浅谈 OpenAI Agents SDK
Q
李杰约 29 分钟
李杰约 29 分钟文章概览
OpenAI Agents SDK是什么？
核心特性
代码示例
框架对比
总结
参考
李杰，2020年2月份加入去哪儿旅行酒店报价中心研发团队，酒店HTC成员，主要负责国内酒店报价实时和离线计算模块的研发和维护。
一、OpenAI Agents SDK是什么？
OpenAI Agents SDK是一个轻量级且易于使用的工具包，用于构建基于代理的AI应用程序。 提供了一些基本构建块，包括具备指令和工具的代理（Agents）、用于代理间任务委托的交接（Handoffs）以及用于输入验证的护栏（Guardrails）。
在官网上OpenAI给出了两个理由使用它，而且也介绍了 Agent Loop、Python-first、Handoffs、Guardrails 、Function tools 和 Tracing 6个特性，对于现阶段的我们对Pyhon-first 和 Function tools 就不做过多的阐述了，但是其他的四个特性还需要进一步详细阐述。
二、核心特性
（一）Agent Loop（循环）
支持在没有完成任务时自动的循环agent的执行，直到完成任务结束，可以调用functioncall，MCP等工具来更好的完成任务。对于许多业务流程涉及一系列需要外部信息或操作的步骤（例如，查询数据库、调用 API、根据查询结果生成报告）。Agent Loop 自动化了这个迭代过程，能够自主完成这些复杂、多步任务的智能体成为可能。
（二）Handoffs（交接）
交接的出现允许一个智能体（Agent）将特定任务委托给另一个智能体来完成，是用于在多个智能体之间进行协调和委托。实现了复杂工作流和多智能体协作的关键机制。在大型业务场景中，单一智能体可能难以处理所有类型的任务。通过 Handoffs，可以设计由多个专业智能体组成的系统，每个智能体负责其擅长的领域；将复杂业务流程分解到不同的智能体中，提高了系统的模块化，使得每个智能体更容易开发、测试和维护。
例如在酒店业务中，有些问题需要多个业务方合作才能完成，那么不同业务域可以维护自己的agent，从入口确定是业务范围，涉及到多个智能体交互时，就可以使用Handoff完成交接，更加准确的给出问题的解决思路和方案，甚至是解决问题。
（三）Guardrails（护栏）
这个可以在一定程度上解决不确定性。Guardrails 用于验证智能体输入的能力，它们可以在智能体运行之前并行执行输入验证和检查。如果检查失败，Guardrails 可以让应用快速中止（breaking early）。这有助于确保应用的可靠性，防止因不当输入导致的错误行为。
对于现在大模型的产生，我们都受益于大模型带来的生产力提高，但是还是会出现一些不确定性，与我们的期望有所偏差，随着guardrails的出现，就像是一个家教在辅导学生作业一样，每完成一个任务，老师都会给出一个反馈。
在我们的业务系统中Guardrails可以提升我们应用的可靠性和鲁棒性。对于不合法或恶意输入可能导致错误、安全漏洞或意外行为，Guardrails 通过强制执行输入验证，确保智能体只处理符合预期的输入；还可以节省计算资源和减少成本，如果不符合预期在智能体运行初期就会判别和拒绝；确保了系统的业务逻辑和合规问题。
（四）Tracing（可视化追踪）
在OpenAI的SDK中内置了Tracing能力，可以很直观地解读Agent之间的交互过程，可以看到请求体，响应事件等的，除此之外还支持评估（evaluate）工作流程，甚至可以用来微调（fine-tune）模型以优化应用的性能。
在Agent初期，对于几乎“黑盒”系统来说，我们的掌控感和信任感会特别的弱，而Tracing这个能力就给我们带来一束“曙光”。我们可以在开发阶段，测试阶段甚至是部分线上场景对Agent进行监控和可视化的追踪。可以帮助我们快速定位和解决问题；除此之外OpenAI 的SDK中还支持基于追踪数据，可以进一步微调或蒸馏模型，持续优化智能体在实际业务场景中的效率和效果，例如提高回复的准确性、减少错误操作。
