> ## Documentation Index > Fetch the complete documentation index at: https://docs.osmosis.ai/llms.txt > Use this file to discover all available pages before exploring further. # OpenAI Agents 集成 > 结合使用 OpenAI Agents SDK，在 Osmosis 上训练 Osmosis SDK 包含面向 [OpenAI Agents SDK](https://openai.github.io/openai-agents-python/) 的集成。如果您的 rollout 基于 `Agent`、`Runner.run`、sessions、tools、handoffs 或其他 OpenAI Agents SDK primitives，请使用它。 该集成有三个主要对象： | Object | Purpose | | ---------------------- | -------------------------------------------------------------------------------- | | `OsmosisAgent` | OpenAI Agents SDK `Agent` 的直接替代品，会把 `OsmosisRolloutModel` 绑定到活跃的 rollout context | | `OsmosisRolloutModel` | 占位 policy model，`OsmosisAgent` 会将其替换为活跃 rollout model | | `OsmosisMemorySession` | In-memory session，用来记录 runner conversation，并将其作为 rollout sample 暴露给 grader | ## 快速示例 ```python theme={"theme":{"light":"github-light","dark":"github-dark"},"languages":{"custom":["/languages/cli.json"]}} from agents import ModelSettings, Runner from osmosis_ai.rollout import AgentWorkflow, AgentWorkflowContext from osmosis_ai.rollout.integrations.agents.openai_agents import ( OsmosisAgent, OsmosisMemorySession, OsmosisRolloutModel, ) class OpenAIWorkflow(AgentWorkflow): async def run(self, ctx: AgentWorkflowContext) -> None: agent = OsmosisAgent( name="assistant", instructions="Answer the user's request clearly.", model=OsmosisRolloutModel(), model_settings=ModelSettings(temperature=1.0, max_tokens=4096), ) session = OsmosisMemorySession(name="assistant") await Runner.run( agent, ctx.prompt, session=session, ) ``` 使用 `OsmosisRolloutModel` 时，请始终传入 `OsmosisMemorySession`。Session 会发布用于 rollout headers 的 sample ID，并持久化 grader 将读取的 conversation。请在 `AgentWorkflow.run()` 内构造 session，使其注册到活跃的 `RolloutContext`。 ## 工作原理 `OsmosisAgent` 会检查 `model` 参数是否为 `OsmosisRolloutModel`。如果是，它会把占位符替换为绑定到活跃 `RolloutContext` 的 `OsmosisLitellmModel`。 `OsmosisMemorySession` 会在当前 `RolloutContext` 上将自身注册为 sample source。Session name 会成为 rollout sample ID。 `Runner.run()` 通过 `get_items()` 和 `add_items()` 与 session 交互。Session 会以 canonical Responses API shape 存储持久化的 OpenAI Agents SDK items。 解析后的 model 会向 Osmosis chat completions endpoint 发送请求，并为每次 model call 注入 `x-sample-id` 和 `x-rollout-id` headers。 `run()` 完成后，backend 会向 rollout context 请求 samples。Session 会返回包含 runner 持久化 conversation 的 `RolloutSample`。 ## 完整示例 此示例使用 OpenAI Agents SDK tool，并使用 grader 从 session-backed sample 中读取最后一条 assistant text。 ```python theme={"theme":{"light":"github-light","dark":"github-dark"},"languages":{"custom":["/languages/cli.json"]}} from agents import ModelSettings, Runner, function_tool from osmosis_ai.rollout import ( AgentWorkflow, AgentWorkflowContext, Grader, GraderContext, ) from osmosis_ai.rollout.integrations.agents.openai_agents import ( OsmosisAgent, OsmosisMemorySession, OsmosisRolloutModel, ) @function_tool def multiply(a: int, b: int) -> int: """Multiply two integers.""" return a * b class MultiplyWorkflow(AgentWorkflow): async def run(self, ctx: AgentWorkflowContext) -> None: agent = OsmosisAgent( name="multiply-agent", instructions="Use the multiply tool when arithmetic is required.", model=OsmosisRolloutModel(), model_settings=ModelSettings(temperature=1.0, max_tokens=4096), tools=[multiply], ) session = OsmosisMemorySession(name="multiply-agent") await Runner.run( agent, ctx.prompt, session=session, ) def _last_text(sample) -> str: for item in reversed(sample.messages): if item.get("role") != "assistant": continue content = item.get("content", "") if isinstance(content, str): return content if isinstance(content, list): for block in content: if isinstance(block, dict): text = block.get("text") or block.get("content") if text: return text return "" class MultiplyGrader(Grader): async def grade(self, ctx: GraderContext) -> None: for sample_id, sample in ctx.samples.items(): answer = _last_text(sample) reward = 1.0 if ctx.label and ctx.label.strip() in answer else 0.0 ctx.set_sample_reward(sample_id, reward) ``` OpenAI Agents SDK sessions 持久化的是 conversation items，而不是 Strands-style messages。