尧图网站建设 
openai-agents-python REPL 实用工具用 run_demo_loop 在终端快速调试智能体【免费下载链接】openai-agents-pythonA lightweight, powerful framework for multi-agent workflows项目地址: https://gitcode.com/GitHub_Trending/op/openai-agents-pythonrun_demo_loop是 openai-agents-python 内置的终端交互调试工具让你不必编写完整的前端或 Web 界面就能在命令行里与智能体进行多轮对话、验证提示词效果、测试工具调用与智能体交接handoff流程。读完本文你将掌握run_demo_loop的完整用法、流式与非流式两种运行模式的行为差异、它的底层实现原理以及如何结合仓库源码与测试用例深入理解它的内部机制。快速上手三行代码启动一个交互式聊天会话run_demo_loop位于src/agents/repl.py并从 src/agents/init.py 导出因此可以直接从agents包导入。最基础的用法如下完整示例见 docs/zh/repl.mdimport asyncio from agents import Agent, run_demo_loop async def main() - None: agent Agent(nameAssistant, instructionsYou are a helpful assistant.) await run_demo_loop(agent) if __name__ __main__: asyncio.run(main())运行这段代码后终端会进入一个持续循环的交互式会话程序不断用提示符请求你的输入并把每一轮对话包括智能体的回复追加到对话历史中因此智能体能够记住此前讨论过的内容。默认情况下模型输出是实时流式传输的——智能体在生成回复的同时文字会逐字出现在终端上而不是等全部生成完才一次性打印。退出会话的方式有三种输入quit并回车输入exit并回车按下Ctrl-D快捷键EOF。从实现上看run_demo_loop内部捕获了EOFError与KeyboardInterrupt异常即Ctrl-D与Ctrl-C遇到时先打印一个空行再干净地退出循环同时它会忽略空白输入行避免把空内容送进模型见 src/agents/repl.py。完整函数签名与参数说明run_demo_loop是一个async函数签名如下见 src/agents/repl.pyasync def run_demo_loop( agent: Agent[Any], *, stream: bool True, context: TContext | None None, max_turns: int | None DEFAULT_MAX_TURNS, ) - None:参数类型默认值说明agentAgent[Any]必填起始智能体starting agent即 REPL 会话开始时运行的智能体streamboolTrue是否流式传输智能体输出。True走Runner.run_streamed逐块打印文本False走Runner.run完成后一次性打印final_outputcontextTContext \| NoneNone透传给 Runner 的上下文信息可用于向智能体运行注入外部状态max_turnsint \| NoneDEFAULT_MAX_TURNSRunner 单次执行允许的最大轮数传None可关闭轮数上限其中DEFAULT_MAX_TURNS定义在 src/agents/run_config.py值为10即默认情况下智能体在一轮用户输入内最多迭代 10 次包括模型调用与工具调用循环。值得注意的是max_turns的语义是单次用户输入触发的执行轮数上限而不是整个 REPL 会话的总轮数。REPL 会话本身没有总轮数限制——只要不输入退出指令就可以无限聊下去。如果超过轮数上限底层 Runner 会抛出MaxTurnsExceeded异常定义于 src/agents/exceptions.py此时 REPL 循环会因未捕获异常而终止。流式模式实时观察模型生成与工具调用过程当streamTrue默认时run_demo_loop调用Runner.run_streamed并对返回的流式事件做逐类处理见 src/agents/repl.py文本增量当收到RawResponsesStreamEvent且其数据为ResponseTextDeltaEvent时用print(event.data.delta, end, flushTrue)逐字打印flushTrue保证字符立即出现在终端工具调用当收到RunItemStreamEvent且条目类型为tool_call_item时打印[tool called]工具输出当条目类型为tool_call_output_item时打印[tool output: 输出内容]让你直接看到工具返回了什么智能体更新交接当收到AgentUpdatedStreamEvent时打印[Agent updated: 新智能体名]提示当前执行已经交接到了另一个智能体。这意味着即使你的智能体配置了工具、多智能体交接handoffREPL 也能把整个过程可视化地呈现在终端里——你会看到工具被调用、工具返回结果、控制权交接给新智能体最后才是最终文本回复。