三、代码示例
这些特性激起了我的好奇心，本着对知识的渴望，咱们还是回归到代码实现上！为了快速实现：我们使用OpenAI的GPT-4o模型（默认）。
前期准备：
# 安装依赖pip install openai-agents# or `uv add openai-agents`, etc# 设置自己的OpenAIKeyexport OPENAI_API_KEY=sk-...
（一）最初天气查询
首先我们先写一个简单的示例，然后再开始一点点的把我们想要了解的特性走一遍。 我们先用python写一个简单的agent，可以查询天气：
from typing import TypedDictfrom agents import Agent, Runner, function_toolimport asyncio@function_toolasync def fetch_weather(city: str) -> str:"""Fetch the weather for a given location.Args:city: The city to fetch the weather for."""return "sunny"# 天气查询Agentweather_agent = Agent(name="天气查询专家",instructions="你是天气查询专家，用户输入城市名，你返回该城市的天气信息。请用简洁中文回复。",tools=[fetch_weather])async def main():result = await Runner.run(weather_agent, input="北京")print(result.final_output)if __name__ == "__main__":asyncio.run(main())
1、Agent属性说明
我们可以参考源码中的结构，发现有哪些属性我们可以调整或者修改，理论上默认属性值只能够提供简单的使用，如果涉及到自定义的功能那就需要调整更多的参数。
instructions：使用instructions属性指定当前agent的系统提示词。可以是字符串，也可以是Agent生成的动态指令，如果是一个函数，将通过上下文和代理实例调用，但是必须返回字符串。
name：智能体的名字
tools：智能体可以使用工具列表
handoff_description：智能体的交接说明，主要用于多个智能体进行交接时，让大模型了解这个智能体能做什么，以及什么时候调用他
handoffs：agent可以委派任务的子agent。你可以提供一个 handoffs 的列表，代理在适当的情况下可以选择将任务委派给它们。这样可以实现职责分离和模块化设计。
model：可以配置model，默认是gpt4o
hooks：接收此代理的各种生命周期事件的回调的类。
mcp_servers:agent可以使用的模型上下文协议 (MCP)服务器列表。每次代理运行时，它都会将这些服务器中的工具添加到可用工具列表中。
output_guardrails: 生成响应后，对代理的最终输出运行的检查列表。仅当代理生成最终输出时运行。
inpur_guardrails: 在生成响应之前，与代理执行并行运行的检查列表。仅当代理是链中的第一个代理时运行。
（二）多个Agent
现在开始构建多个Agent用来观察后面的新特性，例如本段代码示例为一个“天气专家”再加上一个“穿衣专家”两个Agent，回答用户的关于穿衣服的一些回答。 两个agent之间“穿衣专家” 使用 “天气专家”给出的天气信息进行总结天气因素，也就是需要两个专家的“交接”，最终给出对应穿衣风格搭配建议。（后面的tracing模块会对交互细节进行阐述）
from typing import TypedDictfrom agents import Agent, Runner, function_toolimport asyncio@function_toolasync def fetch_weather(city: str) -> str:"""Fetch the weather for a given location.Args:location: The location to fetch the weather for."""# In real life, we'd fetch the weather from a weather APIreturn "sunny"# 天气查询Agentweather_agent = Agent(name="天气查询专家",instructions="你是天气查询专家，用户输入城市名，你返回该城市的天气信息。请用简洁中文回复。",tools=[fetch_weather])# 提示穿衣的agentdressing_agent = Agent(name="穿衣提示专家",instructions="你是穿衣提示专家，用户输入天气信息，你返回该天气的穿衣建议。请用简洁中文回复。",handoff_description="当用户询问天气信息时，将任务转交给天气查询专家。我可以根据天气信息，给出穿衣建议。",handoffs=[weather_agent])async def main():result = await Runner.run(dressing_agent, input="我在北京，今天穿什么衣服合适")print(result.final_output)if __name__ == "__main__":asyncio.run(main())----北京今天晴朗，建议穿轻便的衣物，如T恤和牛仔裤。如果温度较高，可以适当选择短袖。记得带上防晒用具哦！
（三）添加护栏（input_guardrails）
现在已经有了两个“专家”，并且“专家”之间的依赖关系也已经声明了，开始搭建一些边界情况，保障整个项目的“确定性”，就是引入“护栏”（guardrails），为了演示这里使用的是输入“护栏”，保障整个功能只聚焦在穿衣相关的问题上。重点看“guardrail_agent”。
from typing import TypedDictfrom agents import Agent, GuardrailFunctionOutput, InputGuardrail, Runner, function_toolimport asynciofrom pydantic import BaseModelclass DressOutput(BaseModel):is_dressing: boolreasoning: str# Guardrail聚焦穿衣建议guardrail_agent = Agent(name="Guardrail check",instructions=("请判断用户的问题是否围绕用户穿衣建议相关内容,如果问题属于上述内容，请返回 is_dressing=True，并简要说明理由。"),output_type=DressOutput,)async def dress_guardrail(ctx, agent, input_data):result = await Runner.run(guardrail_agent, input_data, context=ctx.context)final_output = result.final_output_as(DressOutput)print("Guardrail result:", result)# 不再抛异常，直接返回判断结果return GuardrailFunctionOutput(output_info=final_output,tripwire_triggered=False, # 不触发终止)@function_toolasync def fetch_weather(city: str) -> str:"""Fetch the weather for a given location.Args:location: The location to fetch the weather for."""# In real life, we'd fetch the weather from a weather APIreturn "sunny，温度20度，湿度50%，风力2级，风向东南"# 天气查询Agentweather_agent = Agent(name="天气查询专家",instructions="你是天气查询专家，用户输入城市名，你返回该城市的天气信息。",tools=[fetch_weather],handoff_description="可以解决天气、气候、温度、湿度、风力、风向等天气相关问题。")# 提示穿衣的agentdressing_agent = Agent(name="穿衣提示专家",instructions="你是穿衣提示专家需要结合天气信息，给出符合用户需求的穿衣建议。",input_guardrails=[InputGuardrail(name="聚焦穿衣搭配问题", guardrail_function=dress_guardrail)],handoffs=[weather_agent])async def main():result = await Runner.run(dressing_agent, input="我在北京，需要穿一点异域风格的衣服，如何搭配")print(result.final_output)if __name__ == "__main__":asyncio.run(main())
