模型

Agents SDK 开箱即用地支持两种 OpenAI 模型调用方式：

推荐：OpenAIResponsesModel，使用全新的 Responses API 调用 OpenAI API。
OpenAIChatCompletionsModel，使用 Chat Completions API 调用 OpenAI API。

OpenAI 模型

当你在初始化 Agent 时没有指定模型，将使用默认模型。当前默认模型是 gpt-4.1，在面向智能体的工作流可预测性与低延迟之间取得了良好平衡。

如果你想切换到其他模型（例如 gpt-5），请按照下一节的步骤操作。

默认 OpenAI 模型

如果你希望在所有未设置自定义模型的智能体中始终使用特定模型，请在运行你的智能体之前设置 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一 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。具体来说，它会将 reasoning.effort 和 verbosity 都设置为 "low"。如果你想自行构建这些设置，请调用 agents.models.get_default_model_settings("gpt-5")。

针对更低延迟或特定需求，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",
)

特别是为了更低延迟，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响应。不过，由于 Responses API 中的一些内置工具（如文件检索和图像生成）不支持 "minimal" 的推理力度，因此本 Agents SDK 默认使用 "low"。

非 GPT-5 模型

如果你传入的是非 GPT-5 的模型名且没有自定义 model_settings，SDK 会回退到适用于任意模型的通用 ModelSettings。

非 OpenAI 模型

你可以通过 LiteLLM 集成使用大多数其他非 OpenAI 模型。首先，安装 litellm 依赖组：

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 提供商（code examples 在这里）：

set_default_openai_client 适用于你希望在全局使用一个 AsyncOpenAI 实例作为 LLM 客户端的场景。适用于 LLM 提供商具有 OpenAI 兼容 API 端点、且你可以设置 base_url 和 api_key 的情况。参见可配置示例：examples/model_providers/custom_example_global.py。
ModelProvider 用在 Runner.run 层级。它允许你为“本次运行中的所有智能体使用自定义模型提供商”。参见可配置示例：examples/model_providers/custom_example_provider.py。
Agent.model 允许你在某个特定的 Agent 实例上指定模型。这使你可以为不同的智能体混用不同的提供商。参见可配置示例：examples/model_providers/custom_example_agent.py。使用多数可用模型的简便方式是通过 LiteLLM 集成。

如果你没有来自 platform.openai.com 的 API key，我们建议通过 set_tracing_disabled() 禁用追踪，或设置一个不同的追踪进程。

Note

在这些示例中，我们使用 Chat Completions API/模型，因为大多数 LLM 提供商尚未支持 Responses API。如果你的 LLM 提供商支持它，我们建议使用 Responses。

模型的混合与搭配

在单个工作流中，你可能希望为每个智能体使用不同模型。例如，你可以在分诊时使用更小、更快的模型，而在复杂任务中使用更大、更强的模型。配置 Agent 时，你可以通过以下方式选择特定模型：

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 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，因为两种形态所支持的特性和工具不同。如果你的工作流需要混合使用不同的模型形态，请确保你所用的所有特性在两种形态上都可用。

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)

直接设置一个 OpenAI 模型的名称。
提供一个 Model 实现。

当你希望进一步配置某个智能体所使用的模型时，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，当你使用 OpenAI 的 Responses API 时，还有一些其他可选参数（例如 user、service_tier 等）。如果它们未在顶层提供，你可以通过 extra_args 一并传入。

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 提供商的常见问题

追踪客户端错误 401

如果你遇到与追踪相关的错误，这是因为追踪数据会上传到 OpenAI 服务，而你没有 OpenAI API key。你可以通过以下三种方式解决：

完全禁用追踪：set_tracing_disabled(True)。
为追踪设置一个 OpenAI key：set_tracing_export_api_key(...)。此 API key 仅用于上传追踪数据，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，但大多数其他 LLM 提供商尚未支持它。因此你可能会看到 404 或类似问题。要解决，你有两种选择：

调用 set_default_openai_api("chat_completions")。当你通过环境变量设置 OPENAI_API_KEY 和 OPENAI_BASE_URL 时适用。
使用 OpenAIChatCompletionsModel。相关 code examples 在这里。

structured outputs 支持

有些模型提供商不支持 structured outputs。这有时会导致如下类似错误：

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

这是某些模型提供商的短板——它们支持 JSON 输出，但不允许你为输出指定要使用的 json_schema。我们正在着手修复，但我们建议优先依赖支持 JSON schema 输出的提供商，否则你的应用常常会因为 JSON 格式不正确而出错（不是格式良好的数据）。

跨提供商混用模型

你需要了解不同模型提供商之间的特性差异，否则可能会遇到错误。例如，OpenAI 支持 structured outputs、多模态输入、以及托管的文件检索和网络检索，但许多其他提供商并不支持这些特性。请注意以下限制：

不要向不支持的提供商发送其无法理解的 tools
在调用仅支持文本的模型之前，过滤掉多模态输入
注意不支持结构化 JSON 输出的提供商偶尔会产生无效的 JSON。