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。这对于向最终用户展示进度更新和部分响应很有用。

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，下面将对此进行说明。

持续消费 result.stream_events()，直到异步迭代器结束。只有当迭代器结束时，流式运行才算完成；在最后一个可见 token 到达后，会话持久化、审批记账或历史压缩等后处理仍可能完成。当循环退出时，result.is_complete 会反映最终运行状态。

原始响应事件

RawResponsesStreamEvent 是直接从 LLM 传递过来的原始事件。它们采用 OpenAI Responses API 格式，这意味着每个事件都有一个类型（例如 response.created、response.output_text.delta 等）和数据。如果你想在响应消息生成后立即将其流式传输给用户，这些事件会很有用。

计算机工具原始事件会保留与存储结果相同的预览版与 GA 区分。预览版流程会流式传输带有一个 action 的 computer_call 项，而 gpt-5.5 可以流式传输带有批量 actions[] 的 computer_call 项。更高层级的 RunItemStreamEvent 表层不会为此添加仅限计算机的特殊事件名称：这两种形态仍都会以 tool_called 呈现，截图结果则会作为包装了 computer_call_output 项的 tool_output 返回。

例如，这会逐个 token 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，并且待处理的审批会在 RunResultStreaming.interruptions 中暴露。使用 result.to_state() 将结果转换为 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

如需完整的暂停/恢复演练，请参阅人在环路指南。

当前轮次后的流式传输取消

如果你需要在中途停止一次流式运行，请调用 result.cancel()。默认情况下，这会立即停止运行。若要让当前轮次在停止前干净地完成，请改为调用 result.cancel(mode="after_turn")。

在 result.stream_events() 结束之前，流式运行都不算完成。在最后一个可见 token 之后，SDK 可能仍在持久化会话项、最终确定审批状态或压缩历史。

如果你正从 result.to_input_list(mode="normalized") 手动继续，并且 cancel(mode="after_turn") 在工具轮次之后停止，请使用该规范化输入重新运行 result.last_agent 来继续这个未完成的轮次，而不是立即追加一个新的用户轮次。 - 如果一次流式运行因工具审批而停止，不要将其视为新的轮次。请先完成对流的读取，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之前，如何合并检索到的会话历史与新的用户输入。如果你在那里重写了新轮次的项目，则该轮次会持久化重写后的版本。

运行项事件与智能体事件

RunItemStreamEvent 是更高层级的事件。它们会在某个项完全生成后通知你。这使你能够在“消息已生成”“工具已运行”等层级推送进度更新，而不是针对每个 token 推送。同样，AgentUpdatedStreamEvent 会在当前智能体发生变化时（例如因任务转移而变化）向你提供更新。

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

为保持向后兼容，handoff_occured 有意拼写错误。

使用托管工具搜索时，当模型发出工具搜索请求时会发出 tool_search_called，当 Responses API 返回已加载的子集时会发出 tool_search_output_created。

例如，这会忽略原始事件，并向用户流式传输更新。

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())