符合护栏输入的要求：
----Guardrail result: RunResult:- Last agent: Agent(name="Guardrail check", ...)- Final output (DressOutput):{"is_dressing": true,"reasoning": "用户询问关于在北京穿着异域风格衣服的搭配建议，涉及穿衣搭配问题。"}- 1 new item(s)- 1 raw response(s)- 0 input guardrail result(s)- 0 output guardrail result(s)(See `RunResult` for more details)在北京今天的天气是晴天，温度约20度，比较舒适，可以尝试以下异域风格的搭配：1. **波西米亚风**:- 上衣：流苏或印花衬衫- 下装：长裙或阔腿裤- 配饰：大项链、耳环和宽檐帽2. **摩洛哥风**:- 上衣：刺绣或夹花罩衫- 下装：灯笼裤或围裙裙- 配饰：皮革腰带和手工编织包3. **印度风**:- 上衣：贴身花纹上衣或开襟毛衣- 下装：绸缎长裙或萨莉- 配饰：色彩丰富的围巾和镯子建议选择轻便的材质，如棉或麻，以保持全天的舒适。同时，可以穿一双凉鞋以增加整体风格协调。
在护栏中也可以设置"tripwire_triggered"参数来控制流程要不要终端，可以看具体的返回结果：
不终止任务，回答：
async def main():result = await Runner.run(dressing_agent, input="上海天气如何")print(result.final_output)-----Guardrail result: RunResult:- Last agent: Agent(name="Guardrail check", ...)- Final output (DressOutput):{"is_dressing": false,"reasoning": "用户询问的是上海的天气状况，与穿衣建议无直接关联。"}- 1 new item(s)- 1 raw response(s)- 0 input guardrail result(s)- 0 output guardrail result(s)(See `RunResult` for more details)上海今天天气晴朗，温度为20度，湿度50%，东南风2级。[non-fatal] Tracing: request failed: _ssl.c:989: The handshake operation timed o
终止任务：
async def dress_guardrail(ctx, agent, input_data):result = await Runner.run(guardrail_agent, input_data, context=ctx.context)final_output = result.final_output_as(DressOutput)print("Guardrail result:", result)# 不再抛异常，直接返回判断结果return GuardrailFunctionOutput(output_info=final_output,# tripwire_triggered=False, # 不触发终止tripwire_triggered=True, # 触发终止)----Guardrail result: RunResult:- Last agent: Agent(name="Guardrail check", ...)- Final output (DressOutput):{"is_dressing": false,"reasoning": "用户的问题与当前天气情况有关，而不是关于穿衣建议的请求。"}- 1 new item(s)- 1 raw response(s)- 0 input guardrail result(s)- 0 output guardrail result(s)(See `RunResult` for more details)Traceback (most recent call last):File "/Users/lijie/Documents/codeSpace/PycharmProjects/openaiSdk/weather.py", line 64, in <module>asyncio.run(main())File "/Users/lijie/DevTools/miniconda3/envs/daily_tools/lib/python3.11/asyncio/runners.py", line 190, in runreturn runner.run(main)^^^^^^^^^^^^^^^^
（四）Tracing
OpenAI的SDK默认开启了Tracing功能，可以支持手动关闭，以满足特定场景下的隐私或资源需求。
from agents import set_tracing_disabledset_tracing_disabled(True)
1、官方展示
访问：https://platform.openai.com/traces
（1）多agent+交接
交互可以很好的看清楚对应token消耗，入参和系统提示词以及对应functioncall，两个agent交接展示也是functioncall，时速度很快，但是存在2点展示不太好：
①交接时 上下文展示
②交接时 token有没有消耗
（2）添加护栏对应的Tracing
可以看出使用护栏输入拦截后token可以节省，流程可以提前终止。
2、自己本地
有一些信息属于敏感信息贸然上传到服务器，会对数据安全和流程规范造成挑战。因此OpenAI的SDK支持多种解决方案：
①关闭Tracing功能
②自己搭建Tracing平台。这里演示本地运行mlflow用来记录
③对敏感数据或者节点关闭tracing。 RunConfig.trace_include_sensitive_data
（1）安装mlflow依赖
pip install mlflow# 启动服务 并且在本地使用sqllite存储mlflow server --host 127.0.0.1 --port 8080 --backend-store-uri sqlite:///mlruns.db
from typing import TypedDictfrom agents import Agent, GuardrailFunctionOutput, InputGuardrail, Runner, function_toolimport asyncioimport mlflowfrom pydantic import BaseModelmlflow.openai.autolog()mlflow.set_tracking_uri("http://localhost:8080")mlflow.set_experiment("weather")class DressOutput(BaseModel):is_dressing: boolreasoning: str# Guardrail聚焦穿衣建议guardrail_agent = Agent(name="Guardrail check",instructions=("请判断用户的问题是否围绕用户穿衣建议相关内容,如果问题属于上述内容，请返回 is_dressing=True，并简要说明理由。"),output_type=DressOutput,)async def dress_guardrail(ctx, agent, input_data):result = await Runner.run(guardrail_agent, input_data, context=ctx.context)final_output = result.final_output_as(DressOutput)print("Guardrail result:", result)# 不再抛异常，直接返回判断结果return GuardrailFunctionOutput(output_info=final_output,tripwire_triggered=False # 不触发终止)@function_toolasync def fetch_weather(city: str) -> str:"""Fetch the weather for a given location.Args:location: The location to fetch the weather for."""# In real life, we'd fetch the weather from a weather APIreturn "sunny，温度20度，湿度50%，风力2级，风向东南"# 天气查询Agentweather_agent = Agent(name="天气查询专家",instructions="你是天气查询专家，用户输入城市名，你返回该城市的天气信息。",tools=[fetch_weather],handoff_description="可以解决天气、气候、温度、湿度、风力、风向等天气相关问题。")# 提示穿衣的agentdressing_agent = Agent(name="穿衣提示专家",instructions="你是穿衣提示专家需要结合天气信息，给出符合用户需求的穿衣建议。",input_guardrails=[InputGuardrail(name="聚焦穿衣搭配问题", guardrail_function=dress_guardrail)],handoffs=[weather_agent])async def main():result = await Runner.run(dressing_agent, input="我在北京，需要穿一点异域风格的衣服，如何搭配")print(result.final_output)if __name__ == "__main__":asyncio.run(main())
