--- title: "多 Agent 框架参考：openai agents python - 多 Agent 框架 | 思行致远" canonical: "https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-openai-agents-python/" dateModified: "2026-06-30" datePublished: "2026-06-30" --- 打开 AI·外脑目录 AI·外脑 [返回专栏首页](https://siyuanailab.com/knowledge/) × 站内搜索 ⌕ 主要栏目 - [AI 核心概念](https://siyuanailab.com/knowledge/ai-core/) - [工作流](https://siyuanailab.com/knowledge/workflows/) - [工具配置与选型](https://siyuanailab.com/knowledge/toolkits/) - [信源与标准](https://siyuanailab.com/knowledge/sources/) - [场景案例 待开发](https://siyuanailab.com/knowledge/scenarios/) - [职业与能力](https://siyuanailab.com/knowledge/career/) 专题 - [从这里开始](https://siyuanailab.com/knowledge/start/) - [获取与安装](https://siyuanailab.com/knowledge/install/) - [建设日志](https://siyuanailab.com/knowledge/ops/) [工作流子目录](https://siyuanailab.com/knowledge/workflows/) 基础设施层 - [浏览器自动化 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/browser-automation/) - [MCP 工具 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/mcp-tools/) - [文件系统与本地执行 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/filesystem-local/) - [API 网关与工具路由 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/api-tool-routing/) Skill 生产线 - [目标明确 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/goal-definition/) - [Skill 设计 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/skill-design/) - [代码实现 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/implementation/) - [测试评估 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/testing-evaluation/) Skill 参考库 - [写作与内容 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/writing-content/) - [研究与知识 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/research-knowledge/) - [沟通与协作 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/communication-collaboration/) - [产品与项目 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/product-project/) - [数据与分析 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/data-analysis/) - [创意与设计 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/creative-design/) - [商业与营销 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/business-marketing/) Agent Building 只收录有多步工作流、工作标准、Loop、Harness、工具链或通信机制的真 Agent；不收纯 persona、profile、curated list 或只有 system prompt 的仓库。 - [多 Agent 框架 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/) - [WF-076 多 Agent 框架参考：agent framework](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-agent-framework/) - [WF-077 多 Agent 框架参考：camel](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-camel/) - [WF-078 多 Agent 框架参考：MetaGPT](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-metagpt/) - [WF-079 多 Agent 框架参考：openai agents python](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-openai-agents-python/) - [WF-080 多 Agent 框架参考：pydantic ai](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-pydantic-ai/) - [工作流编排 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/workflow-orchestration/) - [Sub-agent 模式 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/sub-agent-patterns/) - [Harness 与评估 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/harness-evaluation/) Agent Building · 多 Agent 框架 · Agent Building 参考 · WF-079 # 多 Agent 框架参考：openai agents python 思行致远 · 2026/6/30 · 置信度：高 多AgentAgent框架协作工具调用 一个以 Agent、Runner、工具、handoff、guardrail 和 tracing 为核心的轻量 Python 多 Agent SDK。 # openai agents python > 一个以 Agent、Runner、工具、handoff、guardrail 和 tracing 为核心的轻量 Python 多 Agent SDK。 ## 这个能力解决什么问题 OpenAI Agents SDK 解决的是“我已经有模型和工具，但缺一个可维护的运行循环”的问题。