这套行为被 tests/test_repl.py 的test_run_demo_loop_streaming用例完整验证该测试构造了一个工具调用 → 工具输出 → handoff → 文本回复的完整流程并断言输出中同时包含[tool called]、[tool output: tool_result]与[Agent updated: target]。非流式模式当streamFalse时run_demo_loop改用await Runner.run(...)一次性执行整个回合并在结果就绪后打印result.final_output见 src/agents/repl.py。这种模式更适合在输出量小、或你需要精确控制终端输出格式的场景下使用。注意非流式模式不会打印工具调用过程只输出最终文本。会话状态管理多轮记忆与智能体切换REPL 之所以能在多轮之间保留对话历史关键在于循环体末尾的两行代码见 src/agents/repl.pycurrent_agent result.last_agent input_items result.to_input_list()result.last_agent是本次运行结束时的智能体。如果发生了 handoff它就是交接后的目标智能体因此下一轮输入会继续由当前最新智能体处理而非最初的起始智能体result.to_input_list()把本次运行产生的新条目用户消息、模型回复、工具调用等转换为下一轮的输入条目列表从而把整段对话历史无缝传递给下一轮。该方法的实现位于 src/agents/result.py默认使用modepreserve_all即将new_items转换为完整的纯条目历史。tests/test_repl.py中的test_run_demo_loop_conversationtests/test_repl.py验证了多轮记忆它向 REPL 依次输入Hi与How are you?随后断言模型在第二轮收到的输入是第一条用户消息 第一轮模型回复 第二条用户消息的完整历史证明会话状态确实跨轮保留。输入处理细节退出、EOF 与空白行run_demo_loop对用户输入的处理逻辑见 src/agents/repl.py包含几个容易被忽略的细节退出指令不区分大小写user_input.strip().lower() in {exit, quit}因此EXIT、Quit等写法都能退出Ctrl-D与Ctrl-C输入循环被包在try/except (EOFError, KeyboardInterrupt)中遇到 EOF 或键盘中断都会先打印空行再break保证终端状态干净。tests/test_repl.py的test_run_demo_loop_exits_on_eoftests/test_repl.py专门验证了 EOF 时循环能干净退出且不会触发任何模型调用空白输入被跳过空行或纯空白行直接continue不会进入对话历史也不会消耗模型调用。对应测试为test_run_demo_loop_skips_empty_inputtests/test_repl.py。源码结构速览run_demo_loop的实现集中在单个文件 src/agents/repl.py整个文件只暴露这一个公开函数。它依赖的底层能力包括src/agents/run.py 中的Runner.run/Runner.run_streamed负责实际的模型调用与工具执行循环src/agents/run_config.py 中的DEFAULT_MAX_TURNS 10作为默认轮数上限src/agents/result.py 中的RunResultBaselast_agent、final_output、to_input_list等src/agents/stream_events.py 中的RawResponsesStreamEvent、RunItemStreamEvent、AgentUpdatedStreamEvent等事件类型定义了流式模式下可观察的各类事件。完整的 API 文档页面见 docs/ref/repl.md其中通过::: agents.repl指令自动生成run_demo_loop的签名与 docstring 文档。docstring 中对各参数的含义也有精确定义见 src/agents/repl.pymax_turns传None可以禁用轮数上限。典型使用场景小结提示词调试快速验证系统提示词instructions的效果无需搭建 UI工具与交接验证观察[tool called]、[tool output: ...]、[Agent updated: ...]输出确认工具调用链与多智能体交接是否按预期执行上下文注入测试通过context参数向智能体运行传入自定义上下文验证上下文对行为的影响教学与演示作为最小可运行的交互示例向团队成员或读者直观展示智能体的多轮对话能力。一句话总结run_demo_loop把创建智能体 → 交互测试 → 观察内部执行过程压缩成了一段极简代码是 openai-agents-python 项目中进行快速原型验证和调试的最佳入口之一。【免费下载链接】openai-agents-pythonA lightweight, powerful framework for multi-agent workflows项目地址: https://gitcode.com/GitHub_Trending/op/openai-agents-python创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 openai-agents-python REPL 实用工具：用 run_demo_loop 在终端快速调试智能体