3、对比
（五）MCP使用
介绍完一些基础的用法后，我们看下最近比较火的MCP的接入实现。需要再在项目中插入MCP的定义，我们这里使用高德的MCP进行演示：
from typing import TypedDictfrom agents import Agent, GuardrailFunctionOutput, InputGuardrail, Runner, function_toolimport asynciofrom agents.mcp.server import MCPServerStdioimport mlflowfrom pydantic import BaseModel# mlflow.openai.autolog()# mlflow.set_tracking_uri("http://localhost:8080")# mlflow.set_experiment("weather")class DressOutput(BaseModel):is_dressing: boolreasoning: str# Guardrail聚焦穿衣建议guardrail_agent = Agent(name="Guardrail check",instructions=("请判断用户的问题是否围绕用户穿衣建议相关内容,如果问题属于上述内容，请返回 is_dressing=True，并简要说明理由。"),output_type=DressOutput,)async def dress_guardrail(ctx, agent, input_data):result = await Runner.run(guardrail_agent, input_data, context=ctx.context)final_output = result.final_output_as(DressOutput)print("Guardrail result:", result)# 不再抛异常，直接返回判断结果return GuardrailFunctionOutput(output_info=final_output,tripwire_triggered=False # 不触发终止)@function_toolasync def fetch_weather(city: str) -> str:"""Fetch the weather for a given location.Args:location: The location to fetch the weather for."""# In real life, we'd fetch the weather from a weather APIreturn "sunny，温度20度，湿度50%，风力2级，风向东南"amap_server = MCPServerStdio(params={"command": "npx","args": ["-y", "@amap/amap-maps-mcp-server"],"env": {"AMAP_MAPS_API_KEY": "需要申请"}},cache_tools_list=True)async def init_servers():await amap_server.connect() # 初始化连接# 地图专家map_agent = Agent(name="景点推荐专家",handoff_description="分析酒店地理位置、交通出行便利性、周边游玩资源，给出对应目的地景点信息和景点对应的风格。",instructions="""景点推荐专家: 结合用户IP对应地址和的目的地给出行方案和目的地的出景点推荐，根据景点给出对应的风格。1.使用工具获取景点信息。2.生成对应的景点和景点风格""",mcp_servers=[amap_server],)# 天气查询Agentweather_agent = Agent(name="天气查询专家",instructions="你是天气查询专家，用户输入城市名，你返回该城市的天气信息。",tools=[fetch_weather],handoff_description="可以解决天气、气候、温度、湿度、风力、风向等天气相关问题。")# 提示穿衣的agentdressing_agent = Agent(name="穿衣提示专家",instructions="你是穿衣提示专家需要结合天气信息，给出符合用户需求的穿衣建议。",input_guardrails=[InputGuardrail(name="聚焦穿衣搭配问题", guardrail_function=dress_guardrail)],handoffs=[weather_agent, map_agent],)# 自动生成多个agent交互的流程图from agents.extensions.visualization import draw_graphdraw_graph(dressing_agent, filename="agent_graph")async def main():await init_servers()result = await Runner.run(dressing_agent, input="我要去上海，如何搭配衣服比较适合，景点风格和衣服风格要一致，展示美感")print(result.final_output)if __name__ == "__main__":asyncio.run(main())
OpenAI Agents SD代码示例到这里就告一段落了，大家可以自己尝试使用Deepseek替换一下模型看看效果（ps：deepseek还不支持 openai协议的Json 模版输出，所以需要做些改造）。
四、框架对比
目前市面上对于Agent智能体的搭建有很多方案，我这里只是对OpenAI SDK进行简短的介绍和使用。比如市面上比较火的有 工作流搭建框架 我司的Qmoss平台、开源的Dify、n8n、扣子、飞书 以及可以定制化开发Langchain、langchain4J、 langchain Graph、LlamaIndex等。
LangGraph 传送门：https://langchain-ai.github.io/langgraph/concepts/why-langgraph/
AutoGen传送门：https://microsoft.github.io/autogen/stable//user-guide/agentchat-user-guide/quickstart.html
langchain4j传送门：https://docs.langchain4j.dev/
对于多个Agent的交互和实现，我们再来看下LangGraph的简单示例,LangGraph 有两种多agnet的模型，多模型之间也是使用“交接”的方式。对于langgraph来说多个agent有两种架构设计：
一是监管架构（Supervisor）：各个代理由中央 Supervisor 代理协调。主管控制所有通信流和任务委派，根据当前上下文和任务要求决定调用哪个代理。
另外一个是集群架构（Swarm）：各个Agent根据其专长动态地将控制权移交给彼此。系统会记住最后一个处于活动状态的座席，确保在后续交互中，与该座席的对话恢复。
我们现在使用LangGraph的Supervisor架构来实现我们上面的“衣服搭配”demo(ps：专家的名字中文会报错)：
# 首先安装依赖pip install -U langgraph "langchain[anthropic]"pip install langgraph-supervisor
使用本地的mlflow记录AI交互信息
