Інтеграція OpenAI Agents SDK для побудови агентів

Проектуємо та впроваджуємо системи штучного інтелекту: від прототипу до production-ready рішення. Наша команда поєднує експертизу в машинному навчанні, дата-інжинірингу та MLOps, щоб AI працював не в лабораторії, а в реальному бізнесі.
Показано 1 з 1Усі 1566 послуг
Інтеграція OpenAI Agents SDK для побудови агентів
Середній
від 1 тижня до 3 місяців
Часті запитання

Напрямки AI-розробки

Етапи розробки AI-рішення

Останні роботи

  • image_website-b2b-advance_0.webp
    Розробка сайту компанії B2B ADVANCE
    1284
  • image_web-applications_feedme_466_0.webp
    Розробка веб-додатків для компанії FEEDME
    1196
  • image_websites_belfingroup_462_0.webp
    Розробка веб-сайту для компанії БЕЛФІНГРУП
    901
  • image_ecommerce_furnoro_435_0.webp
    Розробка інтернет магазину для компанії FURNORO
    1119
  • image_logo-advance_0.webp
    Розробка логотипу компанії B2B Advance
    586
  • image_crm_enviok_479_0.webp
    Розробка веб-додатків для компанії Enviok
    853

Інтеграція OpenAI Agents SDK

OpenAI Agents SDK — офіційний Python SDK для побудови агентів на основі моделей OpenAI. Надає абстракції над Assistants API та Responses API: Agent (обгортка над моделлю з інструментами), Runner (виконання агента), Handoffs (делегування між агентами), Guardrails (перевірки), tracing. SDK замінює прямі виклики Assistants API більш типізованим та тестованим інтерфейсом.

Базовий агент

# pip install openai-agents
import asyncio
from openai import AsyncOpenAI
from agents import Agent, Runner, function_tool, RunConfig

client = AsyncOpenAI()

# Інструменти через декоратор
@function_tool
def get_weather(city: str, unit: str = "celsius") -> str:
    """Отримати поточну погоду в місті."""
    data = weather_api.get(city=city, unit=unit)
    return f"Погода в {city}: {data['temp']}°, {data['description']}"

# Створити агента
assistant = Agent(
    name="Corporate Assistant",
    instructions="Ти — корпоративний ассистент. Допомагай сотрудникам з мітингами та завданнями.",
    model="gpt-4o",
    tools=[get_weather],
)

# Запуск
async def main():
    result = await Runner.run(
        assistant,
        input="Запланюй мітинг команди на завтра о 14:00",
    )
    print(result.final_output)

asyncio.run(main())

Handoffs: Делегування між спеціалізованими агентами

from agents import Agent, handoff, Runner

# Спеціалізовані агенти для різних доменів
triage_agent = Agent(
    name="Triage",
    instructions="Класифікуй запит та делегуй відповідному агенту.",
    model="gpt-4o-mini",
)

billing_agent = Agent(
    name="Billing Support",
    instructions="Допомагай з питаннями щодо виставлення рахунків, платежів, підписок.",
    model="gpt-4o",
    tools=[get_invoice, process_refund, update_payment_method],
)

tech_agent = Agent(
    name="Technical Support",
    instructions="Розв'язуй технічні проблеми: API, інтеграції, помилки.",
    model="gpt-4o",
    tools=[check_api_status, get_error_logs, create_bug_report],
)

# Налаштування handoffs для triage
triage_agent.handoffs = [
    handoff(billing_agent, tool_name_override="transfer_to_billing"),
    handoff(tech_agent, tool_name_override="transfer_to_technical"),
]

# Triage автоматично делегує відповідному агенту
result = await Runner.run(
    triage_agent,
    input="Мене списали два рази в минулому місяці",
)

Часові рамки

  • Базовий агент із інструментами: 2–4 дні
  • Handoff-архітектура з 3–5 агентами: 1–2 тижні
  • Guardrails та security checks: 3–5 днів
  • Tracing та мониторинг: 3–5 днів
  • Production-деплой: 1 тиждень