Open Responses 的 agent loop 为什么不等于 Chat Completions:输入输出对象的迁移边界
把一个问答接口接进智能体后,最先暴露的问题通常不是模型回答得好不好,而是客户端只会读取一段文本。模型一旦发出工具调用,应用还要回传工具结果、保留中间状态,再接住最终回答,原来的消息数组就不够用了。
Open Responses 的变化,正是在 Responses API 的方向上把这些对象和事件纳入一个更适合代理循环的共享约定。它不是把 Chat Completions 换一个路径,而是把“模型说了一句话”扩展成“模型和工具共同完成了一次响应”。
- Chat Completions 以
messages输入,通常从choices[].message读取结果。 - 代理循环需要区分工具调用、工具结果、推理相关条目和最终文本,不能只拼接字符串。
- 迁移时可保留业务工具执行器,但要新增输入适配、事件归一化和多轮状态保存。
Open Responses 把一次调用扩成什么
旧式聊天接口把一次调用想象成一组消息:用户发问,模型返回 assistant 消息。这个模型很适合单轮或固定多轮对话,却很难表达“先查数据,再调用外部工具,最后继续回答”的完整记录。
Open Responses 把响应拆成可识别的 items,并把流式输出建模为语义事件。于是同一请求里可以出现文本、工具调用、工具结果以及推理相关条目。对路由服务来说,共享 schema 还可以减少不同模型提供方之间的字段翻译。
为什么 agent loop 需要不同的响应对象
关键差别不在于 JSON 是否更复杂,而在于对象的职责不同。messages 描述聊天输入,ChatCompletion 更像一次选择结果;代理循环则要持续容纳 tool_calls、response.items、工具结果 和 agent loop 自身的状态。
| 对象 | 主要职责 | 迁移时的判断 |
|---|---|---|
| messages | 回合式输入 | 可映射到 input,但不能代表全部中间事件 |
| tool_calls | 外部函数调用入口 | 业务工具注册通常可以保留 |
| response.items | 响应中的多种条目 | 应按类型分派,而不是只取文本 |
| 工具结果 | 回填给模型的外部信息 | 要和对应调用身份绑定 |

因此,不能把 Open Responses 简化成“Chat Completions 的新字段”。它把工具和中间响应变成可观察对象,客户端才有机会显示正在调用什么、等待哪个结果,以及最终文本来自哪些条目。
旧 Chat Completions 代码会在哪个边界卡住
典型旧客户端只做三件事:提交 messages,读取 choices[0].message.content,把字符串交给页面。如果返回的是工具调用,content 可能为空;如果是流式响应,delta 也不等于一个完整的语义事件。
{
"choices": [{
"message": {
"role": "assistant",
"tool_calls": [{"id": "call_7", "type": "function"}]
},
"finish_reason": "tool_calls"
}]
}
这段结果说明模型提出了调用请求,并不说明工具已经得到结果。若适配层看到 finish_reason=tool_calls 仍直接返回空文本,应用就会把“需要外部信息”误判成“模型没有回答”。另一方面,直接把每个流式片段拼成字符串,会丢失条目类型和调用身份。
迁移时先保留什么,再替换什么
迁移不必重写业务工具。可以继续使用原有的函数注册、参数校验和结果格式化,把变化集中在一个协议适配层:入口把消息转换成 input,出口把响应条目归一成内部事件,再由业务层决定展示文本、工具状态和审计记录。
多轮状态也不要只保存最后一段文本。若提供方返回可复用的响应标识,例如 previous_response_id,适配层应保存它;若没有,就保存足以重建上下文的条目摘要。这样下一次请求不会把已经产生的工具结果重复当成用户输入。

一个稳妥的内部事件模型至少区分 text、tool_call、tool_result 和 state。外部接口再怎么变化,页面和日志只依赖这组稳定语义,回滚也更容易。
用最小请求验证兼容边界
验证迁移时先别追求完整智能体。准备一个只会查询固定信息的工具,检查四个结果:请求里有 input 和 tools,响应里能识别调用条目,工具结果能回传,最后还能拿到文本条目。
{
"model": "your-model",
"input": "查询订单状态",
"tools": [{"type": "function", "name": "lookup_order"}],
"tool_choice": "auto"
}
测试记录最好保留调用身份、参数校验结果、工具返回值和最终文本四列。只看到最终文本,不能证明代理循环兼容;只看到工具调用,也不能证明结果回传成功。
最后检查流式分派:文本事件交给渲染器,工具调用交给工具层,工具结果进入下一轮上下文,状态事件进入日志。四类记录都存在,才说明适配层没有把多对象响应压扁成一个字符串。
相关问题
Open Responses 能直接替换所有 Chat Completions 客户端吗?