import asynciofrom langchain_openai import ChatOpenAIfrom langgraph.prebuilt import create_react_agentfrom langgraph_supervisor import create_supervisorfrom langchain_mcp_adapters.client import MultiServerMCPClientfrom langchain.tools import toolfrom PIL import Imagefrom IPython.display import displayimport mlflowimport pretty_util# Enabling tracing for LangGraph (LangChain)mlflow.langchain.autolog()# Optional: Set a tracking URI and an experimentmlflow.set_tracking_uri("http://localhost:8080")mlflow.set_experiment("LangGraph")@tooldef get_weather(city: str) -> str:"""获取指定城市的天气信息。"""return f"sunny，温度20度，湿度50%，风力2级，风向东南"async def main():# model = init_chat_model("gpt-4o",temperature=0,top_p=0.9, max_tokens=1000)model = ChatOpenAI(model="gpt-4o")# 创建一个天气查询专家的反应式代理weather_agent = create_react_agent(name="weather_agent",model= model,tools=[get_weather],prompt="你是天气查询专家，用户输入城市名，你返回该城市的天气信息。")# 创建一个衣服搭配的专家dressing_agent = create_react_agent(name="dressing_agent",model=model,prompt="你是一个时尚的衣服搭配专家，针对拍摄场地和场地风格，给出合理的穿衣建议。",tools=[])map_mcp_client = MultiServerMCPClient({"map": {"command": "npx","args": ["-y", "@amap/amap-maps-mcp-server"],"env": {"AMAP_MAPS_API_KEY": "579ec3c354f6631a9c0ae02bdaa3e45f"},'transport': 'stdio',}})map_tools = await map_mcp_client.get_tools()# 创建一个地图专家map_agent = create_react_agent(name="map_agent",model=model,prompt="你是地图与出行专家，擅长分析地理位置和景点信息。请关注：\n""1. 景点到主要交通枢纽的距离和交通方式\n""2. 周边游玩资源分布\n""3. 出行路线和时间建议\n""4. 使用工具完成用户问题\n""请结合用户出行计划，用中文详细解答。",tools=map_tools)# 总管workflow = create_supervisor(agents=[weather_agent, dressing_agent,map_agent],model=model,prompt="""你是一个穿衣智能助手，负责协调不同的专家来回答用户的问题。\n1. 明确有多少个专家参与回答。\n2. 你需要根据用户的需求，调用不同的专家来获取信息。\n3. 你需要将各个专家的回答整合成一个完整的答案。\n""",tools=[],)app = workflow.compile()st = app.get_graph().draw_mermaid_png()with open("agent_graph.png", "wb") as f:f.write(st)app.stream({"messages": [{"role": "user", "content": ""}]})for chunk in app.stream({"messages": [{"role": "user", "content": "我在北京要去上海旅行3天，想去景点，拍点照片。"}]}):pretty_util.pretty_print_messages(chunk)if __name__ == "__main__":asyncio.run(main())
from langchain_core.messages import convert_to_messagesdef pretty_print_message(message, indent=False):pretty_message = message.pretty_repr(html=True)if not indent:print(pretty_message)returnindented = "\n".join("\t" + c for c in pretty_message.split("\n"))print(indented)def pretty_print_messages(update, last_message=False):is_subgraph = Falseif isinstance(update, tuple):ns, update = update# skip parent graph updates in the printoutsif len(ns) == 0:returngraph_id = ns[-1].split(":")[0]print(f"Update from subgraph {graph_id}:")print("\n")is_subgraph = Truefor node_name, node_update in update.items():update_label = f"Update from node {node_name}:"if is_subgraph:update_label = "\t" + update_labelprint(update_label)print("\n")messages = convert_to_messages(node_update["messages"])if last_message:messages = messages[-1:]for m in messages:pretty_print_message(m, indent=is_subgraph)print("\n")
返回结果展示：
================================ Human Message =================================我在北京要去上海旅行3天，想去景点，拍点照片。================================== Ai Message ==================================Name: supervisor为了帮助您规划这次北京到上海的3天旅行，我将协调以下几个专家的建议：1. **天气专家（weather_agent）** - 提供上海未来几天的天气情况，以便您选择合适的衣物。2. **地图专家（map_agent）** - 推荐上海的景点，以便您可以拍摄美丽的照片。3. **穿衣专家（dressing_agent）** - 根据天气情况为您推荐合适的装扮。稍等一下，我会先调用天气专家获取上海的天气情况。Tool Calls:transfer_to_weather_agent (call_07EqbGkxmHZekxs9RCNdn90x)Call ID: call_07EqbGkxmHZekxs9RCNdn90xArgs:================================= Tool Message =================================Name: transfer_to_weather_agentSuccessfully transferred to weather_agentINFO:httpx:HTTP Request: POST https://api.openai.com/v1/chat/completions "HTTP/1.1 200 OK"INFO:httpx:HTTP Request: POST https://api.openai.com/v1/chat/completions "HTTP/1.1 200 OK"Update from node weather_agent:================================== Ai Message ==================================Name: weather_agent上海目前的天气情况是晴天，气温在20度，湿度为50%，东南风，风力为2级。这个天气非常适合外出游玩和拍照。您可以考虑穿着轻便舒适的衣物，带上一件薄外套以应对早晚的稍凉天气。如果您需要关于上海景点的推荐或其他旅行建议，请随时告知！