运行您的团队

了解如何运行团队并获得响应。

Team.run() 函数会运行团队并生成响应，响应形式可以是一个 TeamRunResponse 对象，也可以是一系列的 TeamRunResponseEvent 对象。

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

以下是运行团队的方法。响应会被捕获在 response 和 response_stream 变量中。

from agno.team import Team
from agno.models.openai import OpenAIChat

agent_1 = Agent(name="News Agent", role="Get the latest news")

agent_2 = Agent(name="Weather Agent", role="Get the weather for the next 7 days")

team = Team(name="News and Weather Team", mode="coordinate", members=[agent_1, agent_2])

response = team.run("What is the weather in Tokyo?")

# Synchronous execution
result = team.run("What is the weather in Tokyo?")

# Asynchronous execution
result = await team.arun("What is the weather in Tokyo?")

# Streaming responses
for chunk in team.run("What is the weather in Tokyo?", stream=True):
    print(chunk.content, end="", flush=True)

# Asynchronous streaming
async for chunk in await team.arun("What is the weather in Tokyo?", stream=True):
    print(chunk.content, end="", flush=True)

流式传输中间步骤

在团队执行过程中，会发生多个事件，我们实时提供这些事件以增强团队的透明度。

您可以通过设置 stream_intermediate_steps=True 来启用中间步骤的流式传输。

# Stream with intermediate steps
response_stream = team.run(
    "What is the weather in Tokyo?",
    stream=True,
    stream_intermediate_steps=True
)

处理事件

您可以通过迭代响应流来处理到达的事件：

response_stream = team.run("Your prompt", stream=True, stream_intermediate_steps=True)

for event in response_stream:
    if event.event == "TeamRunResponseContent":
        print(f"Content: {event.content}")
    elif event.event == "TeamToolCallStarted":
        print(f"Tool call started: {event.tool}")
    elif event.event == "ToolCallStarted":
        print(f"Member tool call started: {event.tool}")
    elif event.event == "ToolCallCompleted":
        print(f"Member tool call completed: {event.tool}")
    elif event.event == "TeamReasoningStep":
        print(f"Reasoning step: {event.content}")
    ...

当团队成员正在执行时，团队成员事件会在团队执行期间产生。您可以通过设置 stream_member_events=False 来禁用此功能。

存储事件

您可以将运行期间发生的所有事件存储在 RunResponse 对象上。

from agno.team import Team
from agno.models.openai import OpenAIChat
from agno.utils.pprint import pprint_run_response

team = Team(model=OpenAIChat(id="gpt-4o-mini"), members=[], store_events=True)

response = team.run("Tell me a 5 second short story about a lion", 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，TeamRunResponseContentEvent 和 RunResponseContentEvent 事件不会被存储。您可以通过设置 events_to_skip 参数来修改要跳过的事件。

例如：

team = Team(model=OpenAIChat(id="gpt-4o-mini"), members=[], store_events=True, events_to_skip=[TeamRunEvent.run_started.value])

事件类型

根据团队的配置，Team.run() 和 Team.arun() 函数会发送以下事件：

核心事件

Event Type	Description
TeamRunStarted	指示运行开始
TeamRunResponseContent	以单个块形式包含模型的响应文本
TeamRunCompleted	表示运行成功完成
TeamRunError	指示在运行期间发生错误
TeamRunCancelled	表示运行已被取消

工具事件

Event Type	Description
TeamToolCallStarted	指示工具调用开始
TeamToolCallCompleted	表示工具调用完成，包括工具调用结果

推理事件

Event Type	Description
TeamReasoningStarted	指示代理的推理过程开始
TeamReasoningStep	包含推理过程中的单个步骤
TeamReasoningCompleted	表示推理过程完成

内存事件

Event Type	Description
TeamMemoryUpdateStarted	指示代理正在更新其内存
TeamMemoryUpdateCompleted	表示内存更新完成

有关详细文档，请参阅 TeamRunResponse 文档。