig, set_default_openai_agent_registration

set_default_openai_agent_registration(
    OpenAIAgentRegistrationConfig(harness_id="your-harness-id")
)

如果未设置 SDK 默认值，使用 SDK 的OpenAI后端的提供商将回退到 OPENAI_AGENT_HARNESS_ID 环境变量。配置 harness ID 后，SDK 会将其作为 agent_harness_id 添加到追踪元数据中，除非 RunConfig.trace_metadata 中已存在该键。

追踪

追踪默认启用。默认情况下，它使用与上一节模型请求相同的OpenAI API 密钥，即环境变量中的密钥或设置的默认密钥。可以使用 set_tracing_export_api_key 函数专门设置用于追踪的 API 密钥。

from agents import set_tracing_export_api_key

set_tracing_export_api_key("sk-...")

如果模型流量使用一个密钥或客户端，而追踪需要使用另一个OpenAI密钥，请在设置默认密钥或客户端时传入 use_for_tracing=False，然后单独配置追踪。如果没有使用自定义客户端，也可以对 set_default_openai_key() 使用相同方式。

from openai import AsyncOpenAI
from agents import (
    set_default_openai_client,
    set_tracing_export_api_key,
)

custom_client = AsyncOpenAI(base_url="https://your-openai-compatible-endpoint.example/v1", api_key="provider-key")
set_default_openai_client(custom_client, use_for_tracing=False)

set_tracing_export_api_key("sk-tracing")

使用默认导出器时，如果需要将追踪归属于特定组织或项目，请在应用启动前设置以下环境变量：

export OPENAI_ORG_ID="org_..."
export OPENAI_PROJECT_ID="proj_..."

也可以为每次运行设置追踪 API 密钥，而不更改全局导出器。

from agents import Runner, RunConfig

await Runner.run(
    agent,
    input="Hello",
    run_config=RunConfig(tracing={"api_key": "sk-tracing-123"}),
)

还可以使用 set_tracing_disabled() 函数完全禁用追踪。

from agents import set_tracing_disabled

set_tracing_disabled(True)

如果希望保持追踪启用，但从追踪负载中排除可能包含敏感信息的输入或输出，请将 RunConfig.trace_include_sensitive_data 设置为 False：

from agents import Runner, RunConfig

await Runner.run(
    agent,
    input="Hello",
    run_config=RunConfig(trace_include_sensitive_data=False),
)

也可以在应用启动前设置以下环境变量，无需编写代码即可更改默认值：

export OPENAI_AGENTS_TRACE_INCLUDE_SENSITIVE_DATA=0

有关完整的追踪控制选项，请参阅追踪指南。

调试日志

SDK 定义了两个 Python 日志记录器（openai.agents 和 openai.agents.tracing），默认不附加任何处理器。日志遵循应用的 Python 日志配置。

要启用详细日志记录，请使用 enable_verbose_stdout_logging() 函数。

from agents import enable_verbose_stdout_logging

enable_verbose_stdout_logging()

或者，也可以通过添加处理器、过滤器和格式化程序等方式自定义日志。有关更多信息，请参阅 Python 日志指南。

import logging

logger = logging.getLogger("openai.agents") # or openai.agents.tracing for the Tracing logger

# To make all logs show up
logger.setLevel(logging.DEBUG)
# To make info and above show up
logger.setLevel(logging.INFO)
# To make warning and above show up
logger.setLevel(logging.WARNING)
# etc

# You can customize this as needed, but this will output to `stderr` by default
logger.addHandler(logging.StreamHandler())

日志与诊断中的敏感数据

某些日志和诊断异常可能包含敏感数据，例如模型或工具的输入和输出。

默认情况下，SDK 不会记录LLM输入和输出，也不会记录工具输入和输出。这些保护措施由以下变量控制：

OPENAI_AGENTS_DONT_LOG_MODEL_DATA=1
OPENAI_AGENTS_DONT_LOG_TOOL_DATA=1

如果为了调试而需要临时包含这些数据，请在应用启动前将任一变量设置为 0（或 false）：

export OPENAI_AGENTS_DONT_LOG_MODEL_DATA=0
export OPENAI_AGENTS_DONT_LOG_TOOL_DATA=0

这些标志还会控制受影响的故障是否保留含有负载的诊断详细信息。例如，启用工具数据脱敏后，FunctionTool 的无效参数会引发通用的 ModelBehaviorError，且不会将底层验证错误链接到异常链中。将任一变量设置为 0 可能会在日志、异常消息、异常链和其他诊断上下文中暴露原始模型数据或工具数据，因此只能在受控的开发环境中启用。

配置