OpenAI Agents Python 项目中流式输出时的 CompletionUsage 对象属性缺失问题解析
问题背景
在使用 OpenAI Agents Python 库进行流式输出处理时,开发者可能会遇到一个关于 CompletionUsage 对象属性缺失的异常。具体表现为当尝试通过 chat_completions API 进行流式输出时,系统抛出 'CompletionUsage' object has no attribute 'input_tokens'
的错误。
问题现象
当开发者使用以下典型代码进行流式输出处理时:
result = Runner.run_streamed(triage_agent, "问题内容")
async for event in result.stream_events():
if event.type == "raw_response_event" and isinstance(event.data, ResponseTextDeltaEvent):
print(event.data.delta, end="", flush=True)
系统会抛出 AttributeError 异常,指出 CompletionUsage 对象缺少 input_tokens 属性。这个问题在使用 Azure GPT-4o-mini 模型(API 版本 2024-08-01-preview)时尤为常见。
技术分析
根本原因
该问题的根源在于 OpenAI Agents Python 库内部对 API 响应格式的预期与实际返回格式不一致。具体来说:
- 库代码期望从 API 响应中获取的 usage 对象包含 input_tokens 和 output_tokens 属性
- 但实际返回的 CompletionUsage 对象使用的是 prompt_tokens 而非 input_tokens 的命名约定
- 这种命名差异导致了属性访问失败
影响范围
此问题主要影响以下使用场景:
- 使用 chat_completions API 进行流式输出处理
- 使用非标准 OpenAI 终结点(如 Azure OpenAI 服务)
- 使用某些第三方 LLM 提供商的服务
解决方案
官方推荐方案
OpenAI Agents Python 库在 v0.0.4 版本中已修复此问题。推荐开发者升级到最新版本:
pip install --upgrade openai-agents
临时解决方案
对于无法立即升级的情况,可以采取以下临时措施:
-
修改本地库文件(不推荐长期使用): 找到 CompletionUsage 类定义(通常在 .../openai/types/completion_usage.py),将 prompt_tokens 替换为 input_tokens 和 output_tokens
-
禁用追踪功能: 在代码中添加以下设置可以规避此问题:
set_tracing_disabled(disabled=True)
最佳实践建议
- 始终使用最新稳定版本的库
- 对于生产环境,建议明确指定 API 版本而非使用预览版
- 处理流式输出时,添加适当的错误处理逻辑
- 如果使用第三方 LLM 服务,确保其 API 响应格式与预期一致
总结
OpenAI Agents Python 库中的这个流式输出处理问题展示了 API 响应格式标准化的重要性。随着库版本的更新,这类问题通常会得到修复。开发者应当关注官方更新日志,并及时升级以获得最佳体验和稳定性。对于关键业务场景,建议在升级前进行充分的测试验证。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









