Agent.run() 函数运行 agent 并生成响应，响应可以是一个 RunResponse 对象，也可以是 RunResponse 对象流。

我们的许多示例都使用了 agent.print_response()，这是一个用于在终端中打印响应的辅助工具。它底层调用的是 agent.run()。

​
运行你的 Agent

以下是运行 agent 的方法。响应会捕获在 response 变量中。

from typing import Iterator
from agno.agent import Agent, RunResponse
from agno.models.openai import OpenAIChat
from agno.utils.pprint import pprint_run_response

agent = Agent(model=OpenAIChat(id="gpt-4o-mini"))

# 运行 agent 并将响应作为变量返回
response: RunResponse = agent.run("给我讲一个关于机器人的 5 秒钟短故事")

# 以 markdown 格式打印响应
pprint_run_response(response, markdown=True)

​
RunResponse

在不使用流式传输时，Agent.run() 函数会返回一个 RunResponse 对象。它具有以下属性：

理解指标

有关指标如何收集和使用的详细说明，请参阅 指标文档。

请参阅 RunResponse 文档中的详细说明。

​
流式响应

要启用流式传输，请在调用 run() 时设置 stream=True。这将返回一个 RunResponseEvent 对象迭代器，而不是单个响应。

从 agno 版本 1.6.0 开始，Agent.run() 函数返回的是 RunResponseEvent 的迭代器，而不是 RunResponse 对象。

from typing import Iterator
from agno.agent import Agent, RunResponseEvent
from agno.models.openai import OpenAIChat
from agno.utils.pprint import pprint_run_response

agent = Agent(model=OpenAIChat(id="gpt-4-mini"))

# 运行 agent 并将响应作为流返回
response_stream: Iterator[RunResponseEvent] = agent.run(
    "给我讲一个关于狮子的 5 秒钟短故事",
    stream=True
)

# 以 markdown 格式打印响应流
pprint_run_response(response_stream, markdown=True)

​
流式传输中间步骤

为了获得更详细的流式输出，可以通过设置 stream_intermediate_steps=True 来启用中间步骤。这将提供关于 agent 内部过程的实时更新。

# 流式传输中间步骤
response_stream: Iterator[RunResponseEvent] = agent.run(
    "给我讲一个关于狮子的 5 秒钟短故事",
    stream=True,
    stream_intermediate_steps=True
)

​
处理事件

您可以通过迭代响应流来处理即将到来的事件：

response_stream = agent.run("你的 prompt", stream=True, stream_intermediate_steps=True)

for event in response_stream:
    if event.event == "RunResponseContent":
        print(f"内容: {event.content}")
    elif event.event == "ToolCallStarted":
        print(f"工具调用开始: {event.tool}")
    elif event.event == "ReasoningStep":
        print(f"推理步骤: {event.content}")
    ...

您可以在我们的 Playground 中看到此行为的实际应用。

​
存储事件

您可以将运行过程中发生的所有事件存储在 RunResponse 对象上。

from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.utils.pprint import pprint_run_response

agent = Agent(model=OpenAIChat(id="gpt-4o-mini"), store_events=True)

response = agent.run("给我讲一个关于狮子的 5 秒钟短故事", stream=True, stream_intermediate_steps=True)
pprint_run_response(response)

for event in agent.run_response.events:
    print(event.event)

默认情况下不存储 RunResponseContentEvent 事件。您可以通过设置 events_to_skip 参数来修改要跳过的事件。

例如：

agent = Agent(model=OpenAIChat(id="gpt-4o-mini"), store_events=True, events_to_skip=[RunEvent.run_started.value])

​
事件类型

根据 agent 的配置，以下事件会由 Agent.run() 和 Agent.arun() 函数生成：

​
核心事件

事件类型描述
RunStarted表示运行开始
RunResponseContent包含模型响应文本的各个块
RunCompleted标志着运行成功完成
RunError表示运行期间发生错误
RunCancelled标志着运行已被取消

​
控制流事件

事件类型描述
RunPaused表示运行已暂停
RunContinued标志着暂停的运行已继续

​
工具事件

事件类型描述
ToolCallStarted表示工具调用开始
ToolCallCompleted标志着工具调用完成，包括工具调用结果

​
推理事件

事件类型描述
ReasoningStarted表示 agent 推理过程开始
ReasoningStep包含推理过程的单个步骤
ReasoningCompleted标志着推理过程完成

​
记忆事件

事件类型描述
MemoryUpdateStarted表示 agent 正在更新其记忆
MemoryUpdateCompleted标志着记忆更新完成

请参阅 RunResponseEvent 文档中的详细说明。