================================== Ai Message ==================================Name: weather_agentTransferring back to supervisorTool Calls:transfer_back_to_supervisor (7250caa4-078e-4141-a9b8-4c610bdd440f)Call ID: 7250caa4-078e-4141-a9b8-4c610bdd440fArgs:================================= Tool Message =================================Name: transfer_back_to_supervisorSuccessfully transferred back to supervisorINFO:httpx:HTTP Request: POST https://api.openai.com/v1/chat/completions "HTTP/1.1 200 OK"Update from node supervisor:================================ Human Message =================================我在北京要去上海旅行3天，想去景点，拍点照片。================================== Ai Message ==================================Name: supervisor为了帮助您规划这次北京到上海的3天旅行，我将协调以下几个专家的建议：1. **天气专家（weather_agent）** - 提供上海未来几天的天气情况，以便您选择合适的衣物。2. **地图专家（map_agent）** - 推荐上海的景点，以便您可以拍摄美丽的照片。3. **穿衣专家（dressing_agent）** - 根据天气情况为您推荐合适的装扮。稍等一下，我会先调用天气专家获取上海的天气情况。Tool Calls:transfer_to_weather_agent (call_07EqbGkxmHZekxs9RCNdn90x)Call ID: call_07EqbGkxmHZekxs9RCNdn90xArgs:================================= Tool Message =================================Name: transfer_to_weather_agentSuccessfully transferred to weather_agent================================== Ai Message ==================================Name: weather_agent上海目前的天气情况是晴天，气温在20度，湿度为50%，东南风，风力为2级。这个天气非常适合外出游玩和拍照。您可以考虑穿着轻便舒适的衣物，带上一件薄外套以应对早晚的稍凉天气。如果您需要关于上海景点的推荐或其他旅行建议，请随时告知！================================== Ai Message ==================================Name: weather_agentTransferring back to supervisorTool Calls:transfer_back_to_supervisor (7250caa4-078e-4141-a9b8-4c610bdd440f)Call ID: 7250caa4-078e-4141-a9b8-4c610bdd440fArgs:================================= Tool Message =================================Name: transfer_back_to_supervisorSuccessfully transferred back to supervisor================================== Ai Message ==================================Name: supervisorTool Calls:transfer_to_map_agent (call_qm4gzd25ykA0UjrOizx7Z94H)Call ID: call_qm4gzd25ykA0UjrOizx7Z94HArgs:================================= Tool Message =================================Name: transfer_to_map_agentSuccessfully transferred to map_agentINFO:httpx:HTTP Request: POST https://api.openai.com/v1/chat/completions "HTTP/1.1 200 OK"Update from node map_agent:================================== Ai Message ==================================Name: map_agent好的，接下来我将为您推荐一些上海的知名景点，每个景点都非常适合拍摄美丽的照片：1. **外滩** - 上海最具代表性的地标，夜景尤为壮观。2. **东方明珠电视塔** - 登上观光层可以俯瞰整个城市的风光。3. **南京路步行街** - 这里是购物和感受城市活力的好去处。4. **豫园** - 一座经典的江南园林，可以体验到古典的东方建筑美。5. **上海博物馆** - 拥有丰富的中国古代艺术藏品。6. **田子坊** - 富有艺术和创意的小巷，非常适合文艺照片拍摄。7. **上海迪士尼乐园** - 如果时间允许，可以去这里感受乐趣。8. **朱家角古镇** - 感受传统的江南水乡风情。探索这些地方会让您的旅行更加充实。如果您需要从北京前往上海的具体交通信息和建议，或者关于各个景点的详细咨询，请告知我！================================== Ai Message ==================================Name: map_agentTransferring back to supervisorTool Calls:transfer_back_to_supervisor (2cf8761e-c294-4942-ad46-35091a736f1c)Call ID: 2cf8761e-c294-4942-ad46-35091a736f1cArgs:================================= Tool Message =================================Name: transfer_back_to_supervisorSuccessfully transferred back to supervisorINFO:httpx:HTTP Request: POST https://api.openai.com/v1/chat/completions "HTTP/1.1 200 OK"Update from node supervisor:、================================ Human Message =================================我在北京要去上海旅行3天，想去景点，拍点照片。================================== Ai Message ==================================Name: supervisor为了帮助您规划这次北京到上海的3天旅行，我将协调以下几个专家的建议：1. **天气专家（weather_agent）** - 提供上海未来几天的天气情况，以便您选择合适的衣物。2. **地图专家（map_agent）** - 推荐上海的景点，以便您可以拍摄美丽的照片。3. **穿衣专家（dressing_agent）** - 根据天气情况为您推荐合适的装扮。稍等一下，我会先调用天气专家获取上海的天气情况。Tool Calls:transfer_to_weather_agent (call_07EqbGkxmHZekxs9RCNdn90x)Call ID: call_07EqbGkxmHZekxs9RCNdn90xArgs:================================= Tool Message =================================Name: transfer_to_weather_agentSuccessfully transferred to weather_agent================================== Ai Message ==================================Name: weather_agent上海目前的天气情况是晴天，气温在20度，湿度为50%，东南风，风力为2级。这个天气非常适合外出游玩和拍照。您可以考虑穿着轻便舒适的衣物，带上一件薄外套以应对早晚的稍凉天气。如果您需要关于上海景点的推荐或其他旅行建议，请随时告知！