Cách xây dựng Trợ lý nghiên cứu đa tác nhân bằng Python

Cách xây dựng Trợ lý nghiên cứu đa tác nhân bằng Python Bởi Abid Ali Awan vào ngày 21/5/2026 trong Trí tuệ nhân tạo 0 Chia sẻ Đăng Chia sẻ Trong bài viết này, bạn sẽ tìm hiểu cách xây dựng một trợ lý nghiên cứu AI đa tác nhân sử dụng OpenAI Agents SDK, mô hình GPT-5.4 mini và Olostep Web API, bao gồm cách kết nối một tác nhân quản lý, các tác nhân phụ chuyên biệt và các công cụ web trực tiếp để tạo ra các báo cáo nghiên cứu có cấu trúc, dựa trên nguồn. Các chủ đề chúng ta sẽ đề cập bao gồm: Cách định nghĩa một tác nhân quản lý điều phối một tác nhân đánh giá và một tác nhân phân tích để thu thập và đánh giá bằng chứng một cách tuần tự. Cách tích hợp các API Answer, Search, Search-with-Scrape và Scrape của Olostep làm công cụ có thể gọi được trong quy trình làm việc của OpenAI Agents SDK. Cách đưa trợ lý nghiên cứu đã hoàn thành ra dưới dạng một ứng dụng web tương tác được xây dựng bằng Reflex, hoàn chỉnh với tính năng xuất PDF. Cách xây dựng Trợ lý nghiên cứu đa tác nhân bằng Python Giới thiệu Tôi đã thử nghiệm với OpenAI Agents SDK và nó nhanh chóng trở thành một trong những cách yêu thích của tôi để xây dựng các ứng dụng AI tác nhân. Điều nổi bật đối với tôi là sự đơn giản trong việc tạo ra một quy trình làm việc đa tác nhân: bạn định nghĩa một tác nhân quản lý, kết nối nó với các tác nhân phụ chuyên biệt và các công cụ, sau đó để nó quyết định cách hoàn thành nhiệm vụ. Tác nhân quản lý có thể ủy quyền công việc cho các tác nhân khác, gọi trực tiếp các công cụ và điều phối toàn bộ quá trình nghiên cứu. Điều này giúp xây dựng các ứng dụng AI có thể làm được nhiều hơn là chỉ tạo văn bản — chúng có thể tìm kiếm trên web, thu thập thông tin, tổ chức các phát hiện và tạo ra các kết quả có cơ sở. Trong hướng dẫn này, chúng ta sẽ xây dựng một trợ lý nghiên cứu AI đa tác nhân sử dụng OpenAI Agents SDK, mô hình GPT-5.4 mini và Olostep Web API. Trợ lý sẽ tạo ra một báo cáo nghiên cứu có cấu trúc, dựa trên dữ liệu web, dễ đọc và được tạo ra chỉ trong vài giây. Hướng dẫn cũng bao gồm toàn bộ mã nguồn, một ứng dụng web và một liên kết đến phiên bản đã triển khai để bạn có thể tự kiểm tra hệ thống. Đến cuối cùng, bạn sẽ hiểu cách nhiều tác nhân có thể làm việc cùng nhau để tạo ra một trợ lý nghiên cứu thực tế từ đầu. 1. Thiết lập môi trường Trước khi xây dựng trợ lý nghiên cứu đa tác nhân, chúng ta cần thiết lập môi trường Python và cấu hình các khóa API cần thiết. Chúng ta sẽ sử dụng bốn gói chính: openai-agents để xây dựng và chạy quy trình làm việc đa tác nhân olostep để truy cập dữ liệu web trực tiếp pydantic để định nghĩa các đầu ra có cấu trúc python-dotenv để tải các khóa API từ tệp .env Chạy lệnh sau để cài đặt các gói cần thiết: pip install -q -U openai-agents olostep python-dotenv pydantic Tiếp theo, tạo một tệp .env trong thư mục dự án của bạn. Tệp này sẽ lưu trữ các khóa API của bạn một cách an toàn, vì vậy bạn không cần phải mã hóa chúng trong sổ tay hoặc ứng dụng của mình. OPENAI_API_KEY=your_openai_api_key OLOSTEP_API_KEY=your_olostep_api_key Bạn có thể tạo khóa OpenAI API của mình từ Nền tảng OpenAI. Đăng nhập vào tài khoản OpenAI của bạn, vào phần khóa API và tạo một khóa mới cho dự án này. Đảm bảo tài khoản OpenAI API của bạn đã bật thanh toán và có ít nhất 5 USD tín dụng khả dụng trước khi chạy các ví dụ. Bạn cũng có thể cần hoàn tất xác minh tài khoản để truy cập các mô hình mới nhất. Đối với Olostep, hãy tạo một tài khoản miễn phí từ trang web Olostep và tạo khóa API từ bảng điều khiển của bạn. Gói miễn phí bao gồm 500 yêu cầu thành công mà không cần thẻ tín dụng, đủ để kiểm tra trợ lý nghiên cứu trong hướng dẫn này. Khi khóa của bạn đã sẵn sàng, chúng ta sẽ bắt đầu trong Jupyter Notebook bằng cách nhập các thư viện cần thiết và tải các biến môi trường. Thiết lập này chuẩn bị cho notebook làm việc với OpenAI, Olostep, các đầu ra có cấu trúc và theo dõi. ```python import json import os from datetime import datetime from typing import Any from dotenv import load_dotenv from IPython.display import Markdown, display from olostep import Olostep from pydantic import BaseModel, Field from agents import ( Agent, Runner, custom_span, flush_traces, function_tool, gen_trace_id, trace, ) load_dotenv() OPENAI_API_KEY = os.getenv("OPENAI_API_KEY") OLOSTEP_API_KEY = os.getenv("OLOSTEP_API_KEY") ``` 2. Kiểm tra tìm kiếm Olostep với tính năng cạo dữ liệu (Scraping) Trước khi xây dựng quy trình làm việc đa tác nhân hoàn chỉnh, việc kiểm tra xem Olostep có thể tìm kiếm web và cạo dữ liệu từ các trang được trả về thành công hay không là rất hữu ích. Bước này xác nhận rằng khóa API của bạn đang hoạt động và các kết quả tìm kiếm bao gồm đủ nội dung trang để phân tích tiếp theo. API Tìm kiếm Olostep đặc biệt hữu ích vì nó có thể trả về kết quả tìm kiếm với tùy chọn cạo dữ liệu tích hợp. Thay vì chỉ nhận tiêu đề trang, đoạn trích và liên kết, bạn có thể yêu cầu Olostep cạo dữ liệu từ các URL được trả về và cung cấp nội dung được trích xuất ở các định dạng như Markdown. Điều này có nghĩa là tác nhân có thể làm việc trực tiếp với nội dung trang chất lượng cao, thay vì chỉ dựa vào các đoạn trích tìm kiếm. Nó cũng tiết kiệm thời gian vì bạn không cần tự xây dựng một quy trình tìm kiếm và cạo dữ liệu riêng biệt. ```python client = Olostep(api_key=OLOSTEP_API_KEY) search = client.searches.create( query="What are the most important recent developments in AI agents for business research?", limit=5, scrape_options={"formats": ["m ```