Agentic AI 干货！DeepSeek + OpenAI SDK 构建 Agent 实战

引言：

DeepSeek-R1、OpenAI-o1 等具备内化的假设、反思、验证等优秀推理能力的 LLM 大型推理模型将 AI 发展推进到智能体 AI 时代，将使 AI Agent 迸发出远超上一代由外化的手搓式简单推理 Agent 不可比拟的发展势能。

在 GTC2025 大会上，英伟达为我们描绘了 AI 发展的四个阶段：感知式 AI、生成式 AI、智能体 AI 以及物理世界 AI。当前，我们正处于从生成式 AI 向智能体 AI 的演进过程。智能体 AI，顾名思义，是具备自主决策、规划和执行能力的 AI 系统，它能够像人类一样，根据不同的任务和环境，灵活地调整自己的行为，以实现特定的目标。

OpenAI Agents SDK 是一个开源的多智能体工作流编排工具，支持多智能体协作和任务交接，内置多种工具，配合开发者的工具函数能够快速处理复杂任务。它结合了 Responses API，通过单次调用即可使用多种工具和模型。此外，SDK 还具备安全检查机制和执行轨迹可视化功能，帮助开发者优化性能，降低开发门槛，适合客户支持、内容生成等多种应用场景。

七牛云 AI 推理 API 提供的 R1 等大型推理模型与 OpenAI Agents SDK 的结合，为构建多智能体系统提供了坚实的自主推理能力基础。通过这种组合，可以实现各个智能体的明确分工协作，充分发挥 DeepSeek-R1 等模型在推理方面的优势，同时巧妙规避其在函数调用等方面的限制。这种“规划-执行”模式的多智能体系统，可以高效地处理各种任务，还具备强大的反思机制。

构建单个智能体最重要的是 Agent 定义（instructions）。我们需要根据任务需求，明确每个智能体的职责和功能，决定着智能体能否完成任务。接下来，配置好的智能体会对来自用户或者其他智能体的输入，根据自身配置进行分析处理（如推理模型进行推理）。

在处理复杂任务时，单智能体系统面临着一些技术挑战。一方面，大语言模型需要同时具备推理规划和函数调用能力；另一方面，提示词的复杂度也大幅增加，需要同时处理规划制定、函数调用和结果输出。此外，缺乏系统性规划也是一个常见问题，每次函数调用后重新思考，缺乏连贯的执行计划。

为解决这些问题，我们采用由多个智能体组成的多智能体系统进行分工协作，将单一大型语言模型拆分为多个专门化的智能体（如让 Deepseek-R1 进行规划，让 Deepseek-V3 根据规划来执行和调用工具）。每个智能体负责特定任务，便于系统优化和评估。遵循“智能体职责分离”原则，实现模块化设计，提高系统可维护性和可扩展性。

大模型虽然强大，但也存在产生幻觉的风险，这可能导致工作流程出错。为了提高工作流的稳定性，我们在结果呈现前增加了反思 Agent。当系统出现异常时，反思 Agent 会自动触发，对整个工作流程进行复盘和分析，找出问题所在，并提出改进方案。

AI 的发展已经进入了一个新的阶段，DeepSeek-R1、OpenAI-o1 等具备内化的假设、反思、验证等优秀推理能力的 LLM 大型推理模型将 AI 发展推进到智能体 AI 时代，将使 AI Agent 迸发出远超上一代由外化的手搓式简单推理 Agent 不可比拟的发展势能。七牛云 AI 推理 API 将 R1/V3 与 OpenAI 的 Agents SDK 的结合，让我们能够在这个新的时代中，探索开发出更多的优秀的 Agents，创造更多的 AI 价值。让我们一起创造 AI 智能体时代的惊喜！