================================== Ai Message ==================================Name: weather_agentTransferring back to supervisorTool Calls:transfer_back_to_supervisor (7250caa4-078e-4141-a9b8-4c610bdd440f)Call ID: 7250caa4-078e-4141-a9b8-4c610bdd440fArgs:================================= Tool Message =================================Name: transfer_back_to_supervisorSuccessfully transferred back to supervisor================================== Ai Message ==================================Name: supervisorTool Calls:transfer_to_map_agent (call_qm4gzd25ykA0UjrOizx7Z94H)Call ID: call_qm4gzd25ykA0UjrOizx7Z94HArgs:================================= Tool Message =================================Name: transfer_to_map_agentSuccessfully transferred to map_agent================================== Ai Message ==================================Name: map_agent好的，接下来我将为您推荐一些上海的知名景点，每个景点都非常适合拍摄美丽的照片：1. **外滩** - 上海最具代表性的地标，夜景尤为壮观。2. **东方明珠电视塔** - 登上观光层可以俯瞰整个城市的风光。3. **南京路步行街** - 这里是购物和感受城市活力的好去处。4. **豫园** - 一座经典的江南园林，可以体验到古典的东方建筑美。5. **上海博物馆** - 拥有丰富的中国古代艺术藏品。6. **田子坊** - 富有艺术和创意的小巷，非常适合文艺照片拍摄。7. **上海迪士尼乐园** - 如果时间允许，可以去这里感受乐趣。8. **朱家角古镇** - 感受传统的江南水乡风情。探索这些地方会让您的旅行更加充实。如果您需要从北京前往上海的具体交通信息和建议，或者关于各个景点的详细咨询，请告知我！================================== Ai Message ==================================Name: map_agentTransferring back to supervisorTool Calls:transfer_back_to_supervisor (2cf8761e-c294-4942-ad46-35091a736f1c)Call ID: 2cf8761e-c294-4942-ad46-35091a736f1cArgs:================================= Tool Message =================================Name: transfer_back_to_supervisorSuccessfully transferred back to supervisor================================== Ai Message ==================================Name: supervisorTool Calls:transfer_to_dressing_agent (call_TJ0XVKvFIjEma0DP4muJxoHx)Call ID: call_TJ0XVKvFIjEma0DP4muJxoHxArgs:================================= Tool Message =================================Name: transfer_to_dressing_agentSuccessfully transferred to dressing_agentINFO:httpx:HTTP Request: POST https://api.openai.com/v1/chat/completions "HTTP/1.1 200 OK"Update from node dressing_agent:================================== Ai Message ==================================Name: dressing_agent根据上海的天气和您计划访问的景点，我为您提供以下穿搭建议：1. **外滩和南京路步行街**（城市景观拍照）：- **上装**：选择一件白色衬衫或颜色亮丽的薄毛衣，可以搭配一件浅色风衣。- **下装**：牛仔裤或修身裤，容易搭配又显气质。- **鞋子**：舒适的休闲鞋或小白鞋，可以长时间行走。- **配饰**：墨镜和一顶宽檐帽，特别是拍摄户外照片时可以增添时尚感。2. **豫园和朱家角古镇**（传统文化与自然景观）：- **上装**：可以选择中式风格的上衣，例如带有刺绣或民族风图案的上衣。- **下装**：宽松的阔腿裤或者飘逸的长裙，营造古典气息。- **鞋子**：平底鞋或舒适的凉鞋，便于在古镇小路行走。- **配饰**：精致的耳环或一些带有东方元素的小饰品。3. **东方明珠和上海博物馆**（现代城市与文化探索）：- **上装**：选择修身的西装外套或夹克，搭配简单的打底T恤。- **下装**：商务休闲裤或牛仔裤，都能适应室内室外的环境。- **鞋子**：乐福鞋或时尚的运动鞋，集时尚与舒适于一体。- **配饰**：简约设计的手表或手链，增加整体造型的精致感。总的来说，注重舒适与时尚的平衡，方便您随时随地捕捉到美丽的瞬间！希望这些建议能够帮助到您，如果有其他具体需求，欢迎向我咨询！================================== Ai Message ==================================Name: dressing_agentTransferring back to supervisorTool Calls:transfer_back_to_supervisor (9aefd114-5a69-429e-9a44-f5f17f7179f0)Call ID: 9aefd114-5a69-429e-9a44-f5f17f7179f0Args:================================= Tool Message =================================Name: transfer_back_to_supervisorSuccessfully transferred back to supervisorINFO:httpx:HTTP Request: POST https://api.openai.com/v1/chat/completions "HTTP/1.1 200 OK"Update from node supervisor:================================ Human Message =================================我在北京要去上海旅行3天，想去景点，拍点照片。================================== Ai Message ==================================Name: supervisor为了帮助您规划这次北京到上海的3天旅行，我将协调以下几个专家的建议：1. **天气专家（weather_agent）** - 提供上海未来几天的天气情况，以便您选择合适的衣物。2. **地图专家（map_agent）** - 推荐上海的景点，以便您可以拍摄美丽的照片。3. **穿衣专家（dressing_agent）** - 根据天气情况为您推荐合适的装扮。稍等一下，我会先调用天气专家获取上海的天气情况。Tool Calls:transfer_to_weather_agent (call_07EqbGkxmHZekxs9RCNdn90x)Call ID: call_07EqbGkxmHZekxs9RCNdn90xArgs:================================= Tool Message =================================Name: transfer_to_weather_agentSuccessfully transferred to weather_agent================================== Ai Message ==================================Name: weather_agent上海目前的天气情况是晴天，气温在20度，湿度为50%，东南风，风力为2级。这个天气非常适合外出游玩和拍照。您可以考虑穿着轻便舒适的衣物，带上一件薄外套以应对早晚的稍凉天气。如果您需要关于上海景点的推荐或其他旅行建议，请随时告知！