OpenAI Agents SDK

OpenAI 官方轻量 Agent 运行时：原语很少，用 Agents、Handoffs、Guardrails 编排可上线的多 Agent 工作流。

它是做什么的

官方介绍：在轻量、易用的包里构建 agentic 应用，是此前 Swarm 实验的生产级升级。核心原语包括——Agents（带 instructions 与 tools 的 LLM）、Handoffs / Agents-as-tools（把任务委托给其他 Agent）、Guardrails（对输入输出做校验，可与执行并行并快速失败）。内置 Agent 循环（调工具→结果回传模型→直到完成）、Sessions（工作上下文）、Human-in-the-loop、Tracing，以及 MCP Server 工具调用、Sandbox Agents（隔离工作区）、Realtime（低延迟语音）等。

设计原则：功能够用但原语够少以便快速学会；开箱即用，同时允许深度定制。默认对 OpenAI 模型走 Responses API，并包一层更高层运行时；也可对接 Chat Completions 与大量其他模型（provider-agnostic）。

语言生态：Python（openai-agents）、JavaScript/TypeScript（官方另有 JS/TS 仓库）。
典型场景：多 Agent 分工与交接、带护栏的工具 Agent、沙箱内编码/文档任务、实时语音 Agent。学习曲线相对平缓，适合快速落地。

要点

• Agents SDK vs Responses API：短生命周期、自管循环与状态时用 Responses；需要托管轮次、工具执行、护栏、handoffs、sessions 或沙箱时用 Agents SDK。可在同一应用中混用。
• Python-first 编排：多用语言本身组合 Agent，而不是学一套庞大 DSL。
• 可观测：内置 tracing，便于可视化、调试，并衔接 OpenAI 评估/微调工具链。
• 与 LangGraph / CrewAI：走 OpenAI 官方路径、偏少抽象与 OpenAI 工具链时优先本 SDK；需要跨厂商重度状态图，或更偏「角色团队」隐喻时，再对比 LangGraph、CrewAI 等框架。

适合谁

• 主力使用 OpenAI API，想少学概念就快速上多 Agent
• 需要 handoffs、输入输出护栏、沙箱工作区或 Realtime 语音能力
• 希望追踪、评估与 OpenAI 平台工具链对齐的工程团队

官方入口

• Python 文档
• GitHub（Python）
• GitHub（JS/TS）
• OpenAI · Libraries

建议怎么用

pip install openai-agents，设置 OPENAI_API_KEY，按 Quickstart 跑通 Agent + Runner.run_sync；再加 function tools 与 handoffs。跨轮记忆看 Sessions / Running agents；隔离执行看 Sandbox agents；标准化外部工具可接 MCP。上线前为关键路径加上 Guardrails，并打开 tracing 排查交接失败。JS/TS 项目请跟对应仓库文档，勿混用 Python 示例中的类名与导入路径。