结果

调用 Runner.run 方法时，你会收到以下两种结果类型之一：

• RunResult，来自 Runner.run(...) 或 Runner.run_sync(...)
• RunResultStreaming，来自 Runner.run_streamed(...)

两者都继承自 RunResultBase，后者提供共享的结果接口，例如 final_output、new_items、last_agent、raw_responses 和 to_state()。

RunResultStreaming 还添加了流式传输专用控制功能，例如 stream_events()、current_agent、is_complete 和 cancel(...)。

合适的结果接口

大多数应用只需要少数结果属性或辅助方法：

如果你需要……	使用
向用户显示最终答案	final_output
包含完整本地对话记录、可直接重放的下一轮输入列表	to_input_list()
包含智能体、工具、任务转移和审批元数据的丰富运行项	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 串联 OpenAI Responses API	last_response_id
待处理的审批和可恢复快照	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的智能体所生成的最终输出。它可能是：

• 如果最后一个智能体未定义 output_type，则为 str
• 如果最后一个智能体定义了输出类型，则为 last_agent.output_type 类型的对象
• 如果运行在生成最终输出前停止，例如因等待审批而暂停，则为 None

Note

final_output 的类型为 Any。任务转移可能会改变最终完成运行的智能体，因此 SDK 无法静态确定所有可能的输出类型。

在流式传输模式下，final_output 会一直保持为 None，直到流处理完成。有关逐事件的流程，请参阅流式传输。

输入、下一轮历史记录和新项目

以下接口分别回答不同的问题：

属性或辅助方法	包含的内容	最适合
input	此运行分段的基础输入。如果任务转移输入过滤器重写了历史记录，则这里反映运行继续执行时所使用的已过滤输入。	审计此运行实际使用的输入
to_input_list()	运行的输入项视图。默认的 mode="preserve_all" 会保留来自 new_items 的转换后历史记录，但不会再次追加已移入 SDK 默认嵌套任务转移历史记录中的同一 Session 项实例；当任务转移过滤重写模型历史记录时，mode="normalized" 优先使用规范的续接输入。	手动聊天循环、客户端管理的对话状态以及普通项目历史记录检查
new_items	丰富的 RunItem 包装器，包含智能体、工具、任务转移和审批元数据。	日志、UI、审计和调试
raw_responses	运行中每次模型调用产生的原始 ModelResponse 对象。	提供商级诊断或原始响应检查

实践中：

• 当你需要运行的普通输入项视图时，使用 to_input_list()。
• 在任务转移过滤或嵌套任务转移历史记录重写后，如果你需要下一次 Runner.run(..., input=...) 调用所用的规范本地输入，请使用 to_input_list(mode="normalized")。
• 如果希望 SDK 为你加载和保存历史记录，请使用 session=...。
• 如果使用由 OpenAI 服务端管理的状态以及 conversation_id 或 previous_response_id，通常只需传入新的用户输入并复用已存储的 ID，而不是重新发送 to_input_list()。
• 当日志、UI 或审计需要完整的转换后历史记录时，请使用默认的 to_input_list() 模式或 new_items。

当 SDK 默认的嵌套任务转移历史记录逐字保留某个消息项时，Sessions、RunState 和 to_input_list() 会追踪其确切归属实例，而不是按内容去重。分别出现的相同消息仍会保持独立；只有已归属的实例不会被再次追加。

将模型输出转换为可重放输入时，to_input_list()、ModelResponse.to_input_items() 和每次 RunItemBase.to_input_item() 调用都会移除仅供提供商输出使用的 created_by 元数据，其中包括嵌套 shell_call_output 数据块中的 created_by。转换过程会重新构建受影响的映射，而不会修改原始项目。

与 JavaScript SDK 不同，Python 不会公开一个单独的 output 属性，用于仅包含运行期间新生成的模型格式项目。需要 SDK 元数据时，请使用 new_items；需要原始模型载荷时，请检查 raw_responses。

将计算机工具项目作为对话输入重新提交时，会使用原始 Responses 载荷格式。预览模型的 computer_call 项目会保留单个 action，而 gpt-5.5 计算机调用可以保留批量的 actions[]。to_input_list() 和 RunState 会保留模型生成的原有格式，因此手动将这些项目重新提交为对话输入、暂停/恢复流程以及已存储的对话记录，都能继续兼容预览版和正式发布版计算机工具调用。本地执行结果仍会以 computer_call_output 项目的形式出现在 new_items 中。

