模型

Agents SDK 开箱即用地支持两种 OpenAI 模型形态：

推荐：OpenAIResponsesModel，通过新的 Responses API 调用 OpenAI 接口。
OpenAIChatCompletionsModel，通过 Chat Completions API 调用 OpenAI 接口。

OpenAI 模型

当你在初始化 Agent 时未指定模型，将使用默认模型。当前默认是 gpt-4.1，在智能体工作流的可预测性与低延迟之间提供了良好平衡。

如果你希望切换到其他模型，如 gpt-5，请按照下一节的步骤操作。

默认 OpenAI 模型

如果你希望对所有未设置自定义模型的智能体始终使用某个特定模型，请在运行智能体前设置 OPENAI_DEFAULT_MODEL 环境变量。

export OPENAI_DEFAULT_MODEL=gpt-5
python3 my_awesome_agent.py

GPT-5 模型

当你以这种方式使用任何 GPT-5 推理模型（gpt-5、gpt-5-mini 或 gpt-5-nano）时，SDK 会默认应用合理的 ModelSettings。具体而言，它会将 reasoning.effort 和 verbosity 都设置为 "low"。如果你希望自行构建这些设置，请调用 agents.models.get_default_model_settings("gpt-5")。

如需更低延迟或满足特定需求，你可以选择不同的模型和设置。要为默认模型调整推理力度，请传入你自己的 ModelSettings：

from openai.types.shared import Reasoning
from agents import Agent, ModelSettings

my_agent = Agent(
    name="My Agent",
    instructions="You're a helpful agent.",
    model_settings=ModelSettings(reasoning=Reasoning(effort="minimal"), verbosity="low")
    # If OPENAI_DEFAULT_MODEL=gpt-5 is set, passing only model_settings works.
    # It's also fine to pass a GPT-5 model name explicitly:
    # model="gpt-5",
)

如果专门追求更低延迟，使用 gpt-5-mini 或 gpt-5-nano 并设置 reasoning.effort="minimal"，通常会比默认设置更快返回结果。然而，Responses API 中的某些内置工具（例如文件检索与图像生成）不支持 "minimal" 推理力度，这也是本 Agents SDK 默认为 "low" 的原因。

非 GPT-5 模型

如果你传入非 GPT-5 的模型名称且未提供自定义 model_settings，SDK 会回退到对任意模型都兼容的通用 ModelSettings。

非 OpenAI 模型

你可以通过 LiteLLM 集成来使用大多数其他非 OpenAI 模型。首先，安装 litellm 依赖分组：

pip install "openai-agents[litellm]"

然后，使用带有 litellm/ 前缀的任一受支持模型：

claude_agent = Agent(model="litellm/anthropic/claude-3-5-sonnet-20240620", ...)
gemini_agent = Agent(model="litellm/gemini/gemini-2.5-flash-preview-04-17", ...)

使用非 OpenAI 模型的其他方式

你还可以通过另外 3 种方式集成其他 LLM 提供方（示例见此处）：

set_default_openai_client 适用于你希望在全局使用一个 AsyncOpenAI 实例作为 LLM 客户端的情况。适合 LLM 提供方有 OpenAI 兼容的 API 端点，且你可以设置 base_url 和 api_key。可参见可配置示例：examples/model_providers/custom_example_global.py。
ModelProvider 位于 Runner.run 层级。它允许你指定“在本次运行中为所有智能体使用自定义模型提供方”。可参见可配置示例：examples/model_providers/custom_example_provider.py。
Agent.model 允许你在特定的 Agent 实例上指定模型。这样你可以为不同的智能体混用不同的提供方。一个简单的方法是通过 LiteLLM 集成来使用多数可用模型。

在你没有来自 platform.openai.com 的 API Key 时，建议通过 set_tracing_disabled() 来禁用追踪，或设置不同的追踪进程。

Note

在这些示例中，我们使用 Chat Completions API/模型，因为大多数 LLM 提供方尚未支持 Responses API。如果你的 LLM 提供方支持，建议使用 Responses。

混合与匹配模型

在单个工作流中，你可能希望为每个智能体使用不同的模型。例如，你可以使用更小更快的模型进行初步分诊，而在复杂任务上使用更大更强的模型。在配置 Agent 时，你可以通过以下方式选择特定模型：

