WTSolutions的博客

它们可用于执行以下作： - 检查输入的消息是否偏离主题 - 如果检测到意外输入，则接管代理执行的控制权。一个函数，它接收最终代理、其输出和上下文，并返回一个 .结果标记绊线是否被触发，并且可以选择选择 包括有关 Guardrail 输出的信息。一个函数，用于接收代理输入和上下文，并返回一个 .结果标记绊线是否被触发，并且可以选择选择 包括有关 Guardrail 输出的信息。输出护栏是在代理的最终输出上运行的检查。例如，护栏可以包括 有关它执行的检查的信息和精细结果。到目前为止，代理的使用情况正在运行。

例如，在客户支持方案中，您可能有一个“分类代理”，它确定 哪个代理应该处理用户的请求，以及专门从事不同 计费、帐户管理等领域。在某些情况下，您可能希望过滤输入，例如 以删除较旧的输入，或从现有输入中删除工具。该函数将接收到目前为止的整个对话历史记录，包括输入项 触发 Handoff 和表示 Handoff 工具输出的 Tool Call 输出项。当前代理回合期间生成的新物品，包括触发 Handoff 和表示 Handoff 输出响应的工具输出消息。一个类，用于接收特定代理的各种生命周期事件的回调。

英文文档原文详见本文是OpenAI-agents-sdk-python使用翻译软件翻译后的中文文档/教程。分多个帖子发布，帖子的目录如下：(1)(2)(3)(4) Openai agents sdk, 编排多个代理，模型，配置SDK(5)(6)..等等，后面的都放到openai agents sdk的这个专栏里面了，大家可以到专栏里面看到所有的目录，欢迎订阅这个专栏。Tools。

英文文档原文详见本文是OpenAI-agents-sdk-python使用翻译软件翻译后的中文文档/教程。分多个帖子发布，帖子的目录如下：(1)(2)(3)(4) Openai agents sdk, 编排多个代理，模型，配置SDK(5)(6)..等等，后面的都放到里面了，大家可以到专栏里面看到所有的目录，欢迎订阅这个专栏。代理模块。

这意味着，给定一个开放式任务，LLM 可以自主规划它将如何处理该任务，使用工具采取行动和获取数据，并使用交接将任务委派给子代理。例如，您可以使用更小、更快的模型进行分类，而使用更大、功能更强大的模型进行复杂任务。或者，您也可以配置要使用的 OpenAI 客户端。默认情况下，SDK 使用环境变量中的 API 密钥或上面设置的默认密钥创建实例。默认情况下，它使用上一节中的 OpenAI API 密钥（即环境变量或您设置的默认密钥）。当任务是开放式的，并且您希望依赖 LLM 的智能时，此模式非常有用。

如果护栏检测到恶意使用，它可能会立即引发错误，从而阻止昂贵的模型运行并节省您的时间/金钱。这是因为护栏往往与实际的 Agent 相关 - 您将为不同的 Agent 运行不同的护栏，因此将代码放在一起有助于提高可读性。与输入护栏类似，我们这样做是因为护栏往往与实际的 Agent 相关 - 您将为不同的 Agent 运行不同的护栏，因此将代码放在一起有助于提高可读性。代理 SDK 包括内置跟踪功能，可收集代理运行期间事件的全面记录：LLM 生成、工具调用、切换、防护机制，甚至发生的自定义事件。

Context 是一个依赖关系注入工具：它是您创建并传递给 的对象，该对象被传递给每个代理、工具、切换等，它充当代理运行的依赖项和状态的抓取袋。例如，如果您有一个将手交给特定语言的代理的一线会审代理，则可以存储最后一个代理，并在下次用户向代理发送消息时重复使用它。例如，您可以向用户显示代理生成的每个新项目，或者只显示最终输出。将结果转换为输入列表，该列表将您提供的原始输入连接到代理运行期间生成的项目。这样可以方便地获取一个代理运行的输出并将其传递到另一个运行中，或者在循环中运行它并每次都附加新的用户输入。

使您能够在轻量级、易于使用的包中构建agents AI 应用程序，抽象非常少。这是我们之前针对代理Swarm的实验的生产就绪升级。agents，即配备说明和工具的 LLMhandoffs，允许代理将特定任务委派给其他代理guiderail，用于验证代理的输入与 Python 结合使用时，这些基元功能强大，足以表达工具和代理之间的复杂关系，并允许您构建真实世界的应用程序，而无需陡峭的学习曲线。此外，SDK 还附带了内置跟踪功能，可让您可视化和调试代理流，以及评估它们，甚至为您的应用程序微调模型。