OpenAI Agents SDK
PulseAugur coverage of OpenAI Agents SDK — every cluster mentioning OpenAI Agents SDK across labs, papers, and developer communities, ranked by signal.
- 2026-08-11 product_launch OpenAI Agents SDK version 0.20.0 was released, updating the default model and introducing new features. 来源
8 天有情绪数据
-
OpenAI Agents SDK 配置为自定义 API
一位开发者详细介绍了如何将 OpenAI Agents SDK 配置为与自定义 OpenAI 兼容 API 配合使用，解决了诸如 API 端点不正确和跟踪功能禁用等常见问题。该指南解释说，SDK 默认使用“responses”API 并尝试将跟踪发送到 OpenAI，这在连接到仅聊天网关时可能导致错误。解决方案包括禁用跟踪，并通过各种方法（包括直接客户端配置或使用 OpenAIProvider）显式将 API 设置为使用“chat_c…
-
AI代理通常保留来自文档服务器的引用，基准测试发现
开发了一个新的基准测试，用于评估AI代理在从外部文档服务器检索信息时是否正确引用其来源。该基准测试测试当AI代理（如Claude或ChatGPT）处理由模型上下文协议（MCP）服务器提供的文档块时，引用如何得以保留。研究发现，代理，特别是那些使用LangGraph和OpenAI Agents SDK构建的代理，通常会保留引用，这与最初认为引用会丢失的假设相反。
-
调查发现：AI代理框架缺乏内置支出控制
对12个流行AI代理框架的最新调查显示，没有一个框架提供内置的、基于货币的工具调用支出上限。虽然大多数框架允许设置步骤限制或在执行前进行人工审批，但它们缺乏跟踪或限制货币支出的能力。作者建议，必须通过支付API或一个在交易发生前管理预算和策略的专用控制层来在外部实施支出安全护栏。
-
AI支付服务器缺乏支出控制，存在代理过度消费风险 · 追踪到 2 个来源
对 49 个支付相关的多方计算 (MCP) 服务器进行的最新普查显示，虽然其中 37 个可以处理金融交易，但在其记录的支出控制方面存在显著差距。只有四个服务器明确记录了可配置的支出预算，而提供类似人工审批步骤或速度限制功能的服务器则更少。这种缺乏强大、服务器端支出控制的情况，对于构建 AI 代理的开发者来说是一个关键问题，因为基于提示的限制很容易被规避，因此需要在支付层面上进行这些控制。
-
agentevals 转向 OpenTelemetry 以进行 AI 评估数据
agentevals 开源项目已发布 0.10.0 版本，将其评估的摄取和输出转为使用 OpenTelemetry (OTel) 标准。此次更新用 OTLP（OpenTelemetry 协议）取代了其先前的基于 WebSocket 的摄取，用于接收评估数据，并将评分作为 OTel 日志事件发出。此集成使 agentevals 能够更无缝地融入现有的可观测性堆栈，从而可以直接将评估结果导出到跟踪后端或 OTel 收集器。
-
开发者将 OpenAI SDK 和 LangChain 集成到 Mastodon 中以参加 AI 挑战赛
一位开发者将 OpenAI Agents SDK 和 LangChain 集成到其 Mastodon 实例中，实施了反机器人措施，并处理了约 800 个请求。这项工作是 Hacktoberfest 开源 AI 挑战赛的一部分，特别是“Touch Grass”周，突显了在开源 AI 开发和社区参与方面的努力。
-
AI 代理可以使用 JANCTION Render 进行 Blender，但需要更长的超时时间
一篇技术指南解释了如何将 JANCTION Render 云 GPU 服务与 Blender 集成到 OpenAI Agents SDK 和 LangChain 等 AI 代理框架中。主要挑战在于 OpenAI Agents SDK 中默认的 5 秒超时时间，这会中断较长的渲染任务。文章提供了 Python、OpenAI Agents SDK 和 LangChain 的代码示例，演示了如何增加此超时时间以适应渲染时间，对于复杂场景，渲…
-
Pexafy 发布 AI 代理查找真实图库照片的工具
Pexafy 推出了一个新工具，允许 AI 代理从各种图库中搜索和检索真实照片。该工具与 LangChain 和 Vercel AI SDK 等流行的 AI 框架集成，使代理能够根据描述性提示查找图像。检索到的每张照片都包含许可信息和正确的署名所需的信用额度。
-
新测试显示，AI代理可以口头拒绝操作，但通过工具执行
一篇博文强调了AI代理评估中的一个关键缺陷：代理可以口头拒绝一项操作，但同时通过工具调用来执行它。作者提出了一种测试方法，该方法记录所有工具交互，从而允许测试断言代理的文本响应及其实际的工具使用情况。这种方法对于处理退款等敏感操作至关重要，可确保代理的拒绝不仅体现在言语上，也体现在行动上。该博文还强调了多轮测试的重要性，以模拟现实世界中用户的坚持和潜在的操纵企图。
-
AI代理缺乏按次调用预算检查，存在成本风险
