Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Agents SDK: Installation und Ihr erster Agent

Lektion 4 von 25 Aktualisiert am 29. Juli 2026 Entwickler
Auf dieser Seite
  1. Agents SDK: Installation und Ihr erster Agent
  2. Voraussetzungen
  3. Installation
  4. Ihr erster Agent
  5. Asynchrone Ausführung
  6. Streaming-Ausführung
  7. Projektstruktur für Agenten
  8. Kernaussagen

Agents SDK: Installation und Ihr erster Agent

Lassen Sie uns programmieren. Sie installieren das offizielle Agents SDK von OpenAI, erstellen einen funktionierenden Python-Agenten und erkunden die drei Ausführungsmodi, die Sie in diesem Kurs verwenden werden.

Voraussetzungen

Sie benötigen lediglich drei Dinge: Python 3.10+ auf Ihrem Gerät installiert, ein OpenAI-Konto mit einem aktiven API-Schlüssel und einen Code-Editor. Wir empfehlen VS Code, aber jeder Editor mit Python-Syntax-Hervorhebung funktioniert.

Installation

Das Paket heißt openai-agents. Achten Sie darauf: Die Installation von openai allein liefert den klassischen API-Client, nicht das Agents SDK.

pip install openai-agents

Dieses Paket installiert automatisch die erforderlichen Abhängigkeiten, einschließlich des OpenAI Python SDK. Als Nächstes setzen Sie Ihren API-Schlüssel als Umgebungsvariable. Das SDK liest ihn automatisch aus, sodass keine zusätzliche Konfiguration erforderlich ist.

export OPENAI_API_KEY="sk-proj-ihre-api-schlüssel"

Dieser Befehl verschwindet, wenn Sie das Terminal schließen, und Sie möchten Ihren Schlüssel auf keinen Fall hartcodiert in Ihren Quellcode einfügen. Für eine ordnungsgemäße Projektstruktur verwenden Sie eine .env-Datei mit python-dotenv und fügen Sie diese Datei vor Ihrem ersten Commit zu Ihrem .gitignore hinzu.

pip install python-dotenv
# .env
OPENAI_API_KEY=sk-proj-ihre-api-schlüssel

Ihr erster Agent

Erstellen Sie eine Datei namens my_first_agent.py:

from agents import Agent, Runner

agent = Agent(
    name="Assistant",
    instructions="Sie sind ein hilfreicher Assistent. Antworten Sie auf Englisch und knapp.",
    model="gpt-5.6-terra",
)

result = Runner.run_sync(agent, "Erklären Sie, was ein KI-Agent ist, in drei Sätzen.")
print(result.final_output)

Führen Sie ihn aus:

python my_first_agent.py

Sie haben gerade Ihren ersten Agent erstellt und ausgeführt. Er ist einfach – ohne Tools, ohne Sicherheitsvorkehrungen – bildet aber das Fundament für alles Weitere. Der Rest dieses Kurses baut lediglich auf diesen beiden Objekten auf: Agent und Runner.

Asynchrone Ausführung

run_sync blockiert den aktuellen Thread, bis die Antwort eingeht. Das ist für ein Testskript in Ordnung, aber für einen Webserver, der Hunderte gleichzeitiger Anfragen verarbeitet, inakzeptabel. In der Produktion verwenden Sie das asynchrone Modus.

import asyncio
from agents import Agent, Runner

agent = Agent(
    name="Async Assistant",
    instructions="Sie sind ein hilfreicher Assistent. Antworten Sie auf Englisch.",
    model="gpt-5.6-terra",
)

async def main():
    result = await Runner.run(agent, "Was sind die Vorteile von Python für KI?")
    print(result.final_output)

asyncio.run(main())

Runner.run() ist die asynchrone Version; Runner.run_sync() ist eine synchrone Hülle, die es für Sie aufruft. Wenn Sie FastAPI oder ein anderes asynchrones Framework verwenden, nutzen Sie immer Runner.run().

Streaming-Ausführung

Es gibt einen dritten Modus, der unerlässlich ist, sobald ein Mensch auf dem Bildschirm wartet. Beim Streaming wird die Antwort während der Generierung, Token für Token, angezeigt.

import asyncio
from agents import Agent, Runner

agent = Agent(
    name="Streaming Assistant",
    instructions="Sie sind ein hilfreicher Assistent. Antworten Sie auf Englisch.",
    model="gpt-5.6-terra",
)

async def main():
    result = Runner.run_streamed(agent, "Erzählen Sie eine kurze Geschichte über KI.")
    async for event in result.stream_events():
        if event.type == "raw_response_event":
            if hasattr(event.data, "delta") and event.data.delta:
                print(event.data.delta, end="", flush=True)
    print()  # Neue Zeile am Ende

asyncio.run(main())

Der async for-Loop konsumiert einen Strom von Ereignissen. Hier filtern wir nach rohen Modellantwort-Ereignissen und drucken nur die Textfragmente aus. Streaming ist entscheidend für das Benutzererlebnis: Niemand möchte zehn Sekunden lang auf einen leeren Bildschirm starren.

Projektstruktur für Agenten

Ein produktionsreifer Agent passt nicht in eine einzelne Datei. Trennen Sie von Anfang an Ihre Agentendefinitionen, Tools und Tests, oder wird Ihre main.py schnell unlesbar.

my-agent-project/
├── .env                 # API-Schlüssel
├── requirements.txt     # Abhängigkeiten
├── agents/
│   ├── __init__.py
│   ├── assistant.py     # Agentendefinition
│   └── tools.py         # Tool-Definitionen
├── main.py              # Einstiegspunkt
└── tests/
    └── test_agent.py    # Tests
# requirements.txt
openai-agents>=0.1.0
python-dotenv>=1.0.0

Kernaussagen

  • Installieren Sie das SDK mit pip install openai-agents
  • Setzen Sie OPENAI_API_KEY als Umgebungsvariable
  • Verwenden Sie Runner.run_sync() für die Entwicklung und Runner.run() für asynchrone Produktion
  • Verwenden Sie Runner.run_streamed() für Echtzeit-Streaming
  • Strukturieren Sie Ihr Projekt mit separaten Ordnern für Agenten, Tools und Tests