AI Agent 是一个由模型提出下一步动作、由程序执行并反馈结果的循环。关键不是让模型拥有权限,而是把可用工具、参数校验、状态和停止条件写成代码契约。
核心概念
把一次运行拆成输入、计划、工具调用、观察、下一步和结束六个阶段。模型只能输出候选动作,服务端负责校验权限、参数范围和幂等键;状态用事件列表保存,便于重放和审计。
可运行示例
from dataclasses import dataclass
@dataclass
class ToolCall:
name: str
args: dict
ALLOWED_TOOLS = {'lookup_ticket'}
def validate(call: ToolCall) -> None:
if call.name not in ALLOWED_TOOLS:
raise ValueError('tool is not allowed')
if set(call.args) != {'ticket_id'}:
raise ValueError('invalid arguments')
if not str(call.args['ticket_id']).startswith('T-'):
raise ValueError('invalid ticket id')
操作步骤
- 先画出状态转移图,列出可以自动执行和必须人工确认的节点。
- 为每个工具定义 JSON 输入、返回值、超时和错误类型,并在服务端做第二次校验。
- 设置最大步骤数和总耗时,达到上限时返回可解释的暂停状态。
- 记录模型版本、工具名、参数摘要和结果状态,禁止记录令牌或完整客户正文。
适用场景
适合工单分类、资料查询、代码审查等可拆分任务;不适合直接代替付款、权限授予或不可逆生产操作。
常见问题
如何避免循环? 同时设置步骤数、时间和重复动作检测。
模型能直接写数据库吗? 不应直接写;通过受限服务函数和幂等键执行。
失败怎么恢复? 把运行状态标为 paused,保留事件并提供人工接管入口。
官方参考
OpenAI Agents 指南;OpenAI Agents SDK。
最后核对日期:2026-11-16。版本、接口和安全边界以链接的官方资料为准;本文不虚构性能或费用结论。
