20行Python打造AI智能体：OpenAI Agents实战

AI 聊天机器人已经司空见惯，但真正的智能体（Agent）能自主调用工具、完成实际任务。一个 YouTube 短视频展示了如何用大约 20 行 Python 代码构建一个可工作的 AI 智能体，它能够抓取网页并总结内容。这背后的核心是 OpenAI Agents 库，让开发者用极少的代码就能实现工具调用与任务执行。

从聊天到行动：智能体的本质

传统聊天模式中，AI 只是被动回应；而智能体被赋予目标和工具，能主动决策并执行。视频中的例子非常直观：你告诉智能体“总结 Hacker News 头条新闻”，它会自行决定调用网页抓取工具，读取页面内容，然后生成摘要。整个过程无需人工干预，体现了智能体的自主性。

这种范式转变意味着 AI 从“对话者”变成了“执行者”。开发者可以将其接入日历、收件箱或电子表格，打造真正的个人助理。

智能体（Agent）与工具调用（Tool Calling）

在 LLM 语境下，“智能体”通常指一个以大型语言模型为决策核心、能够循环执行“观察—思考—行动”的系统。与传统单轮问答不同，智能体维护一个目标，并根据环境反馈决定下一步动作。其关键技术是工具调用（也称函数调用，Function Calling）：开发者用 JSON Schema 描述可用函数（名称、参数、说明），模型在推理时若判断需要外部能力，会输出结构化的调用请求，由运行时执行该函数并把结果回传给模型，模型再继续推理直至任务完成。这一机制把模型的语言能力与外部世界（网络、数据库、API）连接起来，使“总结网页”这类任务从单纯生成变为真实执行。工具描述的质量、参数约束的清晰度，直接影响模型能否正确选择和调用工具。

三步构建你的第一个智能体

第一步：安装与配置

首先需要安装 OpenAI Agents 库并设置 API 密钥。这是所有后续操作的基础。视频中通过简单的 pip 命令完成安装，并提醒配置环境变量。

Step 1. PIP install OpenAI agents and set your OpenAI API key.

第二步：为智能体提供工具

智能体的能力扩展依赖于工具（Tool）。视频中定义了一个函数来抓取网页，并使用装饰器将其标记为可调用工具。这样模型就能在需要时自动调用该函数。

Step 2. Give it a tool. This function fetches a web page and the decorator lets the model call it.

工具的定义非常灵活，你可以换成任何自定义函数，比如查询数据库、发送邮件或操作日历。

第三步：创建智能体并运行任务

最后，创建智能体实例，指定指令（instructions）和可用工具，然后通过 runner.runsync 传入任务。智能体会自动规划步骤、调用工具并返回结果。

Step 3. Create the agent with instructions and that tool. Then call runner.runsync with a task,

视频中的任务示例是“总结 Hacker News 头条新闻”，智能体成功抓取页面并生成摘要。

like summarize the top story on Hacker News. The agent decides to call your tool,

Runner 与同步执行

OpenAI Agents 库中的 Runner 负责驱动智能体的执行循环：它把用户任务和智能体配置（指令、工具、模型）一起交给模型，解析模型返回的工具调用请求，执行对应函数，再将结果喂回模型，如此反复直到模型给出最终答案。runner.runsync 是该库提供的同步运行入口，适合脚本和入门示例；实际生产环境通常使用异步版本（如 run 配合 await），以避免阻塞并支持并发。指令（instructions）相当于智能体的系统提示，界定角色、行为边界和输出风格；工具列表则决定它“能做什么”。理解 Runner 的循环本质，有助于排查智能体反复调用工具、提前终止或陷入死循环等常见问题。

工具调用的魔力与扩展场景

工具调用是智能体的核心机制。通过装饰器，普通的 Python 函数被暴露给模型，模型根据任务需求决定是否调用以及如何调用。这种设计让智能体能够与外部世界交互，而不仅限于语言生成。

视频提到，你可以将工具替换为日历、收件箱或电子表格，从而构建个性化的助理。例如，一个读取收件箱并自动分类邮件的智能体，或者一个根据日程安排会议的智能体。工具的质量直接决定了智能体的实用性。

装饰器与工具注册

Python 装饰器是一种在不修改函数主体的情况下为其附加额外行为的语法（形如 @something 置于函数定义之上）。在 Agents 库中，装饰器（如 @function_tool）的作用是读取函数的名称、类型注解和文档字符串，自动生成模型可理解的工具描述与参数 Schema，并把该函数注册进智能体的工具集合。因此，写好类型注解和 docstring 并非可有可无——它们就是模型判断“何时调用、如何传参”的依据。这也解释了为什么工具定义“非常灵活”：任何普通 Python 函数，只要加上装饰器并给出清晰签名，就能被模型调用，无需手写复杂的接口协议。

下一步：记忆与持续进化

视频结尾预告了第二部分：为智能体添加记忆（memory）。记忆能让智能体在多次交互中保持上下文，实现更连贯的任务处理。这对于构建长期运行的助理至关重要。

虽然视频没有展开细节，但可以推测记忆机制会涉及存储历史对话或工具调用结果，让智能体在后续任务中参考。这是从简单脚本向真正智能助理迈进的关键一步。

总结

这个短视频展示了 AI 智能体的低门槛实现方式：借助 OpenAI Agents 库，20 行代码就能让 AI 从聊天走向行动。核心在于工具调用机制，它赋予了智能体执行实际任务的能力。随着记忆等功能的加入，个人 AI 助理的想象空间将进一步打开。对于开发者而言，现在正是动手实验的好时机。