================================== Ai Message ==================================Name: weather_agentTransferring back to supervisorTool Calls:transfer_back_to_supervisor (7250caa4-078e-4141-a9b8-4c610bdd440f)Call ID: 7250caa4-078e-4141-a9b8-4c610bdd440fArgs:================================= Tool Message =================================Name: transfer_back_to_supervisorSuccessfully transferred back to supervisor================================== Ai Message ==================================Name: supervisorTool Calls:transfer_to_map_agent (call_qm4gzd25ykA0UjrOizx7Z94H)Call ID: call_qm4gzd25ykA0UjrOizx7Z94HArgs:================================= Tool Message =================================Name: transfer_to_map_agentSuccessfully transferred to map_agent================================== Ai Message ==================================Name: map_agent好的，接下来我将为您推荐一些上海的知名景点，每个景点都非常适合拍摄美丽的照片：1. **外滩** - 上海最具代表性的地标，夜景尤为壮观。2. **东方明珠电视塔** - 登上观光层可以俯瞰整个城市的风光。3. **南京路步行街** - 这里是购物和感受城市活力的好去处。4. **豫园** - 一座经典的江南园林，可以体验到古典的东方建筑美。5. **上海博物馆** - 拥有丰富的中国古代艺术藏品。6. **田子坊** - 富有艺术和创意的小巷，非常适合文艺照片拍摄。7. **上海迪士尼乐园** - 如果时间允许，可以去这里感受乐趣。8. **朱家角古镇** - 感受传统的江南水乡风情。探索这些地方会让您的旅行更加充实。如果您需要从北京前往上海的具体交通信息和建议，或者关于各个景点的详细咨询，请告知我！================================== Ai Message ==================================Name: map_agentTransferring back to supervisorTool Calls:transfer_back_to_supervisor (2cf8761e-c294-4942-ad46-35091a736f1c)Call ID: 2cf8761e-c294-4942-ad46-35091a736f1cArgs:================================= Tool Message =================================Name: transfer_back_to_supervisorSuccessfully transferred back to supervisor================================== Ai Message ==================================Name: supervisorTool Calls:transfer_to_dressing_agent (call_TJ0XVKvFIjEma0DP4muJxoHx)Call ID: call_TJ0XVKvFIjEma0DP4muJxoHxArgs:================================= Tool Message =================================Name: transfer_to_dressing_agentSuccessfully transferred to dressing_agent================================== Ai Message ==================================Name: dressing_agent根据上海的天气和您计划访问的景点，我为您提供以下穿搭建议：1. **外滩和南京路步行街**（城市景观拍照）：- **上装**：选择一件白色衬衫或颜色亮丽的薄毛衣，可以搭配一件浅色风衣。- **下装**：牛仔裤或修身裤，容易搭配又显气质。- **鞋子**：舒适的休闲鞋或小白鞋，可以长时间行走。- **配饰**：墨镜和一顶宽檐帽，特别是拍摄户外照片时可以增添时尚感。2. **豫园和朱家角古镇**（传统文化与自然景观）：- **上装**：可以选择中式风格的上衣，例如带有刺绣或民族风图案的上衣。- **下装**：宽松的阔腿裤或者飘逸的长裙，营造古典气息。- **鞋子**：平底鞋或舒适的凉鞋，便于在古镇小路行走。- **配饰**：精致的耳环或一些带有东方元素的小饰品。3. **东方明珠和上海博物馆**（现代城市与文化探索）：- **上装**：选择修身的西装外套或夹克，搭配简单的打底T恤。- **下装**：商务休闲裤或牛仔裤，都能适应室内室外的环境。- **鞋子**：乐福鞋或时尚的运动鞋，集时尚与舒适于一体。- **配饰**：简约设计的手表或手链，增加整体造型的精致感。总的来说，注重舒适与时尚的平衡，方便您随时随地捕捉到美丽的瞬间！希望这些建议能够帮助到您，如果有其他具体需求，欢迎向我咨询！================================== Ai Message ==================================Name: dressing_agentTransferring back to supervisorTool Calls:transfer_back_to_supervisor (9aefd114-5a69-429e-9a44-f5f17f7179f0)Call ID: 9aefd114-5a69-429e-9a44-f5f17f7179f0Args:================================= Tool Message =================================Name: transfer_back_to_supervisorSuccessfully transferred back to supervisor================================== Ai Message ==================================Name: supervisor以下是为您规划的3天上海旅行建议：1. **天气情况**：- 上海目前是晴天，气温在20度左右，非常适合旅游和拍照。- 建议穿着轻便舒适的衣物，并带上一件薄外套以应对早晚的稍凉天气。2. **推荐景点**：- 外滩、东方明珠电视塔、南京路步行街、豫园、上海博物馆、田子坊、上海迪士尼乐园、朱家角古镇。- 这些地方既能感受城市的现代魅力，又能体验传统文化，非常适合拍摄美丽照片。3. **穿搭建议**：- 城市景观如外滩：白色衬衫或薄毛衣搭配浅色风衣，牛仔裤或修身裤，舒适的休闲鞋。- 古典文化如豫园：中式风格的上衣搭配阔腿裤或长裙，平底鞋，带有东方元素的配饰。- 现代与文化探索如东方明珠：修身西装外套或夹克，搭配商务休闲裤或牛仔裤，乐福鞋。希望这些建议能为您的上海之旅提供帮助。如果需要更多信息或具体安排，随时告诉我！旅途愉快！
从代码可以看出langgraph的可视化追踪能力还有点薄弱，如果需要达到OpenAI Agent SDK的效果需要可以尝试添加trace、graphstudio或者langsmith进行设计以实现可视化追踪。
五、总结
使用完OpenAI Agent SDK 和市面上的几个成熟框架的对比，个人认为未来AI应用肯定是工作流+多Agent的方向。对于工作流而言，就是让我们快速搭建出来一个MVP版本，感受下AI带来的效果到底如何，是否能达到预期，但是工作流随着业务迭代 如何有效的运维也是需要解决的问题。但是对于工程类项目，则需要定制化的开发，而且现在的AI需要应用到线上，部分业务场景需要保障确定性，这个使用OpenAI Agent SDK、LangGrap等开发框架是一个不错的选择。
六、参考
https://openai.github.io/openai-agents-python/ https://docs.dify.ai/en/introduction https://docs.llamaindex.ai/en/stable/ https://langchain-ai.github.io/langgraph/concepts/why-langgraph/