Przejdź do głównej treści
Polski— Wybierz język
Menu

Agents SDK: Instalacja i Twój pierwszy agent

Lekcja 4 z 25 Zaktualizowano 29 lipca 2026 Programista
Na tej stronie
  1. Agents SDK: Instalacja i Twój pierwszy agent
  2. Wymagania wstępne
  3. Instalacja
  4. Twój pierwszy agent
  5. Wykonywanie asynchroniczne
  6. Wykonywanie strumieniowe
  7. Struktura projektu agenta
  8. Kluczowe wnioski

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_KEY jako zmienną środowiskową
  • Używaj Runner.run_sync() do rozwoju i Runner.run() do asynchronicznej produkcji
  • Używaj Runner.run_streamed() do strumieniowania w czasie rzeczywistym
  • Strukturyzuj projekt, tworząc osobne foldery dla agentów, narzędzi i testów