新项目

new_items 提供运行期间所发生事件的最丰富视图。常见项目类型包括：

• InputItem，表示恢复后的模型调用前一刻从 RunState.pending_input 接纳的输入
• MessageOutputItem，表示助手消息
• ReasoningItem，表示推理项目
• ToolSearchCallItem 和 ToolSearchOutputItem，表示 Responses 工具搜索请求和已加载的工具搜索结果
• ToolCallItem 和 ToolCallOutputItem，表示工具调用及其结果
• ToolApprovalItem，表示因等待审批而暂停的工具调用
• MCPApprovalRequestItem、MCPApprovalResponseItem 和 MCPListToolsItem，表示托管式 MCP 审批和工具目录
• HandoffCallItem 和 HandoffOutputItem，表示任务转移请求和已完成的转移

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，应选择 new_items，而不是 to_input_list()。

使用托管式工具搜索时，检查 ToolSearchCallItem.raw_item 可查看模型发出的搜索请求，检查 ToolSearchOutputItem.raw_item 可查看为该轮加载了哪些命名空间、函数或托管式 MCP 服务器。

使用程序化工具调用时，生成的 program 是 ToolCallItem，由该程序拥有的普通子工具调用也是 ToolCallItem 条目，而对应的 program_output 是 ToolCallOutputItem。程序拥有的托管式 MCP mcp_approval_request 和 mcp_list_tools 项目属于例外：它们会变为 MCPApprovalRequestItem 和 MCPListToolsItem 条目。

原始项目可以是有类型的 Responses 对象或映射。具体而言，程序拥有的 shell 和 apply-patch 调用使用映射。请使用可安全处理映射的检查模式：

from collections.abc import Mapping


def raw_field(item, name):
    raw_item = item.raw_item
    if isinstance(raw_item, Mapping):
        return raw_item.get(name)
    return getattr(raw_item, name, None)


raw_type = raw_field(item, "type")
caller = raw_field(item, "caller")
caller_id = (
    caller.get("caller_id")
    if isinstance(caller, Mapping)
    else getattr(caller, "caller_id", None)
)

对于程序拥有的子调用，caller 的 type 字段为 program，而 caller_id 用于标识父程序调用。

对话的继续或恢复

下一轮智能体

last_agent 包含最后一个运行的智能体。完成任务转移后，它通常是下一轮用户输入最适合复用的智能体。

在流式传输模式下，RunResultStreaming.current_agent 会随着运行推进而更新，因此你可以在流结束前观察任务转移。

中断与运行状态

如果某个工具需要审批，待处理的审批会显示在 RunResult.interruptions 或 RunResultStreaming.interruptions 中。这可能包括直接工具触发的审批、任务转移后到达的工具触发的审批，或嵌套 Agent.as_tool() 运行触发的审批。

调用 to_state() 可捕获可恢复的 RunState，批准或拒绝待处理项目，然后使用 Runner.run(...) 或 Runner.run_streamed(...) 恢复运行。

当 ToolCallOutputItem 的输出是 Pydantic 模型或数据类时，RunState 会将该输出序列化为结构化数据。RunState 还会遍历字典、列表和元组，并转换在这些容器中遇到的 Pydantic 模型或数据类；经过 JSON 往返转换后，元组会恢复为列表。其他与 JSON 不兼容的值可能会回退为其字符串表示形式，因此，当某个确切的自定义类型必须在序列化后保留时，请返回明确与 JSON 兼容的数据。

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)

恢复已失败的 Session 续写

恢复的运行可能会完成已获批准的工具工作，而这些工作仍会触发另一次模型调用，其中可能包括同一模型响应中的任务转移；随后，在将已完成的工具调用及其输出写入由客户端管理的 Session 时发生失败。请保留同一个 RunState，或将其序列化后恢复，并使用原始 Session 后端和 session_id 重试 Runner.run(...) 或 Runner.run_streamed(...)。在后续模型调用之前，SDK 会将待处理批次与 Session 历史记录进行核对。如果 Session 已提交完整批次，但确认响应失败，SDK 会识别完全匹配的历史记录尾部，不会再次追加该批次。如果写入未提交，SDK 会重试追加。SDK 不会再次执行已完成的工具、工具安全防护措施、钩子或任务转移。恢复的运行会使用已完成任务转移所选定的智能体继续执行。

