跳转至

结果

当你调用 Runner.run 方法时，会收到以下两种结果类型之一：

二者都继承自 RunResultBase，后者公开了共享的结果接口，如 final_output、new_items、last_agent、raw_responses 和 to_state()。

RunResultStreaming 增加了流式传输专用控制项，例如 stream_events()、current_agent、is_complete 和 cancel(...)。

合适结果接口选择

大多数应用只需要少量结果属性或辅助方法：

如果你需要... 使用
展示给用户的最终答案 final_output
可重放的下一轮输入列表（包含完整本地对话记录） to_input_list()
带有智能体、工具、任务转移与审批元数据的丰富运行条目 new_items
通常应处理下一轮用户输入的智能体 last_agent
使用 previous_response_id 进行 OpenAI Responses API 链式调用 last_response_id
待处理审批和可恢复快照 interruptions 和 to_state()
当前嵌套 Agent.as_tool() 调用的元数据 agent_tool_invocation
原始模型调用或安全防护措施诊断信息 raw_responses 和各类安全防护措施结果数组

最终输出

final_output 属性包含最后一个运行智能体的最终输出。它可能是：

  • str，如果最后一个智能体未定义 output_type
  • last_agent.output_type 类型的对象，如果最后一个智能体定义了输出类型
  • None，如果运行在生成最终输出前已停止，例如因审批中断而暂停

Note

final_output 的类型为 Any。任务转移可能改变最终完成运行的智能体，因此 SDK 无法在静态层面获知所有可能的输出类型集合。

在流式传输模式下，final_output 会在流处理完成前一直保持 None。关于逐事件流程，请参见 流式传输。

输入、下一轮历史与新条目

这些接口回答的是不同问题：

属性或辅助方法 包含内容 最适用场景
input 此运行片段的基础输入。如果任务转移输入过滤器重写了历史，这里反映的是运行继续使用的已过滤输入。 审计该次运行实际使用了什么输入
to_input_list() 由 input 加上本次运行中 new_items 转换结果构成的、可重放的下一轮输入列表。 手动聊天循环与客户端管理的对话状态
new_items 带有智能体、工具、任务转移和审批元数据的丰富 RunItem 包装对象。 日志、UI、审计与调试
raw_responses 运行中每次模型调用返回的原始 ModelResponse 对象。 提供商级诊断或原始响应检查

在实践中：

  • 当你的应用手动维护完整对话记录时，使用 to_input_list()。
  • 当你希望 SDK 为你加载和保存历史时，使用 session=...。
  • 如果你在用带 conversation_id 或 previous_response_id 的 OpenAI 服务端托管状态，通常只需传入新的用户输入并复用已存储 ID，而不是重新发送 to_input_list()。

不同于 JavaScript SDK，Python 不会额外公开一个仅含模型形状增量的 output 属性。需要 SDK 元数据时用 new_items，需要原始模型负载时检查 raw_responses。

新条目

new_items 能让你最完整地看到运行期间发生了什么。常见条目类型包括：

当你需要智能体关联、工具输出、任务转移边界或审批边界时，应优先选择 new_items 而非 to_input_list()。

对话延续或恢复

下一轮智能体

last_agent 包含最后运行的智能体。在发生任务转移后，它通常是下一轮用户输入最合适复用的智能体。

在流式传输模式下，RunResultStreaming.current_agent 会随运行进展更新，因此你可以在流结束前观察到任务转移。

中断与运行状态

如果工具需要审批，待处理审批会暴露在 RunResult.interruptions 或 RunResultStreaming.interruptions 中。这可能包括：直接工具触发的审批、任务转移后到达工具触发的审批，或嵌套 Agent.as_tool() 运行触发的审批。

调用 to_state() 可捕获一个可恢复的 RunState，对待处理条目进行批准或拒绝，然后用 Runner.run(...) 或 Runner.run_streamed(...) 继续运行。

from agents import Agent, Runner

agent = Agent(name="Assistant", instructions="Use tools when needed.")
result = await Runner.run(agent, "Delete temp files that are no longer needed.")

if result.interruptions:
    state = result.to_state()
    for interruption in result.interruptions:
        state.approve(interruption)
    result = await Runner.run(agent, state)

对于流式运行，先消费完 stream_events()，再检查 result.interruptions 并从 result.to_state() 恢复。完整审批流程请参见 Human-in-the-loop。

服务端托管的延续

last_response_id 是此次运行最新的模型响应 ID。若你想继续一个 OpenAI Responses API 链，可在下一轮把它作为 previous_response_id 传回。

如果你已经通过 to_input_list()、session 或 conversation_id 来延续对话，通常不需要 last_response_id。如果你需要多步骤运行中的每个模型响应，请改为检查 raw_responses。

Agent-as-tool 元数据

当结果来自嵌套 Agent.as_tool() 运行时，agent_tool_invocation 会公开外层工具调用的不可变元数据：

  • tool_name
  • tool_call_id
  • tool_arguments

对于普通顶层运行，agent_tool_invocation 为 None。

这在 custom_output_extractor 中尤其有用：当你对嵌套结果做后处理时，可能需要外层工具名、调用 ID 或原始参数。有关周边 Agent.as_tool() 模式，请参见 工具。

如果你还需要该嵌套运行的已解析结构化输入，请读取 context_wrapper.tool_input。这是 RunState 以通用方式序列化嵌套工具输入所用的字段，而 agent_tool_invocation 是当前嵌套调用的实时结果访问器。

流式传输生命周期与诊断

RunResultStreaming 继承了上述相同结果接口，但增加了流式传输专用控制项：

持续消费 stream_events()，直到异步迭代器结束。流式运行在该迭代器结束前都不算完成；并且诸如 final_output、interruptions、raw_responses 以及 session 持久化副作用等汇总属性，可能在最后一个可见 token 到达后仍在收敛。

如果你调用了 cancel()，仍应继续消费 stream_events()，以便取消与清理过程正确完成。

Python 不提供独立的流式 completed promise 或 error 属性。终止性流错误会通过 stream_events() 抛出异常体现，而 is_complete 反映运行是否已到达终止状态。

原始响应

raw_responses 包含运行期间收集到的原始模型响应。多步骤运行可能产生不止一个响应，例如跨任务转移或重复的模型/工具/模型循环。

last_response_id 只是 raw_responses 最后一项的 ID。

安全防护措施结果

智能体级安全防护措施结果通过 input_guardrail_results 和 output_guardrail_results 暴露。

工具级安全防护措施结果则通过 tool_input_guardrail_results 和 tool_output_guardrail_results 分别暴露。

这些数组会在整个运行中持续累积，因此很适合用于记录决策、存储额外安全防护措施元数据，或调试运行被阻止的原因。

上下文与用量

context_wrapper 会公开你的应用上下文，以及由 SDK 管理的运行时元数据（如审批、用量和嵌套 tool_input）。

用量记录在 context_wrapper.usage 上。对于流式运行，用量总计可能会滞后，直到流的最终分块处理完毕。完整包装器结构和持久化注意事项请参见 上下文管理。