openai-agents-python REPL 实用工具用 run_demo_loop 在终端快速调试智能体【免费下载链接】openai-agents-pythonA lightweight, powerful framework for multi-agent workflows项目地址: https://gitcode.com/GitHub_Trending/op/openai-agents-pythonrun_demo_loop是 openai-agents-python 内置的终端交互调试工具让你不必编写完整的前端或 Web 界面就能在命令行里与智能体进行多轮对话、验证提示词效果、测试工具调用与智能体交接handoff流程。读完本文你将掌握run_demo_loop的完整用法、流式与非流式两种运行模式的行为差异、它的底层实现原理以及如何结合仓库源码与测试用例深入理解它的内部机制。快速上手三行代码启动一个交互式聊天会话run_demo_loop位于src/agents/repl.py并从 src/agents/init.py 导出因此可以直接从agents包导入。最基础的用法如下完整示例见 docs/zh/repl.mdimport asyncio from agents import Agent, run_demo_loop async def main() - None: agent Agent(nameAssistant, instructionsYou are a helpful assistant.) await run_demo_loop(agent) if __name__ __main__: asyncio.run(main())运行这段代码后终端会进入一个持续循环的交互式会话程序不断用提示符请求你的输入并把每一轮对话包括智能体的回复追加到对话历史中因此智能体能够记住此前讨论过的内容。默认情况下模型输出是实时流式传输的——智能体在生成回复的同时文字会逐字出现在终端上而不是等全部生成完才一次性打印。退出会话的方式有三种输入quit并回车输入exit并回车按下Ctrl-D快捷键EOF。从实现上看run_demo_loop内部捕获了EOFError与KeyboardInterrupt异常即Ctrl-D与Ctrl-C遇到时先打印一个空行再干净地退出循环同时它会忽略空白输入行避免把空内容送进模型见 src/agents/repl.py。完整函数签名与参数说明run_demo_loop是一个async函数签名如下见 src/agents/repl.pyasync def run_demo_loop( agent: Agent[Any], *, stream: bool True, context: TContext | None None, max_turns: int | None DEFAULT_MAX_TURNS, ) - None:参数类型默认值说明agentAgent[Any]必填起始智能体starting agent即 REPL 会话开始时运行的智能体streamboolTrue是否流式传输智能体输出。True走Runner.run_streamed逐块打印文本False走Runner.run完成后一次性打印final_outputcontextTContext \| NoneNone透传给 Runner 的上下文信息可用于向智能体运行注入外部状态max_turnsint \| NoneDEFAULT_MAX_TURNSRunner 单次执行允许的最大轮数传None可关闭轮数上限其中DEFAULT_MAX_TURNS定义在 src/agents/run_config.py值为10即默认情况下智能体在一轮用户输入内最多迭代 10 次包括模型调用与工具调用循环。值得注意的是max_turns的语义是单次用户输入触发的执行轮数上限而不是整个 REPL 会话的总轮数。REPL 会话本身没有总轮数限制——只要不输入退出指令就可以无限聊下去。如果超过轮数上限底层 Runner 会抛出MaxTurnsExceeded异常定义于 src/agents/exceptions.py此时 REPL 循环会因未捕获异常而终止。流式模式实时观察模型生成与工具调用过程当streamTrue默认时run_demo_loop调用Runner.run_streamed并对返回的流式事件做逐类处理见 src/agents/repl.py文本增量当收到RawResponsesStreamEvent且其数据为ResponseTextDeltaEvent时用print(event.data.delta, end, flushTrue)逐字打印flushTrue保证字符立即出现在终端工具调用当收到RunItemStreamEvent且条目类型为tool_call_item时打印[tool called]工具输出当条目类型为tool_call_output_item时打印[tool output: 输出内容]让你直接看到工具返回了什么智能体更新交接当收到AgentUpdatedStreamEvent时打印[Agent updated: 新智能体名]提示当前执行已经交接到了另一个智能体。这意味着即使你的智能体配置了工具、多智能体交接handoffREPL 也能把整个过程可视化地呈现在终端里——你会看到工具被调用、工具返回结果、控制权交接给新智能体最后才是最终文本回复。