当 Session 历史记录无法完全匹配时，恢复操作会出于安全考虑而拒绝继续。请使用原始 Session 后端和 session_id，并确保恢复的运行独占访问该历史记录。如果其他写入方更改了历史记录尾部、待处理批次仅部分存在，或历史记录存在其他歧义，SDK 会在再次调用模型前抛出 UserError。请先修复原始 Session 历史记录再恢复；不要重新运行已完成的工作。待处理批次、所选智能体和累计的工具安全防护措施结果能够在 RunState 的 JSON 和字符串往返转换中保留，即使恢复完成前稍后再次出现审批中断也是如此。stream_events() 抛出 Session 写入错误后，RunResultStreaming.to_state() 也会返回一个分离状态，其中保留相同的恢复数据。

如果运行已接受最终输出、完成输出安全防护措施和终止钩子，之后才无法持久化该最终轮次，则此恢复机制不适用。重放该状态可能导致终止阶段的生命周期效果重复发生，因此 SDK 会将 RunState 标记为不可恢复。此后每次使用该状态尝试 Runner.run(...) 或 Runner.run_streamed(...)，都会在 Session 核对、沙箱准备、模型调用、工具、安全防护措施或钩子运行前抛出 UserError。该标记能够在 RunState 序列化后保留。请启动新的运行，而不是重试该状态。此边界也适用于终止函数工具的输出，以及已被接受并写入历史记录的 max_turns 处理程序输出。

恢复前的输入添加

如果运行在完成一轮后暂停或停止，并且新的用户输入在未完成的运行到达下一次模型调用前到达，请使用 RunState.add_input()。字符串会成为用户消息，多次调用会保留插入顺序。暂存输入属于已序列化 RunState 的一部分，因此可在 to_json() / from_json() 和 to_string() / from_string() 的往返转换中保留。

state = result.to_state()
state.add_input("Also keep the generated report in the project folder.")

for interruption in state.get_interruptions():
    state.approve(interruption)

result = await Runner.run(agent, state)

恢复时，运行器仅对暂存输入应用当前智能体的输入安全防护措施，以及 RunConfig 中的输入安全防护措施。配置由客户端管理的 Session 后，运行器会将已接受的暂存输入转换为持久的 InputItem，并等待 Session 写入完成后再发出模型请求。如果既没有由客户端管理的 Session，也没有由服务端管理的对话，运行器会在发出模型请求前将已接受的暂存输入转换为 InputItem。对于由服务端管理的对话，该输入会保持待处理状态，直到服务端请求接受它。在序列化、恢复和可安全重放的重试过程中，SDK 会保留一个持久的 InputItem 实例。此 SDK 实例保证并不等同于提供商交付保证：如果请求可能已到达提供商后，重试策略返回 RetryDecision(approve_unsafe_replay=True)，运行器可能会重新发送暂存输入，提供商端的工作也可能重复。成功接纳的输入会在 new_items 中显示为 InputItem。读取 RunState.pending_input 可获取分离副本，或调用 RunState.clear_pending_input() 在恢复前丢弃所有暂存输入。

RunState.add_input() 会拒绝以下状态：终止状态、没有剩余模型轮次的状态、已接受的模型响应正在等待本地处理的状态，以及待处理工具结果可能会在再次调用模型前结束运行的中断状态。在这些情况下，请完成当前运行并开始新的用户轮次。

对于流式运行，请先完成对 stream_events() 的消费，然后检查 result.interruptions 并从 result.to_state() 恢复。有关完整审批流程，请参阅人在回路。

服务端管理的续接

last_response_id 是运行中最新的模型响应 ID。如果要继续 OpenAI Responses API 链，请在下一轮将其作为 previous_response_id 传回。

如果你已使用 to_input_list()、session 或 conversation_id 继续对话，通常不需要 last_response_id。如果需要多步骤运行中的每个模型响应，请改为检查 raw_responses。