直接传入模型名称。
传入任意模型名称 + 一个可以将该名称映射到 Model 实例的 ModelProvider。
直接提供一个 Model 的实现。

Note

虽然我们的 SDK 同时支持 OpenAIResponsesModel 和 OpenAIChatCompletionsModel 两种形态，但我们建议在每个工作流中使用单一模型形态，因为这两种形态支持的功能和工具集不同。如果你的工作流确实需要混用不同的模型形态，请确保你使用的所有功能在两者上都可用。

from agents import Agent, Runner, AsyncOpenAI, OpenAIChatCompletionsModel
import asyncio

spanish_agent = Agent(
    name="Spanish agent",
    instructions="You only speak Spanish.",
    model="gpt-5-mini", # (1)!
)

english_agent = Agent(
    name="English agent",
    instructions="You only speak English",
    model=OpenAIChatCompletionsModel( # (2)!
        model="gpt-5-nano",
        openai_client=AsyncOpenAI()
    ),
)

triage_agent = Agent(
    name="Triage agent",
    instructions="Handoff to the appropriate agent based on the language of the request.",
    handoffs=[spanish_agent, english_agent],
    model="gpt-5",
)

async def main():
    result = await Runner.run(triage_agent, input="Hola, ¿cómo estás?")
    print(result.final_output)

直接设置 OpenAI 模型的名称。
提供一个 Model 的实现。

当你需要进一步配置某个智能体所用的模型时，你可以传入 ModelSettings，它提供诸如 temperature 等可选的模型配置参数。

from agents import Agent, ModelSettings

english_agent = Agent(
    name="English agent",
    instructions="You only speak English",
    model="gpt-4.1",
    model_settings=ModelSettings(temperature=0.1),
)

此外，在使用 OpenAI 的 Responses API 时，还有一些其他可选参数（例如 user、service_tier 等）。如果这些参数并未在顶层提供，你也可以通过 extra_args 传入。

from agents import Agent, ModelSettings

english_agent = Agent(
    name="English agent",
    instructions="You only speak English",
    model="gpt-4.1",
    model_settings=ModelSettings(
        temperature=0.1,
        extra_args={"service_tier": "flex", "user": "user_12345"},
    ),
)

使用其他 LLM 提供方的常见问题

追踪客户端报错 401

如果你遇到与追踪相关的错误，这是因为追踪数据会被上传到 OpenAI 服务，而你没有 OpenAI 的 API Key。你有三种解决方案：

完全禁用追踪：set_tracing_disabled(True)。
设置用于追踪的 OpenAI Key：set_tracing_export_api_key(...)。此 API Key 仅用于上传追踪数据，并且必须来自 platform.openai.com。
使用非 OpenAI 的追踪进程。参见追踪文档。

Responses API 支持

SDK 默认使用 Responses API，但多数其他 LLM 提供方尚未支持。因此你可能会看到 404 或类似问题。为解决此问题，你有两种选择：

调用 set_default_openai_api("chat_completions")。当你通过环境变量设置了 OPENAI_API_KEY 和 OPENAI_BASE_URL 时适用。
使用 OpenAIChatCompletionsModel。示例见此处。

structured outputs 支持

有些模型提供方不支持 structured outputs。这有时会导致类似如下的错误：

BadRequestError: Error code: 400 - {'error': {'message': "'response_format.type' : value is not one of the allowed values ['text','json_object']", 'type': 'invalid_request_error'}}

这是某些模型提供方的不足之处——它们支持 JSON 输出，但不允许你指定用于输出的 json_schema。我们正在努力修复此问题，但建议优先使用支持 JSON schema 输出的提供方，否则你的应用可能会因为 JSON 格式错误而经常出错。

跨提供方混用模型

你需要注意不同模型提供方之间的功能差异，否则可能会遇到错误。例如，OpenAI 支持 structured outputs、多模态输入，以及由OpenAI托管的工具中的文件检索和网络检索，但许多其他提供方不支持这些功能。请注意以下限制：

不要向不支持的提供方发送其无法理解的 tools
在调用仅支持文本的模型前，过滤掉多模态输入
注意不支持结构化 JSON 输出的提供方可能会偶尔产生无效 JSON