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。这在不同智能体专长于不同领域的场景中特别有用。例如，客服应用可能有多个智能体，分别专门处理订单状态、退款、FAQ 等任务。

任务转移会作为工具呈现给 LLM。因此，如果存在一个转移到名为 Refund Agent 的智能体的任务转移，该工具会被称为 transfer_to_refund_agent。

任务转移的创建

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。

如果传入普通的 Agent 实例，它们的 handoff_description（如果已设置）会追加到默认工具描述中。可以使用它来提示模型应在何时选择该任务转移，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。此函数允许你指定要转移到的智能体，并提供可选的覆盖项和输入过滤器。

基本用法

下面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)])

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

基于 handoff() 函数的任务转移自定义

handoff() 函数允许你自定义相关内容。

• agent: 这是任务将被转移到的智能体。
• tool_name_override: 默认使用 Handoff.default_tool_name() 函数，其结果为 transfer_to_<agent_name>。你可以覆盖此项。
• tool_description_override: 覆盖来自 Handoff.default_tool_description() 的默认工具描述
• on_handoff: 在任务转移被调用时执行的回调函数。当你知道任务转移正在被调用时，需要立即启动某些数据获取等操作，这会很有用。此函数接收智能体上下文，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: 任务转移工具调用参数的模式。设置后，解析后的载荷会传递给 on_handoff。
• input_filter: 可用于过滤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，或返回布尔值的函数，从而允许你在运行时动态启用或禁用该任务转移。
• nest_handoff_history: 用于覆盖 RunConfig 级别 nest_handoff_history 设置的可选单次调用配置。如果为 None，则改用当前生效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。如果有多个可能的目标，请为每个目标注册一个任务转移，并让模型在其中选择。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 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，设想一个转移到“升级智能体”的任务转移。你可能希望提供一个原因，以便记录它。

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 会将该模式作为任务转移工具的 parameters 暴露给模型，在本地验证返回的 JSON，并将解析后的值传递给 on_handoff。

它不会替换下一个智能体的主输入，也不会选择不同的目标。handoff() 辅助函数仍会转移到你包装的特定智能体，并且接收方智能体仍会看到对话历史，除非你使用 input_filter 或嵌套任务转移历史设置来更改它。

input_type 也不同于 RunContextWrapper.context。请将 input_type 用于模型在任务转移时决定的元数据，而不是用于你在本地已有的应用状态或依赖项。

input_type 的使用场景

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，使用 input_type。例如，分流智能体可以使用 { "reason": "duplicate_charge", "priority": "high" } 转移给退款智能体，而 on_handoff 可以在退款智能体接管之前记录或持久化该元数据。

当目标不同时，请选择其他机制：

• 将已有的应用状态和依赖项放入 RunContextWrapper.context。请参阅上下文指南。
• 如果你想更改接收方智能体看到的历史，请使用 input_filter、RunConfig.nest_handoff_history 或 RunConfig.handoff_history_mapper。
• 如果存在多个可能的专业智能体，请为每个目标注册一个任务转移。input_type 可以向所选任务转移添加元数据，但不会在各目标之间进行分派。
• 如果你希望为嵌套的专业智能体提供结构化输入，而不转移对话，请优先使用 Agent.as_tool(parameters=...)。请参阅工具。

输入过滤器

当发生任务转移时，就像新的智能体接管对话一样，它可以看到此前完整的对话历史。如果你想更改这一点，可以设置 input_filter。输入过滤器是一个通过 HandoffInputData 接收现有输入的函数，并且必须返回新的 HandoffInputData。

HandoffInputData 包括：

• input_history: Runner.run(...) 启动之前的输入历史。
• pre_handoff_items: 在调用任务转移的智能体轮次之前生成的项。
• new_items: 当前轮次期间生成的项，包括任务转移调用和任务转移输出项。
• input_items: 可选项，用于转发给下一个智能体以替代 new_items，使你能够过滤模型输入，同时保持 new_items 在会话历史中不变。
• run_context: 任务转移被调用时处于活动状态的 RunContextWrapper。

嵌套任务转移以可选择启用的 beta 形式提供，在我们稳定该功能期间默认禁用。当你启用 RunConfig.nest_handoff_history 时，运行器会将先前的对话记录折叠为一条助手摘要消息，并将其包装在 <CONVERSATION HISTORY> 块中；当同一次运行中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来替换生成的消息，而无需编写完整的 input_filter。只有在任务转移和运行都没有提供显式 input_filter 时，此可选启用机制才会生效，因此已经自定义载荷的现有代码（包括本仓库中的代码示例）会保持当前行为，无需更改。你可以通过向 handoff(...) 传入 nest_handoff_history=True 或 False 来覆盖单个任务转移的嵌套行为，这会设置 Handoff.nest_handoff_history。如果你只需要更改生成摘要的包装文本，请在运行智能体之前调用 set_conversation_history_wrappers（也可选择调用 reset_conversation_history_wrappers）。

如果任务转移和当前生效的 RunConfig.handoff_input_filter 都定义了过滤器，则针对该特定任务转移，任务转移级别的 input_filter 优先。

Note

任务转移会停留在单次运行内。输入安全防护措施仍然只应用于链路中的第一个智能体，输出安全防护措施也只应用于生成最终输出的智能体。当你需要围绕工作流中的每个自定义函数工具调用进行检查时，请使用工具安全防护措施。

有一些常见模式（例如从历史中移除所有工具调用），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)!
)

1. 这会在调用 FAQ agent 时自动从历史中移除所有工具。

推荐提示词

为了确保 LLMs 能够正确理解任务转移，我们建议在你的智能体中包含有关任务转移的信息。我们在 agents.extensions.handoff_prompt.RECOMMENDED_PROMPT_PREFIX 中提供了建议前缀，或者你可以调用 agents.extensions.handoff_prompt.prompt_with_handoff_instructions 自动向你的提示词添加推荐数据。

from agents import Agent
from agents.extensions.handoff_prompt import RECOMMENDED_PROMPT_PREFIX

billing_agent = Agent(
    name="Billing agent",
    instructions=f"""{RECOMMENDED_PROMPT_PREFIX}
    <Fill in the rest of your prompt here>.""",
)