[Python] OpenAI Agents SDK：用 Python 写多智能体就这么简单

上周在 GitHub 刷到一个有意思的现象：OpenAI 悄悄开源了他们的 Agents SDK，Star 短短几天破万。点进去一看，代码简洁得让人意外——整个核心就几百行，但功能却很完整。

作为后端开发，我第一反应是：这玩意儿架构怎么设计的？为什么能做到又轻又强？

源码下载：
openai-agents-python-main.zip (2.01 MB, 下载次数: 1)

先看个例子

假设你要做个客服系统，需要根据用户语言自动切换到对应的客服。传统做法可能要写一堆 if-else 判断，还得维护状态。用这个 SDK，代码是这样的：

from agents import Agent, Runner

# 定义两个专业客服
spanish_agent = Agent(
    name="西班牙语客服",
    instructions="你只会说西班牙语"
)

english_agent = Agent(
    name="英语客服", 
    instructions="你只会说英语"
)

# 定义一个分流客服
triage_agent = Agent(
    name="总台",
    instructions="根据用户语言转接到对应客服",
    handoffs=[spanish_agent, english_agent]
)

# 运行
result = Runner.run_sync(triage_agent, "Hola!")

就这么几行，系统会自动识别用户说的是西班牙语，然后把对话转给西班牙语客服。中间的路由逻辑、上下文传递、状态管理，全都自动处理了。

核心就三个概念

整个框架的设计哲学很克制，没搞一堆花里胡哨的抽象：

1. Agent（智能体）
就是一个配置对象，包含指令、可用工具、能转接的其他 Agent。类比微服务里的一个服务单元。

2. Handoffs（转接机制）
Agent 之间通过特殊的 function call 传递控制权。本质是责任链模式，但实现得很优雅——对开发者完全透明。

3. Tools（工具）
用装饰器把普通 Python 函数变成 LLM 可调用的工具：

@function_tool
def query_database(user_id: str) -> dict:
    """查询用户信息"""
    return db.get_user(user_id)

类型注解会自动转成 JSON Schema，LLM 就知道怎么调用了。

架构上的巧思

看源码发现几个有意思的设计：

事件循环 + 状态机
核心的 Runner 其实是个状态机，每轮循环做三件事：调用 LLM → 检查是否转接 → 执行工具。用 max_turns 参数防止死循环，简单粗暴但有效。

提供商无关
虽然叫 OpenAI Agents，但架构上做了抽象层，理论上支持任何兼容 OpenAI API 格式的模型。这点很符合后端"面向接口编程"的思路。

可选依赖
基础包很轻量，需要语音功能装 [voice]，需要 Redis 会话装 [redis]。避免了依赖地狱，这个设计值得学习。

适合什么场景

从架构角度看，这个框架适合：

• 多角色协作：客服系统、审批流程、内容审核
• 复杂决策链：投资分析、风险评估、多步骤推理
• 工具调用密集：需要频繁查数据库、调 API 的场景

不适合的场景：

• 简单的单轮对话（用 SDK 反而重了）
• 需要极致性能优化的场景（毕竟每次都要调 LLM）

生产环境的坑

测试时发现几个要注意的点：

1. 成本控制：每次 Handoff 都是一次 LLM 调用，转接多了费用会上去
2. 超时处理：LLM 调用可能很慢，记得设置合理的 timeout
3. 会话管理：内存存储只适合开发，生产环境建议上 Redis

官方文档里有个投资组合管理的案例，展示了如何用多个 Agent 协作完成复杂任务，值得一看。

和其他框架比

市面上类似的框架不少，比如 LangChain、LlamaIndex。这个 SDK 的特点是：

• 更轻：核心代码量是 LangChain 的零头
• 更直接：用原生 Python 控制流，不需要学新的 DSL
• 更聚焦：只做多智能体编排，不像 LangChain 啥都想做

当然，功能丰富度肯定比不上 LangChain，看你的需求了。

快速上手

安装很简单：

pip install openai-agents

配置 API Key：

export OPENAI_API_KEY="your-key"

跑个 Hello World：

from agents import Agent, Runner

agent = Agent(
    name="助手",
    instructions="你是个有帮助的助手"
)

result = Runner.run_sync(agent, "写个关于递归的俳句")
print(result.final_output)

输出：

代码套代码，
函数自己调自己，
无限循环舞。

写在最后

这个项目让我想起 Unix 哲学：做好一件事。不追求大而全，而是把多智能体编排这一件事做到极致简洁。

对于后端开发来说，这种设计思路很值得借鉴——不是所有问题都需要复杂的解决方案，有时候简单的抽象反而更有生命力。

如果你最近在做 AI Agent 相关的项目，不妨试试这个 SDK。代码简单，上手快，出问题也容易调试。

---

关注《云栈后端架构》，持续分享后端技术与开源项目解析

---

项目地址
https://github.com/openai/openai-agents-python

官方文档
https://openai.github.io/openai-agents-python/

标签 ：#OpenAIAgents #GitHub #多智能体 #Python #AI框架 #后端架构 #开源项目