在 TypeScript 中使用 OpenAI Agents SDK 运行 Conductor 持久化 Agent 实战指南【免费下载链接】conductorConductor is an event driven agentic workflow engine providing durable and highly resilient execution engine for applications and AI Agents项目地址: https://gitcode.com/GitHub_Trending/co/conductor导读本文面向 TypeScript / JavaScript 开发者讲解如何将基于 OpenAI Agents SDK 编写的 Agent 接入 Conductor 的持久化执行引擎你只需引入io-orkes/conductor-javascript包中的AgentRuntime替换运行入口即可让原本无状态的框架 Agent 获得编译为工作流图、逐步落盘、可恢复、可审计的持久化执行能力。读完本文你将掌握环境变量配置、Agent 定义与运行、执行结果在 Conductor UI 中的验证方法以及框架 Agent 从开发调试到部署复用的完整路径。1. 背景为什么要把框架 Agent 交给 ConductorConductor 是一个事件驱动的 agentic 工作流引擎为应用和 AI Agent 提供持久化、高弹性的执行环境。在 Conductor 的视角里Agent 在底层就是一条工作流Agent 定义模型、指令、工具会被编译成工作流图每次模型调用是一个任务、每次工具调用是一个任务、它们之间的循环是工作流控制流。因此工作流天然具备的重试、超时、人工审批、执行历史回放等能力都会自动作用于 Agent 的每一次运行。ui-next/src/pages/agent/guides/typescript/openai.md这篇指南演示的正是框架 Agent 路线中的 OpenAI Agents SDK 场景保留你已用 OpenAI Agents SDK 写好的 Agent 对象由 Conductor SDK 将其编译并执行为一条持久化的 Conductor 执行记录而不是把 Agent 逻辑塞进一个常驻进程。相关的完整背景可参考 Agent Concepts 与 Framework Agents。2. 安装与配置2.1 安装依赖npm install io-orkes/conductor-javascript openai/agentsopenai/agentsOpenAI 官方 Agents SDK负责定义 Agent 本身模型、指令、工具、循环。io-orkes/conductor-javascript/agentsConductor 官方 TypeScript / JavaScript SDK提供AgentRuntime等与持久化执行相关的运行入口。安装与首个 Agent 的通用步骤可对照 Your First Agent 的 TypeScript 小节。2.2 配置连接变量与模型export CONDUCTOR_SERVER_URL{{CONDUCTOR_SERVER_URL}} # 需要认证的 Conductor 服务端时取消注释并填写 # export CONDUCTOR_AUTH_KEYYOUR_AUTH_KEY # export CONDUCTOR_AUTH_SECRETYOUR_AUTH_SECRET export CONDUCTOR_AGENT_LLM_MODELopenai/gpt-4o-mini环境变量作用说明CONDUCTOR_SERVER_URLConductor 服务端地址使用 Orkes Developer Edition 时设为https://developer.orkescloud.com/api使用本地服务端时设为http://localhost:8080/api。详细连接步骤见 Connect to ConductorCONDUCTOR_AUTH_KEY/CONDUCTOR_AUTH_SECRET服务端访问凭证仅当服务端启用认证时需要可从 Developer Edition 的应用访问密钥获取CONDUCTOR_AGENT_LLM_MODELAgent 默认模型映射采用provider/model的命名格式openai/gpt-4o-mini即指定 OpenAI 提供方下的 gpt-4o-mini 模型关于模型提供方若使用本地服务端需要在启动服务端前导出模型提供方的 API Key例如export OPENAI_API_KEYyour-openai-api-key使服务端继承该凭据若使用 Developer Edition则在控制台的 AI/LLM 集成中配置提供方。模型提供方支持的完整列表可参考 LLM Orchestration。在服务端侧模型定义经由ai模块的AIModelProvider体系解析对应源码目录 ai/src/main/java/org/conductoross/conductor/ai/providers其中openai子包内含OpenAI.java、OpenAIConfiguration.java等提供方实现。3. 编写并运行 Agent3.1 定义 Agent 并交给 AgentRuntime 执行将以下代码保存为openai-agent.tsimport { Agent, setTracingDisabled } from openai/agents; import { AgentRuntime } from io-orkes/conductor-javascript/agents; setTracingDisabled(true); const agent new Agent({ name: openai_greeter, model: gpt-4o-mini, instructions: You are friendly and concise., }); const runtime new AgentRuntime(); try { const result await runtime.run(agent, Share a durable execution fact.); result.printResult(); } finally { await runtime.shutdown(); }逐段拆解这段代码的关键点setTracingDisabled(true)关闭 OpenAI Agents SDK 自带的追踪上报避免与 Conductor 的执行记录体系重复或冲突。new Agent({...