流式传输

流式传输允许你在智能体运行期间订阅其更新。这对于向最终用户展示进度更新和部分响应非常有用。

要使用流式传输，可以调用 Runner.run_streamed()，它会返回 RunResultStreaming。调用 result.stream_events() 会得到由 StreamEvent 对象组成的异步流，下文将对其进行说明。

应持续消费 result.stream_events()，直到异步迭代器结束。流式运行只有在迭代器结束后才算完成；会话持久化、审批记录处理或历史记录压缩等后处理操作，可能会在最后一个可见 token 到达后才完成。循环退出时，result.is_complete 会反映运行的最终状态。

原始响应事件

RawResponsesStreamEvent 是直接从 LLM 传递的原始事件。它们采用 OpenAI Responses API格式，这意味着每个事件都有类型（例如 response.created、response.output_text.delta 等）和数据。如果你希望在响应消息生成后立即以流式方式发送给用户，这些事件会非常有用。

计算机工具的原始事件与已存储结果一样，会保留预览版与正式版（GA）之间的区别。预览版流程会流式传输包含单个 action 的 computer_call 项，而 gpt-5.5 可以流式传输包含批量 actions[] 的 computer_call 项。更高层级的 RunItemStreamEvent 接口不会为此添加计算机工具专用的特殊事件名称：两种形式仍然都以 tool_called 呈现，而截图结果则以 tool_output 返回，其中封装了一个 computer_call_output 项。

例如，以下代码会逐 token 输出 LLM 生成的文本。

import asyncio
from openai.types.responses import ResponseTextDeltaEvent
from agents import Agent, Runner

async def main():
    agent = Agent(
        name="Joker",
        instructions="You are a helpful assistant.",
    )

    result = Runner.run_streamed(agent, input="Please tell me 5 jokes.")
    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)


if __name__ == "__main__":
    asyncio.run(main())

流式传输与审批

流式传输兼容因等待工具审批而暂停的运行。如果某个工具需要审批，result.stream_events() 会结束，待处理的审批将通过 RunResultStreaming.interruptions 提供。使用 result.to_state() 将结果转换为 RunState，批准或拒绝中断项，然后通过 Runner.run_streamed(...) 恢复运行。

result = Runner.run_streamed(agent, "Delete temporary files if they are no longer needed.")
async for _event in result.stream_events():
    pass

if result.interruptions:
    state = result.to_state()
    for interruption in result.interruptions:
        state.approve(interruption)
    result = Runner.run_streamed(agent, state)
    async for _event in result.stream_events():
        pass

有关完整的暂停/恢复流程，请参阅人工介入指南。

当前轮次结束后的流式传输取消

如果需要中途停止流式运行，请调用 result.cancel()。默认情况下，这会立即停止运行。若要让当前轮次完整结束后再停止，请改为调用 result.cancel(mode="after_turn")。

流式运行只有在 result.stream_events() 结束后才算完成。在最后一个可见 token 到达后，SDK 可能仍在持久化会话项、完成审批状态处理或压缩历史记录。

如果你要手动基于 result.to_input_list(mode="normalized") 继续运行，并且 cancel(mode="after_turn") 在某个工具轮次后停止，请使用该规范化输入重新运行 result.last_agent，以继续尚未完成的轮次，而不要立即追加新的用户轮次。 - 如果流式运行因等待工具审批而停止，请勿将其视为新的轮次。应完整消费流、检查 result.interruptions，然后从 result.to_state() 恢复运行。 - 使用 RunConfig.session_input_callback 自定义在下一次模型调用前，如何合并检索到的会话历史记录与新的用户输入。如果你在此处重写了新轮次中的项目，该轮次将持久化重写后的版本。

运行项事件与智能体事件

RunItemStreamEvent 是更高层级的事件。它们会在某个项目完全生成后通知你。这样，你就可以按“消息已生成”“工具已运行”等粒度向用户推送进度更新，而不必逐 token 更新。类似地，AgentUpdatedStreamEvent 会在当前智能体发生变化时向你提供更新（例如，由任务转移引起的变化）。

运行项事件名称

RunItemStreamEvent.name 使用一组固定的语义事件名称：

message_output_created
handoff_requested
handoff_occured
tool_called
tool_search_called
tool_search_output_created
tool_output
reasoning_item_created
mcp_approval_requested
mcp_approval_response
mcp_list_tools

为保持向后兼容，handoff_occured 有意保留了拼写错误。

使用托管工具搜索时，模型发出工具搜索请求会触发 tool_search_called，而 Responses API 返回已加载的子集时会触发 tool_search_output_created。

使用程序化工具调用时，生成的 program 和由程序管理的普通子工具调用都会触发 tool_called。子工具输出以及相应的 program_output 会触发 tool_output。由程序管理的托管 MCP mcp_approval_request 和 mcp_list_tools 项属于例外：它们分别以 mcp_approval_requested 和 mcp_list_tools 的形式触发，并分别封装 MCPApprovalRequestItem 和 MCPListToolsItem。可以检查原始项目的 type 来区分其他项目；由程序管理的子调用还带有一个 caller，其类型为 program，并且其调用方 ID 用于标识父程序。

例如，以下代码会忽略原始事件，并以流式方式向用户发送更新。

import asyncio
import random
from agents import Agent, ItemHelpers, Runner
from agents.decorators import tool

@tool
def how_many_jokes() -> int:
    return random.randint(1, 10)


async def main():
    agent = Agent(
        name="Joker",
        instructions="First call the `how_many_jokes` tool, then tell that many jokes.",
        tools=[how_many_jokes],
    )

    result = Runner.run_streamed(
        agent,
        input="Hello",
    )
    print("=== Run starting ===")

    async for event in result.stream_events():
        # We'll ignore the raw responses event deltas
        if event.type == "raw_response_event":
            continue
        # When the agent updates, print that
        elif event.type == "agent_updated_stream_event":
            print(f"Agent updated: {event.new_agent.name}")
            continue
        # When items are generated, print them
        elif event.type == "run_item_stream_event":
            if event.item.type == "tool_call_item":
                print("-- Tool was called")
            elif event.item.type == "tool_call_output_item":
                print(f"-- Tool output: {event.item.output}")
            elif event.item.type == "message_output_item":
                print(f"-- Message output:\n {ItemHelpers.text_message_output(event.item)}")
            else:
                pass  # Ignore other event types

    print("=== Run complete ===")


if __name__ == "__main__":
    asyncio.run(main())