mcpField
O
openai-agents-python

openai-agents-python

github.com/akillnessAgent 工作流53253 次安装4 天前更新
代码仓库

关于 openai-agents-python

面向 OpenAI Agents SDK 的技能，用于设计可运行的多 Agent 工作流。内容涵盖拓扑、交接、护栏、执行循环与质量检查。

主要功能

  1. 01Coordinator 与 Specialist 拓扑
  2. 02明确交接规则
  3. 03工具故障与延迟日志
  4. 04护栏与输出架构
  5. 05工作流质量检查

适用场景

  1. 01构建研究、写作和验证流水线
  2. 02设计支持工具调用与交接的 Agent
  3. 03添加故障处理和轮次限制

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/akillness/jeo-skills --skill openai-agents-python

安装后在 Claude Code 中输入/openai-agents-python确认已加载。

详细介绍

OpenAI Agents Python

何时使用此技能

  • 基于 OpenAI Agents SDK 构建多 Agent 工作流时
  • 设计需要 tool calling、handoff、guardrail 的 Agent 时
  • 需要可用于生产环境的 Agent 循环结构，而非原型时

说明

第 1 步）将任务目标拆分为 Agent 拓扑
  • 从 1 个 Coordinator + N 个 Specialist 的基本结构开始
  • 每个 Specialist 坚持单一职责原则（搜索／分析／执行／验证）
  • 将 handoff 条件记录为明确规则，而非自然语言描述
第 2 步）先构建最小执行循环
  • 第一步是构建“一个输入 → 一次 handoff → 一个结果”的最小循环
  • 按标准错误格式收集工具调用失败和超时
  • 根据 agent、tool、handoff、latency 记录日志
第 3 步）添加 Guardrail
  • 将禁止的操作（破坏性命令、外部传输）明确为策略
  • 固定输出架构（JSON schema），稳定后续流水线
  • 明确重试次数／停止条件（max turns）
第 4 步）质量检查
  • 3 种用例：正常、边界、失败
  • 检查 handoff 误报率／漏报率
  • 如果错误反复出现，优先修改路由规则，而非提示词

示例

  • 请求：“我想构建一个将研究／摘要／验证分开的 Agent 流水线”
  • 应用：Coordinator 对意图分类后，将任务 handoff 给 Researcher／Writer／Verifier
  • 结果：分开保存各阶段产出和验证日志

最佳实践

  1. 不要一开始就使用 5 个以上的 Agent。
  2. 将 handoff 规则记录为条件表达式，而非句子。
  3. 固定工具接口，以便日后更换模型。
  4. 故障恢复时，使用 fallback route（其他 specialist），而非重试。

参考资料

评论

支持 Markdown