为 OpenAI Agents rollouts 编写 graders 时，请把 `sample.messages` 当作 runner 的 persisted session items 来检查。 ## OsmosisRolloutModel `OsmosisRolloutModel` 是占位符。不要直接调用它，也不要在 rollout 代码中传入固定 policy model name。在 workspace templates 中，采样选项放在 OpenAI Agents `ModelSettings` 中。 ```python theme={"theme":{"light":"github-light","dark":"github-dark"},"languages":{"custom":["/languages/cli.json"]}} from agents import ModelSettings from osmosis_ai.rollout.integrations.agents.openai_agents import ( OsmosisAgent, OsmosisRolloutModel, ) agent = OsmosisAgent( name="assistant", model=OsmosisRolloutModel(), model_settings=ModelSettings( temperature=1.0, top_p=1.0, max_tokens=4096, ), ) ``` 运行时，`OsmosisAgent` 会把该占位符替换为指向活跃 Osmosis rollout endpoint 的 model。 `OsmosisRolloutModel` 与 Strands integration 的占位符 constructor 不同。OpenAI Agents examples 使用 `OsmosisRolloutModel()` 和 `ModelSettings(...)`，而不是 `params={...}` dict。 ## Sessions 和 Sample IDs 当 `Runner.run()` 使用 `OsmosisRolloutModel` 时，每次调用请使用恰好一个 `OsmosisMemorySession`。 ```python theme={"theme":{"light":"github-light","dark":"github-dark"},"languages":{"custom":["/languages/cli.json"]}} session = OsmosisMemorySession(name="main") await Runner.run(agent, ctx.prompt, session=session) ``` Session name 会用作 sample ID。如果您的 workflow 为同一个 prompt 运行多个独立 agents，请为每个 session 指定不同 name： ```python theme={"theme":{"light":"github-light","dark":"github-dark"},"languages":{"custom":["/languages/cli.json"]}} planner_session = OsmosisMemorySession(name="planner") executor_session = OsmosisMemorySession(name="executor") ``` 请在 `run()` 内创建 sessions。在活跃 rollout context 之外创建的 session 无法在 rollout run 内复用，因为它没有注册到该 context。 ## 从 OpenAI Agents SDK 迁移 如果您已有 OpenAI Agents SDK workflow，可以通过四步迁移： 修改 import 和 class： ```python theme={"theme":{"light":"github-light","dark":"github-dark"},"languages":{"custom":["/languages/cli.json"]}} from osmosis_ai.rollout.integrations.agents.openai_agents import OsmosisAgent ``` 然后构造 `OsmosisAgent(...)`，而不是 `Agent(...)`。 将固定 model string 替换为 `OsmosisRolloutModel` 占位符： ```python theme={"theme":{"light":"github-light","dark":"github-dark"},"languages":{"custom":["/languages/cli.json"]}} from osmosis_ai.rollout.integrations.agents.openai_agents import OsmosisRolloutModel model = OsmosisRolloutModel() ``` 在 `AgentWorkflow.run()` 内创建 session，并传给 `Runner.run()`： ```python theme={"theme":{"light":"github-light","dark":"github-dark"},"languages":{"custom":["/languages/cli.json"]}} session = OsmosisMemorySession(name="main") await Runner.run(agent, ctx.prompt, session=session) ``` 将 runner call 放入 `AgentWorkflow.run()` 方法。除非 tools、instructions、handoffs 和 agent 行为依赖 out-of-band state，否则保持它们不变。 ## 评估 使用普通 eval 命令： ```cli theme={"theme":{"light":"github-light","dark":"github-dark"},"languages":{"custom":["/languages/cli.json"]}} osmosis eval submit configs/eval/.toml ``` Eval 期间，平台会把 `openai/osmosis-rollout` 路由到 eval TOML 中 `[experiment].model_path` 指定的 model。训练期间，Osmosis 会把同一个占位符路由到当前训练中的 policy。 ## 下一步 查看共享的 `AgentWorkflow.run(ctx)` contract。 为 OpenAI Agents session samples 编写 reward 逻辑。 在训练前为您的 OpenAI Agents rollout 提交 evaluation run。