任务转移

任务转移允许一个智能体将任务委派给另一个智能体。这在不同智能体分别专精于不同领域的场景中特别有用。例如，一个客户支持应用可能包含多个智能体，分别专门处理订单状态、退款、常见问题解答等任务。

任务转移会以工具的形式呈现给 LLM。因此，如果要任务转移到名为 Refund Agent 的智能体，该工具会被命名为 transfer_to_refund_agent。

创建任务转移

所有智能体都有一个 handoffs 参数，它既可以直接接收一个 Agent，也可以接收一个用于自定义任务转移的 Handoff 对象。

如果你传入的是普通的 Agent 实例，它们的 handoff_description（设置后）会被追加到默认的工具描述中。你可以用它来提示模型在何时应选择该任务转移，而无需编写完整的 handoff() 对象。

你可以使用 Agents SDK 提供的 handoff() 函数来创建任务转移。该函数允许你指定要转移到的智能体，并提供可选的覆写项与输入过滤器。

基本用法

下面展示如何创建一个简单的任务转移：

from agents import Agent, handoff

billing_agent = Agent(name="Billing agent")
refund_agent = Agent(name="Refund agent")

# (1)!
triage_agent = Agent(name="Triage agent", handoffs=[billing_agent, handoff(refund_agent)])

你可以直接使用智能体（如 billing_agent），也可以使用 handoff() 函数。

通过 `handoff()` 函数自定义任务转移

handoff() 函数允许你自定义相关内容。

agent：要将任务转移给的智能体。
tool_name_override：默认使用 Handoff.default_tool_name() 函数，解析为 transfer_to_<agent_name>。你可以覆写它。
tool_description_override：覆写 Handoff.default_tool_description() 的默认工具描述。
on_handoff：当任务转移被调用时执行的回调函数。这对在你确定将发生任务转移时立即触发数据拉取等操作很有用。该函数会接收智能体上下文，并且也可以选择接收由 LLM 生成的输入。输入数据由 input_type 参数控制。
input_type：任务转移期望的输入类型（可选）。
input_filter：用于过滤下一个智能体接收到的输入。更多内容见下文。
is_enabled：任务转移是否启用。可以是布尔值，也可以是返回布尔值的函数，从而支持在运行时动态启用或禁用任务转移。

from agents import Agent, handoff, RunContextWrapper

def on_handoff(ctx: RunContextWrapper[None]):
    print("Handoff called")

agent = Agent(name="My agent")

handoff_obj = handoff(
    agent=agent,
    on_handoff=on_handoff,
    tool_name_override="custom_handoff_tool",
    tool_description_override="Custom description",
)

任务转移输入

在某些情况下，你希望 LLM 在调用任务转移时提供一些数据。例如，设想有一个转移到“升级处理智能体”的任务转移。你可能希望提供一个原因，以便记录日志。

from pydantic import BaseModel

from agents import Agent, handoff, RunContextWrapper

class EscalationData(BaseModel):
    reason: str

async def on_handoff(ctx: RunContextWrapper[None], input_data: EscalationData):
    print(f"Escalation agent called with reason: {input_data.reason}")

agent = Agent(name="Escalation agent")

handoff_obj = handoff(
    agent=agent,
    on_handoff=on_handoff,
    input_type=EscalationData,
)

输入过滤器

当发生任务转移时，就像新的智能体接管了对话，并能看到此前的全部对话历史。如果你想改变这一点，可以设置一个 input_filter。输入过滤器是一个函数，它通过 HandoffInputData 接收现有输入，并必须返回一个新的 HandoffInputData。

嵌套任务转移以可选加入（opt-in）的 beta 形式提供；在我们稳定它们期间，默认是禁用的。当你启用 RunConfig.nest_handoff_history 时，runner 会将此前的对话记录折叠为一条 assistant 总结消息，并将其包裹在一个 <CONVERSATION HISTORY> 块中；当同一次运行期间发生多次任务转移时，该块会持续追加新的轮次。你可以通过 RunConfig.handoff_history_mapper 提供自己的映射函数，以在不编写完整 input_filter 的情况下替换生成的消息。该 opt-in 仅在任务转移和运行都未提供显式 input_filter 时生效，因此现有已经自定义 payload 的代码（包括本仓库中的代码示例）无需修改即可保持当前行为。你可以通过在 handoff(...) 中传入 nest_handoff_history=True 或 False 来为单个任务转移覆写嵌套行为，这会设置 Handoff.nest_handoff_history。如果你只需要修改生成总结的包装文本，请在运行智能体之前调用 set_conversation_history_wrappers（并可选调用 reset_conversation_history_wrappers）。

有一些常见模式（例如从历史记录中移除所有工具调用），我们已在 agents.extensions.handoff_filters 中为你实现。

from agents import Agent, handoff
from agents.extensions import handoff_filters

agent = Agent(name="FAQ agent")

handoff_obj = handoff(
    agent=agent,
    input_filter=handoff_filters.remove_all_tools, # (1)!
)

当调用 FAQ agent 时，这会自动从历史记录中移除所有工具。