})完全使用 OpenAI Agents SDK 的 Agent 构造方式定义名称、模型与指令没有引入任何 Conductor 专有的 Agent 类型。new AgentRuntime()Conductor SDK 提供的运行器是框架 Agent 与 Conductor 之间的桥接边界。runtime.run(agent, prompt)将框架 Agent 编译为工作流图并在 Conductor 上执行返回一次持久化的执行结果。runtime.shutdown()置于finally中确保运行器资源被释放。3.2 运行npx tsx openai-agent.tstsx让 Node.js 直接运行 TypeScript 文件无需预先编译。运行时Conductor SDK 会把openai_greeter编译成工作流图并逐任务执行——每次 LLM 调用、每次工具调用都会成为图中一个独立任务并持久化记录。4. 验证执行与故障排查执行结束后在 Conductor UI 中定位本次运行产生的执行记录确认其最终状态终端状态为成功还是失败检查任务时间线task timeline、输入与输出若运行无法触达模型优先确认 worker 环境中的服务端地址与模型提供方凭据再检查失败任务后重试。持久化执行的意义在于一次 Agent 运行就是一次工作流执行每一步都被落盘保存进程崩溃或重启后可从最后一个已完成步骤继续而不是从头再来。这正是 Conductor durable execution 的核心价值相关概念详见 Agent Concepts 中的 Agents are workflows underneath 一节。5. 从单次运行到可复用部署框架 Agent 的完整生命周期openai-agent.ts演示的是运行一次的开发路径。当一个框架 Agent 趋于稳定后还有一条从开发到部署的完整路径在 Framework Agents 中被归纳为四个阶段运行develop把框架 Agent 对象交给 Conductor SDK 执行从第一次运行起即可在 UI 中看到持久化执行部署release将编译后的 Agent 在服务端注册为命名且带版本的 Conductor Agent此后调用方无需引入 OpenAI Agents SDK 即可调用它服务operateAgent 的工具如果以本地函数运行需要保持一个 worker 进程常驻来执行工具编排invoke父工作流通过AGENT任务调用已部署的 Agent如同调用其他持久化步骤。父工作流中调用已部署 Agent 的任务定义形如{ name: run_agent, taskReferenceName: run_agent_ref, type: AGENT, inputParameters: { agentType: conductor, name: deployed-agent-name, prompt: ${workflow.input.prompt} } }对于仅需在现有工作流里借一个 Agent 完成某一步的场景也可以在 Your First Agent 中看到不预先部署、直接用AGENT任务内联调用的写法。生产环境下的治理、评估、部署与运维考量可继续阅读 Production Agent Architecture。6. 源码视角框架 Agent 是如何被翻译成持久化工作流的从仓库源码可以看到这套能力并非黑盒Agent 编译agentspan模块的 compiler 目录 下存在AgentCompiler、ToolCompiler、GateCompiler、GuardrailCompiler、HumanTaskBuilder、MultiAgentCompiler等编译单元负责把不同框架形态的 Agent 定义归一化为 Conductor 工作流图normalizer目录如OpenAINormalizer、ClaudeAgentSdkNormalizer、LangChainNormalizer等则负责将各框架特有的 Agent 配置标准化。执行与编排agentspan模块的 service 目录 下的AgentDagService、AgentService、AgentEventListener等承担 Agent 的 DAG 构建、生命周期监听与运行服务。LLM 任务输入每次模型调用最终落到 LLM 任务任务输入模型 LLMWorkerInput.java 中定义了llmProvider、integrationName、model、temperature、maxTokens默认 8192等参数并支持按 provider 自动补充AI_MODEL集成名——这解释了为何环境变量中CONDUCTOR_AGENT_LLM_MODEL使用openai/gpt-4o-mini这类provider/model格式SDK 会将模型请求路由到对应提供方如 openai providers 目录 中的OpenAIResponsesChatModel、OpenAICompatChatModel等模型实现。这种框架负责写 Agent、Conductor 负责持久化执行的分工正是 Framework Agents 所强调的SDK 是边界框架仍是创作面Conductor 在它周围提供持久化执行。7. 小结在本指南中你完成了以下工作安装了io-orkes/conductor-javascript与openai/agents配置了CONDUCTOR_SERVER_URL、可选认证变量与CONDUCTOR_AGENT_LLM_MODEL用 OpenAI Agents SDK 定义了 Agent并通过AgentRuntime在 Conductor 上完成一次持久化执行掌握了在 UI 中验证执行、排查失败任务的方法了解了框架 Agent 从开发运行到部署复用的完整路径及其源码层面的实现依据。下一步建议若要在工作流中编排多个 Agent 与普通任务、加入人工审批与重试策略可继续阅读 Conductor Agents 与 First AI Agent若你的 Agent 部署在 Conductor 之外、希望以 Agent2Agent 协议接入可参考 A2A 集成文档。【免费下载链接】conductorConductor is an event driven agentic workflow engine providing durable and highly resilient execution engine for applications and AI Agents项目地址: https://gitcode.com/GitHub_Trending/co/conductor创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考