很多 Agent 原型把工具调用、上下文、转交、输入输出检查和日志追踪写在业务代码里，越做越散。这个 SDK 把这些共性环节收进 `Agent` 与 `Runner`：Agent 声明模型、指令、工具、guardrail、handoff；Runner 负责多轮运行、工具执行、转交历史、session 和 trace。 ## 核心逻辑 输入是用户消息、可选上下文对象、Agent 配置和运行配置；Runner 启动一次 agent run，模型可以调用函数工具、MCP/Hosted tools、Computer/Shell 等工具，也可以通过 handoff 把对话控制权交给专门 Agent。Guardrail 在首个输入、最终输出或函数工具调用前后执行检查；tracing 默认记录 LLM generation、tool call、handoff、guardrail 等 span。输出是最终 response、结构化输出、工具结果、session 历史与 trace。 ## 技术结构 - 关键模块：`Agent` 定义指令、工具、handoffs、guardrails 和 output type；`Runner` 执行同步/异步/streamed run；`function_tool` 和 MCP/hosted tools 提供工具面；`handoff()` 定义转交目标、schema、callback 和 input filter；`RunConfig` 控制 sandbox、trace、tool execution 等运行行为。 - 调用链路：用户请求进入 Runner，Runner 调用当前 Agent，模型选择工具或 handoff，SDK 执行工具并把结果回填，直到输出或转交链结束；trace processor 同步记录 span。 - 输入输出：输入是消息、context/deps、Agent 配置、Sandbox manifest 或 session；输出是 final_output、run items、tool outputs、guardrail exceptions、trace 数据。 - 核心依赖：Python 3.10+，默认支持 OpenAI Responses/Chat Completions，也可经 `any-llm`/LiteLLM 接 100+ 模型；依赖 Pydantic、MCP Python SDK、pytest 等生态。 ## 为什么值得参考 它把多 Agent 协作拆成两个清晰模式：manager 把其他 Agent 当工具调用，或 handoff 让专门 Agent 接管对话。这个区分很适合做内部工作流设计：前者适合主 Agent 保持控制，后者适合客服、审核、工单等“换处理人”的流程。它还把 guardrail 和 trace 放在一等位置，说明 production Agent 不是只要会调用工具，还要能被检查和复盘。 ## 为什么不建议直接套用 SDK 与 OpenAI 平台和 trace dashboard 结合紧密，虽然 provider-agnostic，但许多高级体验会受模型、API key、trace 数据敏感性和工具后端影响。Sandbox Agent 会涉及真实文件、命令和补丁能力，若没有明确权限边界，很容易把“能做事”变成“越权做事”。此外，handoff 默认会传递对话历史，企业场景必须额外设计 input filter 和敏感信息裁剪。 ## 如何改造成自己的版本 - 先决定每个子 Agent 是“工具型”还是“接管型”，不要把所有专家都做成 handoff。 - 给每个工具加输入/输出 guardrail，尤其是写文件、发请求、查私密数据这类动作。 - 把 trace 字段设计成能回答“谁在何时因为什么调用了什么工具”，再决定是否接 OpenAI trace 或自建日志。 - 对长任务使用 Sandbox Agent 时，用 manifest 定义可见文件和能力，不把本机工作区整块暴露给 Agent。 - 用 3 个真实任务跑通：正常路径、工具失败路径、handoff 误判路径，再沉淀成内部 Skill。 ## 适用场景 - Python 项目里需要轻量多 Agent、工具调用、handoff 和 trace。 - 想把函数工具、MCP、hosted tools、sandbox workspace 接入同一个 Agent run。 - 需要可观察的多 Agent 原型，而不是手写 while-loop。 ## 不适用场景 - 完全不使用 Python，或不能依赖外部 LLM SDK 的项目。 - 对数据留存、trace 上传、工具权限没有治理方案的企业流程。 - 只需要一次模型调用或简单函数调用的轻任务。 ## Agent Building 判断 - 多步工作流：Runner 执行 Agent → 模型选择工具/转交 → SDK 执行并回填 → guardrail/tracing 记录 → 输出或继续循环。 - 工作标准：Agent 配置明确 instructions、tools、handoffs、guardrails、output type 和 context 边界。 - Loop 标准：Runner 管理多轮工具调用、handoff 和 session；tool choice、stop behavior、guardrail tripwire 可控制停止条件。 - Harness 标准：内置 tracing、session、sandbox、hooks，并可把 trace processor 替换为自定义后端。 - 工具调用链路或 Agent 间通信：函数工具、MCP、hosted tools、Agent-as-tool 与 handoff 两套 Agent 间通信机制。 - 为什么不是 persona / profile / system prompt only：核心是 SDK 运行时、工具执行、转交与追踪，不是角色提示词集合。 ## 参考信息 - 原项目：[openai-agents-python](https://github.com/openai/openai-agents-python) - 作者：openai - 相关概念：[[多Agent协作]]、[[Agent编排]] - 相关卡片：[workflow-read-081](https://siyuanailab.com/knowledge/workflows/agent-building/workflow-orchestration/agent-building-orchestration-claude-orchestration/) ## 参考对象信息 **名称：**openai-agents-python **作者：**openai **链接：**[https://github.com/openai/openai-agents-python](https://github.com/openai/openai-agents-python) ## 适用场景与行动 **场景：**Agent Building / 多 Agent 框架 **适合谁：**关注 AI 工作流、Skill 生产和 Agent Building 的读者 **下一步：**先阅读边界说明，再判断它是否适合改造成自己的多 Agent 框架流程。 当前内容按公开来源和已审核草稿整理，只作为工作流理解与方法论参考。 涉及客户数据、外部平台、会议记录和业务系统的场景，必须保留人工确认与授权边界。 [上一张：多 Agent 框架参考：MetaGPT](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-metagpt/) [下一张：多 Agent 框架参考：pydantic ai](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-pydantic-ai/) [返回当前分类](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/) [返回工作流专栏](https://siyuanailab.com/knowledge/workflows/)