智能体作为工具的元数据

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

• tool_name
• tool_call_id
• tool_arguments

对于普通的顶层运行，agent_tool_invocation 为 None。

这在 custom_output_extractor 内尤其有用，因为在对嵌套结果进行后处理时，你可能需要外层 Agent.as_tool() 调用的工具名称、调用 ID 或原始参数。有关相关的 Agent.as_tool() 模式，请参阅工具。

如果还需要该嵌套运行已解析的结构化输入，请读取 context_wrapper.tool_input。这是 RunState 为嵌套工具输入进行通用序列化的字段，而 agent_tool_invocation 会直接在结果上公开当前嵌套调用的元数据。

流式传输生命周期与诊断

RunResultStreaming 继承上述相同的结果接口，但还添加了流式传输专用控制功能：

• stream_events()，用于消费语义流事件
• current_agent，用于在运行期间追踪活跃智能体
• is_complete，用于查看流式运行是否已完全结束
• cancel(...)，用于立即停止运行，或在当前轮次结束后停止运行

请持续消费 stream_events()，直到异步迭代器结束。只有该迭代器结束后，流式运行才算完成；最后一个可见 token 到达后，final_output、interruptions、raw_responses 等汇总属性以及 Session 持久化的副作用可能仍在完成处理中。

如果调用 cancel()，请继续消费 stream_events()，以便正确完成取消和清理。

Python 不会公开单独的流式 completed promise 或 error 属性。导致运行终止的流式传输故障会由 stream_events() 抛出，而 is_complete 会反映运行是否已到达终止状态。

原始响应

raw_responses 包含运行期间收集的原始模型响应。多步骤运行可能生成多个响应，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 中最后一个条目的 ID。

每个 ModelResponse 还会公开两项适用于单次模型调用的诊断信息：

• request_id 是模型适配器和传输层传播请求 ID 时所使用的传输请求 ID。内置的 OpenAIResponsesModel 和 OpenAIChatCompletionsModel 会在其 HTTP 和 SSE 传输路径上传播可用的、由服务端生成的 x-request-id。当配置的端点是 OpenAI API 时，请在生产环境中记录非 None 值，以便将故障与 OpenAI 支持关联起来；对于兼容 OpenAI 的提供商或代理，请改用相应服务的支持渠道。OpenAIResponsesWSModel 目前会将 request_id 保留为 None。第三方适配器不保证传播请求 ID。AnyLLM Chat Completions 适配器和 LitellmModel 目前会将 request_id 保留为 None。Agents SDK AnyLLM Responses 适配器在规范化提供商响应但未保留传输请求 ID 时，也可能将 request_id 保留为 None。
• raw_usage 是可选启用、与 JSON 兼容的提供商用量载荷快照，采集于 Agents SDK 规范化该载荷之前。使用 ModelSettings(preserve_raw_usage=True) 启用 raw_usage；请参阅保留提供商用量载荷。

ModelResponse.request_id 和 ModelResponse.raw_usage 都可能是 None，因此应将这些值视为可选诊断信息，而不是对话状态。

安全防护措施结果

智能体级安全防护措施通过 input_guardrail_results 和 output_guardrail_results 公开。

工具安全防护措施则通过 tool_input_guardrail_results 和 tool_output_guardrail_results 单独公开。

这些数组会在整个运行过程中累积，因此适合用于记录决策、存储额外的安全防护措施元数据，或调试运行被阻止的原因。

当智能体级输出安全防护措施阻止由终止函数工具直接生成的最终输出时，会应用一项脱敏规则。对于当前被阻止的响应，output_guardrail_results 会替换被拒绝的智能体输出，并清除携带载荷的输出元数据，而 tool_output_guardrail_results 会替换携带载荷的工具元数据。此前已接受的结果保持不变。经过净化的输出安全防护措施结果会作为 guardrail_result 公开在 OutputGuardrailTripwireTriggered 上。经过净化的输出安全防护措施和工具输出安全防护措施结果也会通过流式结果状态和 RunState 公开；请参阅输出安全防护措施。

上下文与用量

context_wrapper 会公开应用上下文，以及由 SDK 管理的运行时元数据，例如审批、用量和嵌套的 tool_input。

用量在 context_wrapper.usage 上追踪。对于流式运行，在处理完流的最终数据块之前，用量总计可能会有所延迟。有关完整的包装器结构和持久化注意事项，请参阅上下文管理。