不能直接替换。只读最终文本的简单客户端改动较少;依赖 choices、delta 或自定义工具回传格式的客户端仍需要适配层。
迁移后还要重写工具函数吗?
通常不用。工具的参数校验、业务逻辑和返回结构可以保留,重点是把协议层的调用身份与工具结果正确对应起来。
为什么不能只保存最后一条 assistant 消息?
因为代理循环的中间条目包含调用请求和外部结果。只保存最后文本会让排查、重试和多轮续接失去必要上下文。
Chrome DevTools 如何验证页面能否命中 bfcache:Run Test 与失败原因定位
- 上一篇
- Chrome DevTools 如何验证页面能否命中 bfcache:Run Test 与失败原因定位
- 下一篇
- 暂无
-
- 科技周边 · 人工智能 | 3小时前 | 异步任务 · mcp · 协议扩展 · MCP Tasks io.modelcontextprotocol/tasks tasks/get tasks/update
- MCP Tasks 的异步结果怎么收口:任务句柄、轮询状态与恢复条件
- 260浏览 收藏
-
- 科技周边 · 人工智能 | 10小时前 | Gemini API · AI检索 · File Search · 多模态检索 Gemini File Search media_id page_number
- Gemini File Search 多模态检索怎么留证:media_id 与 page_numbers 的引用边界
- 377浏览 收藏
-
- 科技周边 · 人工智能 | 13小时前 | gemini · 上下文缓存 · API优化 · Gemini API 隐式缓存 total_cached_tokens
- Gemini API 隐式缓存怎么提高命中:公共前缀与 total_cached_tokens 核对法
- 398浏览 收藏
-
- 科技周边 · 人工智能 | 3天前 | 人工智能 · 大模型 · 模型工程 · 多模态 结构化抽取 GLM-5.3-Flash
- GLM-5.3-Flash 做结构化抽取时怎么留住证据链:从图文输入到字段校验
- 140浏览 收藏
-
- 科技周边 · 人工智能 | 4天前 | 人工智能 · 内容审核 · Moderations API · 安全策略 · 业务分流 · AI 文本审核 误报 拒答 Moderations API
- AI 文本审核怎么区分拒答与误报:Moderations API 结果字段和业务分流
- 218浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- SuperCLUE
- SuperCLUE是权威的中文大语言模型综合评测基准,涵盖语言理解、知识应用、AI Agent智能体及安全性等12项核心能力。通过多轮对话与客观测试,定期发布榜单与技术报告,为模型研发、优化及行业选型提供科学依据。
- 121次使用
-
- C-Eval
- 深入了解C-Eval中文评估套件,涵盖52个学科与4级难度。本文详解其功能特点、Zero-shot/Few-shot使用方法及代码示例,助您全面评测LLM中文理解与泛化能力。
- 40次使用
-
- Google AI提示词库
- 探索Google Cloud官方生成式AI提示词库,提供免费、无需登录的中英双语Prompt模板。涵盖内容创作、代码优化、数据分析等场景,助您快速提升AI交互效率与质量。
- 18次使用
-
- Gradio
- Gradio是一个用于构建机器学习和数据科学Web应用的开源Python库。支持快速创建交互界面,获Google、Meta等大厂青睐,适合模型演示、部署反馈及调试。
- 123次使用
-
- AgentGPT
- 深入了解AgentGPT:一款基于浏览器的自主人工智能代理工具。本文解析其核心功能、技术栈、应用场景,并提供详细的在线使用及本地部署教程,助您高效利用AI自动化完成任务。
- 17次使用
-
- Go Excelize API源码阅读SetSheetViewOptions示例解析
- 2022-12-24 485浏览
-
- Go快速开发一个RESTfulAPI服务
- 2023-01-01 493浏览
-
- etcd通信接口之客户端API核心方法实战
- 2023-01-07 433浏览
-
- golangAPI请求队列的实现
- 2023-01-24 489浏览
-
- Go 通过 Map/Filter/ForEach 等流式 API 高效处理数据的思路详解
- 2022-12-28 267浏览