这套行为被 tests/test_repl.py 的test_run_demo_loop_streaming用例完整验证该测试构造了一个工具调用 → 工具输出 → handoff → 文本回复的完整流程并断言输出中同时包含[tool called]、[tool output: tool_result]与[Agent updated: target]。非流式模式当streamFalse时run_demo_loop改用await Runner.run(...)一次性执行整个回合并在结果就绪后打印result.final_output见 src/agents/repl.py。这种模式更适合在输出量小、或你需要精确控制终端输出格式的场景下使用。注意非流式模式不会打印工具调用过程只输出最终文本。会话状态管理多轮记忆与智能体切换REPL 之所以能在多轮之间保留对话历史关键在于循环体末尾的两行代码见 src/agents/repl.pycurrent_agent result.last_agent input_items result.to_input_list()result.last_agent是本次运行结束时的智能体。如果发生了 handoff它就是交接后的目标智能体因此下一轮输入会继续由当前最新智能体处理而非最初的起始智能体result.to_input_list()把本次运行产生的新条目用户消息、模型回复、工具调用等转换为下一轮的输入条目列表从而把整段对话历史无缝传递给下一轮。该方法的实现位于 src/agents/result.py默认使用modepreserve_all即将new_items转换为完整的纯条目历史。tests/test_repl.py中的test_run_demo_loop_conversationtests/test_repl.py验证了多轮记忆它向 REPL 依次输入Hi与How are you?随后断言模型在第二轮收到的输入是第一条用户消息 第一轮模型回复 第二条用户消息的完整历史证明会话状态确实跨轮保留。输入处理细节退出、EOF 与空白行run_demo_loop对用户输入的处理逻辑见 src/agents/repl.py包含几个容易被忽略的细节退出指令不区分大小写user_input.strip().lower() in {exit, quit}因此EXIT、Quit等写法都能退出Ctrl-D与Ctrl-C输入循环被包在try/except (EOFError, KeyboardInterrupt)中遇到 EOF 或键盘中断都会先打印空行再break保证终端状态干净。tests/test_repl.py的test_run_demo_loop_exits_on_eoftests/test_repl.py专门验证了 EOF 时循环能干净退出且不会触发任何模型调用空白输入被跳过空行或纯空白行直接continue不会进入对话历史也不会消耗模型调用。对应测试为test_run_demo_loop_skips_empty_inputtests/test_repl.py。源码结构速览run_demo_loop的实现集中在单个文件 src/agents/repl.py整个文件只暴露这一个公开函数。它依赖的底层能力包括src/agents/run.py 中的Runner.run/Runner.run_streamed负责实际的模型调用与工具执行循环src/agents/run_config.py 中的DEFAULT_MAX_TURNS 10作为默认轮数上限src/agents/result.py 中的RunResultBaselast_agent、final_output、to_input_list等src/agents/stream_events.py 中的RawResponsesStreamEvent、RunItemStreamEvent、AgentUpdatedStreamEvent等事件类型定义了流式模式下可观察的各类事件。完整的 API 文档页面见 docs/ref/repl.md其中通过::: agents.repl指令自动生成run_demo_loop的签名与 docstring 文档。docstring 中对各参数的含义也有精确定义见 src/agents/repl.pymax_turns传None可以禁用轮数上限。典型使用场景小结提示词调试快速验证系统提示词instructions的效果无需搭建 UI工具与交接验证观察[tool called]、[tool output: ...]、[Agent updated: ...]输出确认工具调用链与多智能体交接是否按预期执行上下文注入测试通过context参数向智能体运行传入自定义上下文验证上下文对行为的影响教学与演示作为最小可运行的交互示例向团队成员或读者直观展示智能体的多轮对话能力。一句话总结run_demo_loop把创建智能体 → 交互测试 → 观察内部执行过程压缩成了一段极简代码是 openai-agents-python 项目中进行快速原型验证和调试的最佳入口之一。【免费下载链接】openai-agents-pythonA lightweight, powerful framework for multi-agent workflows项目地址: https://gitcode.com/GitHub_Trending/op/openai-agents-python创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考