Agents SDK: Instalacja i Twój pierwszy agent
Na tej stronie
Agents SDK: Instalacja i Twój pierwszy agent
Przystąpmy do kodowania. Zainstalujesz oficjalny Agents SDK od OpenAI, zbudujesz działającego agenta w Pythonie i poznasz trzy tryby wykonywania, z których będziesz korzystać przez cały ten kurs.
Wymagania wstępne
Potrzebujesz tylko trzech rzeczy: zainstalowanego na komputerze Pythona 3.10+, konta OpenAI z aktywnym kluczem API oraz edytora kodu. Rekomendujemy VS Code, ale każdy edytor z podświetlaniem składni Pythona również się sprawdzi.
Instalacja
Pakiet nazywa się openai-agents. Uważaj: zainstalowanie samego openai da Ci klasycznego klienta API, a nie Agents SDK.
pip install openai-agents
Ten pakiet automatycznie instaluje wymagane zależności, w tym Python SDK od OpenAI. Następnie ustaw swój klucz API jako zmienną środowiskową. SDK odczyta go automatycznie, więc nie jest potrzebna żadna dodatkowa konfiguracja.
export OPENAI_API_KEY="sk-proj-your-api-key"
To polecenie przestanie działać po zamknięciu terminala, a Ty z pewnością nie chcesz hardkodować swojego klucza w plikach źródłowych. Dla prawidłowej konfiguracji projektu użyj pliku .env wraz z biblioteką python-dotenv i dodaj ten plik do .gitignore przed pierwszym commitem.
pip install python-dotenv
# .env
OPENAI_API_KEY=sk-proj-your-api-key
Twój pierwszy agent
Utwórz plik o nazwie my_first_agent.py:
from agents import Agent, Runner
agent = Agent(
name="Assistant",
instructions="You are a helpful assistant. Respond in English concisely.",
model="gpt-5.6-terra",
)
result = Runner.run_sync(agent, "Explain what an AI agent is in three sentences.")
print(result.final_output)
Uruchom go:
python my_first_agent.py
Właśnie stworzyłeś i uruchomiłeś swojego pierwszego agenta. To proste – bez narzędzi, bez zabezpieczeń (guardrails) – ale stanowi fundament dla wszystkiego innego. Reszta tego kursu to jedynie rozbudowa tych dwóch obiektów: Agent i Runner.
Wykonywanie asynchroniczne
run_sync blokuje bieżący wątek do momentu nadejścia odpowiedzi. To wystarczy do skryptu testowego, ale jest nie do przyjęcia w serwerze WWW obsługującym setki równoczesnych żądań. W środowisku produkcyjnym użyjesz trybu asynchronicznego.
import asyncio
from agents import Agent, Runner
agent = Agent(
name="Async Assistant",
instructions="You are a helpful assistant. Respond in English.",
model="gpt-5.6-terra",
)
async def main():
result = await Runner.run(agent, "What are the advantages of Python for AI?")
print(result.final_output)
asyncio.run(main())
Runner.run() to wersja asynchroniczna; Runner.run_sync() to synchroniczny wrapper, który wywołuje ją za Ciebie. Korzystając z FastAPI lub dowolnego innego frameworka asynchronicznego, zawsze używaj Runner.run().
Wykonywanie strumieniowe
Istnieje trzeci tryb, niezbędny zawsze, gdy użytkownik czeka przed ekranem. Strumieniowanie wyświetla odpowiedź w miarę jej generowania, token po tokenie.
import asyncio
from agents import Agent, Runner
agent = Agent(
name="Streaming Assistant",
instructions="You are a helpful assistant. Respond in English.",
model="gpt-5.6-terra",
)
async def main():
result = Runner.run_streamed(agent, "Tell a short story about AI.")
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() # New line at the end
asyncio.run(main())
Pętla async for konsumuje strumień zdarzeń. Tutaj filtrujemy surowe zdarzenia odpowiedzi modelu i drukujemy tylko fragmenty tekstu. Strumieniowanie jest kluczowe dla doświadczenia użytkownika: nikt nie chce wpatrywać się w pusty ekran przez 10 sekund.
Struktura projektu agenta
Agent produkcyjny nie zmieści się w jednym pliku. Od samego początku rozdziel definicje agentów, narzędzia i testy, inaczej Twój main.py szybko stanie się nieczytelny.
my-agent-project/
├── .env # API key
├── requirements.txt # Dependencies
├── agents/
│ ├── __init__.py
│ ├── assistant.py # Agent definition
│ └── tools.py # Tool definitions
├── main.py # Entry point
└── tests/
└── test_agent.py # Tests
# requirements.txt
openai-agents>=0.1.0
python-dotenv>=1.0.0
Kluczowe wnioski
- Zainstaluj SDK poleceniem
pip install openai-agents - Ustaw
OPENAI_API_KEYjako zmienną środowiskową - Używaj
Runner.run_sync()do rozwoju iRunner.run()do asynchronicznej produkcji - Używaj
Runner.run_streamed()do strumieniowania w czasie rzeczywistym - Strukturyzuj projekt, tworząc osobne foldery dla agentów, narzędzi i testów