OpenAI агенты и оркестрация · Урок 1

Оркестрация агентов: рутины и передача управления

Разбираем паттерны оркестрации из официального cookbook OpenAI: рутины (routines) как system prompt + инструменты, handoffs для передачи управления между агентами, и как это реализуется в Swarm.

30 мин чтения3 вопроса в квизеГотовый промпт включёнВ работе

Практическое задание

Что сделать после урока

Реализуйте двухагентную систему: Triage Agent с инструментом transfer_to_refund, Refund Agent с инструментами look_up_item и execute_refund. Проверьте, что диалог корректно передаётся между агентами.

Проверка задания

Реализуйте двухагентную систему: Triage Agent с инструментом transfer_to_refund, Refund Agent с инструментами look_up_item и execute_refund. Проверьте, что диалог корректно передаётся между агентами.

Ваш ответ

Готовый промпт

Шаблон под задачу урока

Скопируйте и адаптируйте под свой контекст. Текст в треугольных скобках — то, что нужно заменить.

tools = [look_up_item, execute_refund]
tool_schemas = [function_to_schema(t) for t in tools]
tools_map = {t.__name__: t for t in tools}

def run_full_turn(system_msg, messages):
    while True:
        response = client.chat.completions.create(
            model="gpt-4o-mini",
            messages=[{"role": "system", "content": system_msg}] + messages,
            tools=tool_schemas,
        )
        msg = response.choices[0].message
        messages.append(msg)
        if not msg.tool_calls:
            return msg
        for tc in msg.tool_calls:
            result = execute_tool_call(tc, tools_map)
            messages.append({"role": "tool",
                             "tool_call_id": tc.id, "content": result})

Рутины и агенты

Рутина — это набор шагов: system prompt на естественном языке плюс инструменты для их выполнения. LLM-модели отлично справляются с условными переходами внутри рутины без жёсткой state machine.

from openai import OpenAI import json client = OpenAI() system_message = ( "You are a customer support agent for ACME Inc." "Follow the following routine with the user:" "1. Ask probing questions to understand the user's problem.\n" "2. Propose a fix (make one up).\n" "3. ONLY if not satisfied, offer a refund.\n" "4. If accepted, search for the ID and then execute refund." ) def look_up_item(search_query): """Use to find item ID.""" return "item_132612938" def execute_refund(item_id, reason="not provided"): print(f"Refunding item {item_id}, reason: {reason}") return "success"

Автоматическая схема функций

import inspect def function_to_schema(func) -> dict: type_map = {str: "string", int: "integer", float: "number", bool: "boolean", list: "array", dict: "object"} sig = inspect.signature(func) parameters = {} for param in sig.parameters.values(): param_type = type_map.get(param.annotation, "string") parameters[param.name] = {"type": param_type} required = [p.name for p in sig.parameters.values() if p.default is inspect.Parameter.empty] return { "type": "function", "function": { "name": func.__name__, "description": (func.__doc__ or "").strip(), "parameters": {"type": "object", "properties": parameters, "required": required}, }, }

Исполнение tool calls и handoffs

tools = [execute_refund, look_up_item] tool_schemas = [function_to_schema(t) for t in tools] tools_map = {t.__name__: t for t in tools} def execute_tool_call(tool_call, tools_map): name = tool_call.function.name args = json.loads(tool_call.function.arguments) return tools_map[name](**args)

Когда использовать handoffs

Handoff — это вызов функции, которая переключает активного агента. Каждый агент получает свой system prompt и набор инструментов. Triaging-агент маршрутизирует, специализированные агенты выполняют.

Сообщить об ошибке

Оркестрация агентов: рутины и передача управления

Проверка задания

Песочница промптов

Квиз — 3 вопроса

Обсуждение

Рутины и агенты

Автоматическая схема функций

Исполнение tool calls и handoffs

Когда использовать handoffs