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。这在不同智能体专精于不同领域的场景中特别有用。例如，客户支持应用可以包含多个智能体，分别专门处理订单状态、退款、常见问题等任务。

任务转移以工具的形式呈现给LLM。因此，如果要将任务转移给名为 Refund Agent 的智能体，该工具将命名为 transfer_to_refund_agent。

任务转移的创建

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

如果传入普通的 Agent 实例，其 handoff_description（如果已设置）会附加到默认工具描述中。可以使用它提示模型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() 函数创建任务转移。此函数允许你指定任务将转移到的智能体，以及可选的覆盖设置和输入筛选器。

基本用法

以下是创建简单任务转移的方法：

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() 函数可用于自定义任务转移。

agent：任务将转移到的智能体。
tool_name_override：默认使用 Handoff.default_tool_name() 函数，其解析结果为 transfer_to_<agent_name>。你可以覆盖此设置。
tool_description_override：覆盖来自 Handoff.default_tool_description() 的默认工具描述。
on_handoff：调用任务转移时执行的回调函数。它适用于在确定将调用任务转移后立即开始获取数据等场景。此函数接收智能体上下文，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：任务转移工具调用参数的模式。设置后，解析后的有效负载将传递给 on_handoff。
input_filter：用于筛选下一个智能体接收的输入。更多信息见下文。
is_enabled：任务转移是否启用。它可以是布尔值，也可以是返回布尔值的函数，因此你可以在运行时动态启用或禁用任务转移。
nest_handoff_history：针对单次任务转移的可选覆盖设置，用于覆盖 RunConfig 级别的 nest_handoff_history 设置。如果为 None，则使用当前运行配置中定义的值。

handoff() 辅助函数始终将控制权转移给你传入的特定 agent。如果存在多个可能的目标，请为每个目标注册一个任务转移，并让模型从中选择。只有当你自己的任务转移代码必须在调用时决定返回哪个智能体时，才使用自定义的 Handoff。

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，假设要将任务转移给“升级处理智能体”，你可能希望模型提供原因，以便记录该原因。

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,
)

input_type 描述任务转移工具调用本身的参数。SDK 将该模式作为任务转移工具的 parameters 提供给模型，在本地验证返回的 JSON，并将解析后的值传递给 on_handoff。

SDK 在准备可用的任务转移时评估 is_enabled，此时模型尚未返回任务转移参数，因此它无法对带参数的任务转移中的值进行授权。如果授权取决于解析后的字段，请在 on_handoff 开始时、产生任何应用程序副作用之前执行检查。如果授权失败，请抛出异常而不是返回；on_handoff 成功返回后，SDK 会继续执行任务转移。工具输入安全防护措施适用于函数工具，而不适用于任务转移。

它不会替换下一个智能体的主要输入，也不会选择其他目标。handoff() 辅助函数仍会将任务转移给你封装的特定智能体，并且接收方智能体仍会看到对话历史记录，除非你使用 input_filter 或嵌套任务转移历史记录设置对其进行更改。

input_type 也与 RunContextWrapper.context 相互独立。input_type 应用于模型在任务转移时决定的元数据，而不应用于你在本地已有的应用程序状态或依赖项。

`input_type` 的适用场景

当任务转移需要一小段由模型生成的元数据（例如 reason、language、priority 或 summary）时，请使用 input_type。例如，分流智能体可以使用 { "reason": "duplicate_charge", "priority": "high" } 将任务转移给退款智能体，而 on_handoff 可以在退款智能体接手前记录或持久化该元数据。

如果目标不同，请选择其他机制：

将现有应用程序状态和依赖项放入 RunContextWrapper.context。请参阅上下文指南。
如果要更改接收方智能体看到的历史记录，请使用 input_filter、RunConfig.nest_handoff_history 或 RunConfig.handoff_history_mapper。
如果有多个可能的专用智能体，请为每个目标注册一个任务转移。input_type 可以向选定的任务转移添加元数据，但不会在多个目标之间进行分派。
如果要在不转移对话的情况下为嵌套的专用智能体提供结构化输入，建议使用 Agent.as_tool(parameters=...)。请参阅工具。

