流式传输

流式传输让你可以在智能体运行过程中订阅其更新。这对于向终端用户展示进度更新和部分响应很有帮助。

要进行流式传输，你可以调用 Runner.run_streamed()，它会返回一个 RunResultStreaming。调用 result.stream_events() 会得到一个由 StreamEvent 对象组成的异步流，下面会进行说明。

持续消费 result.stream_events()，直到异步迭代器结束。流式运行在迭代器结束前都不算完成，而且诸如会话持久化、审批记录或历史压缩等后处理，可能会在最后一个可见 token 到达后才完成。循环退出时，result.is_complete 会反映最终运行状态。

原始响应事件

RawResponsesStreamEvent 是直接从 LLM 透传的原始事件。它们采用 OpenAI Responses API 格式，这意味着每个事件都有类型（如 response.created、response.output_text.delta 等）和数据。如果你希望在响应消息生成后立即流式发送给用户，这些事件会很有用。

计算机工具原始事件与存储结果一样，保持 preview 与 GA 的区分。Preview 流会流式返回带有单个 action 的 computer_call 项，而 gpt-5.4 可以流式返回带有批量 actions[] 的 computer_call 项。更高层的 RunItemStreamEvent 接口不会为此增加专用的计算机事件名：这两种形态仍都会以 tool_called 呈现，而截图结果会以封装了 computer_call_output 项的 tool_output 返回。

例如，下面将按 token 逐个输出 LLM 生成的文本。

import asyncio
from openai.types.responses import ResponseTextDeltaEvent
from agents import Agent, Runner

async def main():
    agent = Agent(
        name="Joker",
        instructions="You are a helpful assistant.",
    )

    result = Runner.run_streamed(agent, input="Please tell me 5 jokes.")
    async for event in result.stream_events():
        if event.type == "raw_response_event" and isinstance(event.data, ResponseTextDeltaEvent):
            print(event.data.delta, end="", flush=True)


if __name__ == "__main__":
    asyncio.run(main())

流式传输与审批

流式传输与因工具审批而暂停的运行兼容。如果某个工具需要审批，result.stream_events() 会结束，待处理的审批会暴露在 RunResultStreaming.interruptions 中。将结果通过 result.to_state() 转换为 RunState，批准或拒绝该中断，然后使用 Runner.run_streamed(...) 恢复运行。

result = Runner.run_streamed(agent, "Delete temporary files if they are no longer needed.")
async for _event in result.stream_events():
    pass

if result.interruptions:
    state = result.to_state()
    for interruption in result.interruptions:
        state.approve(interruption)
    result = Runner.run_streamed(agent, state)
    async for _event in result.stream_events():
        pass

完整的暂停/恢复流程请参见人类参与指南。

在当前轮次后取消流式传输

如果你需要在中途停止一次流式运行，调用 result.cancel()。默认会立即停止运行。若想在停止前让当前轮次完整结束，请改用 result.cancel(mode="after_turn")。

在 result.stream_events() 结束前，流式运行都不算完成。SDK 可能仍在最后一个可见 token 之后持久化会话项、完成审批状态收尾或压缩历史。

如果你是基于 result.to_input_list(mode="normalized") 手动继续，且 cancel(mode="after_turn") 在工具轮次后停止，请用该 normalized 输入重新运行 result.last_agent 以继续未完成轮次，而不是立即追加新的用户轮次。 - 如果一次流式运行因工具审批而停止，不要将其视为新轮次。先完成流的消费，检查 result.interruptions，然后改为从 result.to_state() 恢复。 - 使用 RunConfig.session_input_callback 自定义在下一次模型调用前，如何合并检索到的会话历史与新的用户输入。如果你在其中改写了新轮次项，被改写后的版本将作为该轮次的持久化内容。

运行项事件与智能体事件

RunItemStreamEvent 是更高层级的事件。它会在某个项完整生成后通知你。这样你就可以在“消息已生成”“工具已运行”等层级推送进度更新，而不是按 token 推送。类似地，AgentUpdatedStreamEvent 会在当前智能体发生变化时提供更新（例如因任务转移导致的变化）。

运行项事件名称

RunItemStreamEvent.name 使用一组固定的语义事件名称：

message_output_created
handoff_requested
handoff_occured
tool_called
tool_search_called
tool_search_output_created
tool_output
reasoning_item_created
mcp_approval_requested
mcp_approval_response
mcp_list_tools

出于向后兼容考虑，handoff_occured 保留了故意的拼写错误。

当你使用托管工具搜索时，模型发出工具搜索请求会触发 tool_search_called，Responses API 返回已加载子集时会触发 tool_search_output_created。

例如，下面会忽略原始事件，并向用户流式推送更新。

import asyncio
import random
from agents import Agent, ItemHelpers, Runner, function_tool

@function_tool
def how_many_jokes() -> int:
    return random.randint(1, 10)


async def main():
    agent = Agent(
        name="Joker",
        instructions="First call the `how_many_jokes` tool, then tell that many jokes.",
        tools=[how_many_jokes],
    )

    result = Runner.run_streamed(
        agent,
        input="Hello",
    )
    print("=== Run starting ===")

    async for event in result.stream_events():
        # We'll ignore the raw responses event deltas
        if event.type == "raw_response_event":
            continue
        # When the agent updates, print that
        elif event.type == "agent_updated_stream_event":
            print(f"Agent updated: {event.new_agent.name}")
            continue
        # When items are generated, print them
        elif event.type == "run_item_stream_event":
            if event.item.type == "tool_call_item":
                print("-- Tool was called")
            elif event.item.type == "tool_call_output_item":
                print(f"-- Tool output: {event.item.output}")
            elif event.item.type == "message_output_item":
                print(f"-- Message output:\n {ItemHelpers.text_message_output(event.item)}")
            else:
                pass  # Ignore other event types

    print("=== Run complete ===")


if __name__ == "__main__":
    asyncio.run(main())