文章讨论了当前AI代理在预算检查方面的局限性，特别是在OpenAI的Agents SDK及类似框架中。文章指出，虽然OpenAI有月度支出限额，但并未按每次调用强制执行，这可能导致代理随意产生巨额费用。作者指出了四种潜在的预算检查位置：调用前预留、调用后账本、重试预算和子代理信封，并指出当前的协议在这些方面往往缺乏强有力的实施。文章强调，许多提供商的“支出限额”并非即时生效，需要手动干预，从而在调用和执行之间产生了差距。
-
LLM代理框架在父子交接中显示审计日志存在漏洞
对五个LLM代理框架的技术分析显示，在父子代理交接过程中审计日志的维护方式存在不一致。虽然哈希链式审计日志通常能保留子代理的工具调用，但在LangGraph和CrewAI等一些框架中，父代理对这些调用的视图会中断。作者使用Python和模拟模型测试了这些框架，并指出审计日志的完整性在框架的不同版本中都得到了保持。
-
Agent Harness、Framework 和 MCP：理解 AI Agent 的架构层级
本文区分了 AI Agent 架构中的三个不同层级：Agent Harness、Agent Framework 和模型上下文协议 (MCP)。Agent Harness，例如 OpenAI 的 Codex 和 Anthropic 的 Claude Code 中的 Harness，是负责管理整个 Agent 执行循环、状态、工具使用和权限的特定系统。Agent Framework，例如 LangGraph 和 OpenAI Agents…
-
AI代理框架缺乏关键审计字段以提供证据，研究发现
对六个流行AI代理框架的最新审计显示，其在用于取证的日志记录能力方面存在重大缺陷。研究人员于2026年9月4日发现，中位数框架仅记录了十二个强制审计字段中的五个，没有一个框架实现了类似哈希链的防篡改字段。这种强大的日志记录缺失意味着当前主要为调试设计的代理跟踪无法可靠地证明AI代理已执行的操作，从而引发了对问责制和信任的担忧。
-
FreshCtx 0.11.0 为 AI 代理添加了可验证的操作记录
FreshCtx 0.11.0 已发布，它引入了一种方法，使 AI 代理能够创建其有影响力的操作的可验证记录。新版本侧重于建立证据到操作的跟踪链，允许开发人员跟踪代理操作背后的推理、验证和策略决策。此次发布还包括有界证据证明，使应用程序能够为这些记录生成有时限的完整性收据，以检测篡改。
-
LangGraph、OpenAI和Claude Agent SDK在AI Agent开发方面的比较
本文比较了三个领先的Agent框架：LangGraph、OpenAI Agents SDK和Claude Agent SDK。文章分析了它们在管理Agent循环和用不同核心基元解决相似问题方面的独特方法。比较旨在确定哪个框架为构建AI Agent的开发者提供了最佳解决方案。
-
AWS Bedrock AgentCore Evaluations 使用 OpenTelemetry 进行框架无关的 AI 代理评估
Amazon Bedrock AgentCore Evaluations 提供了一种评估 AI 代理框架的新方法，通过将评估与特定框架选择分离。它利用 OpenTelemetry（一种供应商中立的检测标准）来收集遥测数据，如模型调用、工具使用和检索操作。这使得跨不同框架（如 LangGraph、LlamaIndex 和 OpenAI Agents SDK）进行一致的评估成为可能，前提是它们发出正确的 OpenTelemetry 跨度和…
-
OpenAI Agents SDK 0.20.0 将默认模型更新为 GPT 5.6 Luna
OpenAI Agents SDK 已更新至 0.20.0 版本，该版本将默认模型隐式更改为 GPT 5.6 Luna。此次更新会影响依赖先前隐式默认模型的应用程序，在无需代码更改的情况下改变其运行时行为。此次发布还包括对 MCP v2 的迁移支持，以及对 RunState.add_input() 的增强，以便在模型调用前持久化输入，并加强了工具批准与调用身份的绑定。
-
AI代理的总结功能会悄无声息地丢失规则，增加策略违规行为
一项名为 ConstraintRot 的新基准测试（在论文 Governance Decay 中详述）显示，AI代理的总结技术会悄无声息地丢失关键规则，导致策略违规行为增加。当规则完全可见时，代理能够 100% 拒绝违禁操作。然而，经过一次总结后，DeepSeek-V4-Flash 的违规率为 59%，GPT-5.4-mini 的违规率为 41%。这个问题之所以出现，是因为代理框架必须压缩上下文以保持在模型限制范围内，但总结过程会优先…
-
控制代理轮次，而非模型，以削减LLM成本
多代理AI系统中一个常见的问题是代理倾向于陷入对话循环或过度交接任务，这会导致API成本过高和工作流程中断。作者认为，与其在Claude和GPT等模型之间切换，主要的解决方案在于控制代理的轮次数量。像OpenAI Agents SDK和LangGraph这样的框架提供了内置机制来限制这些轮次，这表明问题通常在于控制和图逻辑，而不是模型本身的智能。
-
Scrapeless 服务器为 OpenAI Agents SDK 提供实时网络访问
Scrapeless 推出了一个新服务器，为 OpenAI Agents SDK 的 Agents 提供实时网络访问。此次集成使 Agents 能够利用一套 21 种工具，包括网页抓取、Google 搜索和浏览器控制功能，所有这些都可通过单个 API 密钥访问。该系统通过将 Scrapeless MCP 服务器视为直接连接来运行，使 Agents 能够发现和调用工具，而无需为大多数操作单独提供模型提供商密钥。仅当 Agent 需要解释…