输入筛选器

发生任务转移时，新智能体如同接管了对话，并且可以看到之前的完整对话历史记录。如果要更改这一行为，可以设置 input_filter。输入筛选器是一个函数，它通过 HandoffInputData 接收现有输入，并且必须返回新的 HandoffInputData。

HandoffInputData 包括：

input_history：Runner.run(...) 启动前的输入历史记录。
pre_handoff_items：调用任务转移的智能体轮次之前生成的项目。
new_items：当前轮次中生成的项目，包括任务转移调用和任务转移输出项目。
input_items：可选项目，用于代替 new_items 转发给下一个智能体，使你可以筛选模型输入，同时保持 new_items 不变，以用于会话历史记录。
run_context：调用任务转移时处于活动状态的 RunContextWrapper。

嵌套任务转移历史记录以可选择启用的测试版功能提供，在我们对其进行稳定化期间默认禁用。启用 RunConfig.nest_handoff_history 后，运行器会将可摘要的历史记录压缩为有序的助手摘要片段，同时在原始位置保留无损消息项目。每个生成的摘要片段都使用 <CONVERSATION HISTORY> 包装器，后续任务转移会先展平之前生成的片段，再重新构建有序的对话记录。会话、RunState 和 RunResult.to_input_list() 会追踪移入此 SDK 默认历史记录的确切消息实例，以避免重复追加这些实例；彼此独立但内容相同的消息仍会保留。你可以通过 RunConfig.handoff_history_mapper 提供自己的映射函数，为下一个智能体返回确切的输入项目列表，而不使用内置分段功能。仅当任务转移的 input_filter 和当前运行的 RunConfig.handoff_input_filter 均未设置时，才会应用此可选择启用的功能，因此已经自定义有效负载的现有代码（包括此代码仓库中的代码示例）无需更改即可保持当前行为。你可以向 handoff(...) 传递 nest_handoff_history=True 或 False，为单次任务转移覆盖嵌套行为，这会设置 Handoff.nest_handoff_history。如果只需更改所生成摘要片段的包装文本，请在运行智能体之前调用 set_conversation_history_wrappers。如果需要在后续运行前恢复默认包装器，请调用 reset_conversation_history_wrappers。

嵌套任务转移历史记录会改变对话记录的表示方式，但不会删减敏感数据。即使相应的结构化工具项目不再单独转发，工具调用参数和工具输出仍可能保留在生成的助手摘要中。应将接收方智能体及其模型提供商视为所转发历史记录的接收者。

对于由客户端管理的历史记录，请使用显式的 input_filter 或 RunConfig.handoff_input_filter，选择或删减接收方智能体可以看到的内容。如果自定义筛选器还会调用 nest_handoff_history，请在该调用之前清理 input_history、pre_handoff_items 和 new_items。该辅助函数会根据这三个字段构建嵌套历史记录，并忽略任何现有的 input_items 覆盖设置。因此，仅筛选 input_items 仍可能使已排除的工具内容保留在生成的摘要中。

如果筛选器必须保留原始 new_items 以用于会话历史记录，则可以改为调用 nest_handoff_history，并在返回嵌套结果之前清理返回的 input_history。嵌套完成后，仅清除或替换 input_items 并不会移除已包含在 input_history 中的内容。

服务器管理的对话（conversation_id、previous_response_id 或 auto_previous_response_id）不支持任务转移输入筛选器；如果接收方智能体不得继承该服务器管理的历史记录，请使用显式选择的输入启动单独的运行。请勿在该单独运行中复用原始 conversation_id 或 previous_response_id。

如果任务转移和当前 RunConfig.handoff_input_filter 均定义了筛选器，则针对该特定任务转移，单次任务转移的 input_filter 优先级更高。

Note

任务转移始终在单次运行内进行。输入安全防护措施仍仅适用于链中的第一个智能体，输出安全防护措施仅适用于生成最终输出的智能体。如果需要检查工作流中的每次自定义函数工具调用，请使用工具安全防护措施。

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

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)!
)

调用 FAQ agent 时，这会自动从历史记录中移除所有与工具相关的项目。

remove_all_tools 会移除结构化工具项目，但不会删减已复制到普通消息或嵌套历史记录摘要中的工具参数或结果。需要时，请使用自定义输入筛选器移除或删减这些消息内容。