1. 项目定位与用途
OpenAI Agents SDK 是 OpenAI 官方推出的轻量级 Python 框架，定位为构建多智能体工作流的开发工具包。它提供与 LLM 无关的统一抽象层，使开发者能够用一致的 API 对接 OpenAI 及 100+ 其他大语言模型提供商。框架核心用途是简化复杂 AI 系统的编排，通过智能体（Agent）、工具（Tools）、交接（Handoffs）等抽象，帮助开发者构建可靠、可观测、可维护的多智能体应用，避免重复实现底层 orchestration 逻辑。
项目档案库 / SDK
OpenAI Agents SDK 官方 Python 框架：轻量级多智能体工作流开发库的安装、配置与使用完整教程
openai/openai-agents-python：OpenAI Agents SDK 是一个轻量级 Python 框架，用于构建多智能体协作工作流，提供与 LLM 无关的抽象层，支持 OpenA本页整理它解决什么问题、适用场景、安装方式和使用方法。
AI 总结
OpenAI Agents SDK 是一个轻量级 Python 框架，用于构建多智能体协作工作流，提供与 LLM 无关的抽象层，支持 OpenAI 及 100+ 模型提供商，简化复杂 AI 系统的编排与维护。
中文项目介绍
OpenAI Agents SDK 是 OpenAI 官方推出的轻量级 Python 框架，专为构建多智能体工作流而设计。该框架提供与 LLM 提供商无关的统一抽象层，不仅完美支持 OpenAI 的 Responses 和 Chat Completions API，还可兼容 100+ 其他大语言模型，极大提升了 AI 应用开发的灵活性和可移植性。
框架核心解决了构建复杂多智能体系统时的 orchestration（编排）难题。开发者无需重复造轮子，即可通过统一的 API 管理智能体间的协作、工具调用、状态维护和全链路可观测性，显著降低多智能体应用的门槛和开发成本。
该框架适用于多种场景：构建基于 LLM 的自动化工作流、开发需要多专家智能体协作的复杂应用、实现带人工审核环节的智能业务流程，以及创建语音交互式实时智能体。无论是简单的单智能体助手还是复杂的多智能体系统，都能高效支撑。
技术层面，框架以 Agent 为核心抽象，集成 LLM、指令、工具、交接、防护等属性；Runner 执行引擎协调智能体循环、工具调用和状态管理；模块化设计支持多种工具类型（函数、MCP、托管工具）和安全校验机制；并提供流式执行、会话管理和实时追踪等关键能力。
详细信息与使用说明
2. 核心解决的问题
框架主要解决构建多智能体系统时的三大难题：一是 orchestration 复杂性，提供标准化的智能体定义、协作和流转机制；二是工具集成与调用的一致性，统一管理函数工具、MCP 工具和托管工具；三是可观测性与状态管理，内置追踪（Tracing）和会话（Sessions）功能，支持调试、优化和对话历史维护。此外，通过防护栏（Guardrails）和人机协作（Human in the loop）机制，解决了生产环境中的安全与人工干预需求。
3. 适用场景
该框架适用于多种 LLM 应用场景：自动化工作流编排，如客服系统、数据处理流水线；多专家智能体协作，例如研究助手、代码审查系统；带人工审核的业务流程，如贷款审批、内容审核；实时语音交互应用，基于 gpt-realtime-1.5 构建语音代理；以及需要结构化输出和工具调用的复杂推理任务。无论是初创项目还是企业级应用，都能从中受益。
4. 安装方式
根据仓库信息，安装需满足 Python 3.10+ 环境。核心包安装命令为：`pip install openai-agents`。若需语音支持，安装可选依赖：`pip install 'openai-agents[voice]'`；若需 Redis 会话存储，使用：`pip install 'openai-agents[redis]'`。使用 uv 工具的用户可执行：`uv add openai-agents`。安装后需设置 `OPENAI_API_KEY` 环境变量以访问 OpenAI API。仓库中未明确给出其他 LLM 提供商的特定配置步骤。
5. 使用方式
基本使用流程如下：从 `agents` 模块导入 `Agent` 和 `Runner` 类；创建 `Agent` 实例并配置 `name` 和 `instructions` 属性；通过 `tools` 参数添加函数工具或其他工具；使用 `Runner.run_sync()` 同步运行或 `Runner.run()` 异步运行智能体；通过 `handoffs` 参数实现多智能体任务交接；利用 `input_guardrails` 和 `output_guardrails` 添加安全校验。详细示例可参考 `examples/` 目录和官方文档。
6. 主要模块与特性
框架包含八大核心模块：Agents（智能体定义与配置）、Tools（工具调用系统，支持函数、MCP、托管工具）、Handoffs（智能体间任务交接机制）、Guardrails（输入输出安全校验）、Human in the loop（人机协作流程）、Sessions（会话状态管理与持久化）、Tracing（执行追踪与可视化）、Realtime（实时语音交互）。这些模块共同提供流式执行、结构化输出、多模型支持等能力，形成完整的多智能体工作流开发栈。
思维导图
OpenAI Agents SDK
核心抽象
Agent（智能体）
Runner（执行引擎）
核心能力
Tools（工具调用）
Handoffs（任务交接）
Guardrails（安全防护）
协作与状态
Human in the loop（人机协作）
Sessions（会话管理）
可观测性
Tracing（执行追踪）
Streaming（流式响应）
模型与扩展
多模型支持（OpenAI + 100+ LLMs）
Realtime（实时语音）
MCP 工具集成
常见问题
OpenAI Agents SDK 支持哪些 LLM 提供商？
框架设计为与 LLM 无关，原生支持 OpenAI 的 Responses 和 Chat Completions API，同时通过适配器支持 100+ 其他大语言模型提供商，具体配置参考文档中的 Models 部分。
如何安装语音功能支持？
语音功能作为可选依赖提供。安装时使用命令 `pip install 'openai-agents[voice]'` 即可添加语音支持，该依赖会自动安装所需的 numpy 和 websockets 库。
框架是否支持异步执行？
支持。Runner 类提供 `run()` 异步方法和 `run_sync()` 同步方法，开发者可根据应用场景选择。异步模式适用于高并发场景，同步模式适合简单脚本和 Jupyter 环境。
如何实现多个智能体之间的协作？
通过 Handoffs（交接）机制实现。在 Agent 定义中配置 `handoffs` 参数，传入其他 Agent 实例，即可将对话委托给 specialist agents。也可使用 Agents as tools 模式，将智能体作为工具调用。
会话状态如何持久化？
框架内置 Sessions 模块管理对话历史。默认使用内存存储，也可配置持久化方案：通过 `sqlalchemy` 可选依赖使用 SQLAlchemy 存储，或通过 `redis` 可选依赖使用 Redis 存储。详细配置见 Sessions 文档。