如何将Python脚本转变为AI代理
内容提要
介绍无需重写Python应用即可使用AI代理的方法：以网站监控脚本为例，用OpenAI Agents SDK将现有函数通过@function_tool转为工具，创建Agent并交给Runner管理调用循环，由模型自主决定调用工具、传参与比较结果，从而把固定脚本升级为能理解自然语言、自主编排的代理工作流。
延伸解读
从固定脚本到代理：核心变化
文章以网站监控脚本为例，展示了将现有Python函数通过@function_tool转为工具后，交给Agent和Runner管理调用循环。模型能自主决定调用工具、传参和比较结果，从而把固定流程升级为能理解自然语言、自主编排的代理工作流。这种模式保留了原有Python代码的执行逻辑，同时增加了自然语言理解和工具选择能力。
适用场景与迁移思路
文章指出，同样的模式适用于几乎任何现有Python自动化，如CSV分析、服务器监控、日志分析和API自动化。你只需保留执行实际工作的函数，用@function_tool暴露它们并加入agent的tools列表，代理就能根据自然语言请求决定调用哪些函数以及如何组合结果。这为现有脚本的智能化升级提供了低改造成本的路径。
成本与模型选择考量
文章提到，像GPT-5.6 Luna这样更便宜的模型使得大规模运行工具调用甚至多代理系统更加可负担。这意味着在将脚本转为代理时，模型选择会影响运行成本。对于需要频繁调用工具或多步决策的场景，选用成本较低的模型可能有助于控制开支，同时仍能实现自然语言理解和工具编排。
Q&A
如何在不重写Python应用的情况下使用AI代理？
不需要重写Python应用。只需将现有函数通过@function_tool装饰器暴露为工具，然后创建Agent并交给Runner管理调用循环，模型就会自主决定何时调用工具、传什么参数以及如何使用输出。
OpenAI Agents SDK中如何把普通Python函数变成工具？
在函数上添加@function_tool装饰器即可。SDK会自动将函数签名转换为模型所需的JSON schema，并利用函数名和docstring描述工具，无需手动创建工具schema。
Agent的Runner是如何管理模型与工具之间的交互循环的？
Runner在后台管理模型和工具的交互。如果模型需要更多信息，它可以再次调用工具，循环持续直到模型有足够信息生成最终响应。模型根据请求和收到的结果决定采取哪些行动，而不是遵循完全用Python编写的固定序列。
除了网站监控，还有哪些Python脚本可以转变为AI代理？
几乎任何现有的Python自动化都可以。例如：CSV分析器（过滤行、计算指标、发现趋势，代理回答自然语言问题）、服务器监控（检查CPU、内存、磁盘、进程，代理调查不健康原因）、日志分析器（搜索日志、统计错误、提取事件，代理调查事件并总结）、API自动化（获取数据、更新记录、创建报告，代理决定操作顺序）。
使用OpenAI Agents SDK需要安装哪些包和设置什么环境变量？
需要安装openai-agents和requests包。可以使用uv（uv add openai-agents requests）或pip（pip install openai-agents requests）。还需要设置OpenAI API密钥：export OPENAI_API_KEY="your-api-key"。
将Python脚本转变为AI代理后，工作流程发生了什么变化？
以前工作流程完全固定，需要自己编写循环和比较逻辑。现在模型解释请求，调用工具获取结果，比较结果并生成答案。模型自主决定调用工具、传参和比较结果，将固定脚本升级为能理解自然语言、自主编排的代理工作流。
