OpenAI Agents Python 项目：如何自定义工具化代理的最大运行轮次

在 OpenAI Agents Python 项目中，开发者经常需要将智能代理(Agent)转换为可调用的工具(Tool)。这种转换通过as_tool方法实现，但默认情况下存在一个限制：代理运行时最多只能执行10轮交互(DEFAULT_MAX_TURNS)。本文将深入探讨这一限制的解决方案。

默认行为的问题

当使用标准方法将代理转换为工具时，系统会调用Runner.run方法执行代理。然而，这个方法内部默认设置了10轮的最大交互次数限制。对于某些复杂任务，特别是需要多轮思考或复杂决策的场景，这个默认值可能不够用，导致代理在完成任务前就被强制终止。

解决方案的实现

项目维护者提供了两种解决思路：

1. 官方推荐方案：通过自定义工具化代理的方式，开发者可以完全控制代理的运行参数。这种方法虽然需要更多代码，但提供了最大的灵活性。

2. 参数扩展方案：另一种思路是修改as_tool方法，增加max_turns参数。这种方法更直接，但需要修改库代码，可能不适合所有场景。

实践示例

以下是一个完整的自定义工具化代理实现示例：

def agent_as_tool(
    agent: Agent,
    tool_name: str | None,
    tool_description: str | None,
    custom_output_extractor: Callable[[RunResult], Awaitable[str]] | None = None,
    max_turns: int = 10,
) -> Tool:
    """
    将Agent转换为Tool，可完全控制运行参数
    """
    
    @function_tool(
        name_override=tool_name,
        description_override=tool_description,
    )
    async def run_agent(context: RunContextWrapper, input: str) -> str:
        result = await Runner.run(
            starting_agent=agent,
            input=input,
            context=context.context,
            max_turns=max_turns,
            run_config=RunConfig(input_guardrails=[], output_guardrails=[]),
        )

        if custom_output_extractor:
            return await custom_output_extractor(result)

        return ItemHelpers.text_message_outputs(result.new_items)

    return run_agent

这个实现允许开发者：

• 自定义工具名称和描述
• 设置最大运行轮次
• 添加自定义输出处理逻辑
• 配置输入输出防护机制

最佳实践建议

1. 合理设置max_turns：根据任务复杂度调整该值，太大会浪费资源，太小可能无法完成任务。

2. 监控代理运行：对于长时间运行的代理，建议添加监控机制，避免无限循环或资源浪费。

3. 性能考量：增加最大轮次会影响响应时间和计算资源使用，需要进行权衡。

通过这种自定义工具化代理的方法，开发者可以更灵活地控制代理行为，适应各种复杂场景的需求。