Totemize
  • Rutas totémicas
  • Precios
  • Quiénes somos
Iniciar sesiónÚnete gratis
Únete gratis
Ctrl+K
Modelo mental
  • Base de conocimiento
  • Cloud
    • Azure
      • Web Apps
        • App Service
        • App Service Plan
        • Configuración
        • Managed Identity
        • Deployment Slots
        • Networking
        • Observabilidad
      • Storage Accounts
        • Blob Storage
        • Containers
        • Azure Files
        • Queue Storage
        • Table Storage
        • Redundancia
        • Access Tiers
        • Lifecycle Management
        • Seguridad y red
  • Frontend
    • React
      • Componentes
      • Props y Estado
      • Hooks
      • Renderizado de listas
  • IA
    • Fundamentos
      • Determinismo y probabilismo
      • LLM
      • Proveedor
      • Modelos fundacionales
      • Plataforma
      • Mapa del ecosistema
      • Entrenamiento y fine-tuning
      • Tokens
      • Ventana de contexto
      • Inferencia y sampling
      • Alucinaciones y límites
    • Interacción con el modelo
      • Prompts e instrucciones
      • Context engineering
      • Salidas estructuradas
      • Validación
      • Evaluaciones
      • Tool calling
    • Economía de uso
      • API pricing
      • Tokens de entrada y salida
      • Tokens en caché
      • Créditos
      • Suscripciones
      • Límites de uso
      • Selección de modelo
    • Recuperación de conocimiento
      • Vectores
      • Embeddings
      • Chunking
      • Bases de datos vectoriales
      • Búsqueda semántica
      • Búsqueda híbrida y reranking
      • Retrieval
      • RAG
      • Citas y grounding
      • LlamaIndex
    • Agentes
      • Workflows
      • Anatomía de un agente
      • Harness
      • Agentic loop
      • Planificación y human-in-the-loop
      • Memory
      • Permisos
      • Verification
      • MCP
      • Orquestación
      • Multiagentes
      • A2A
      • Frameworks de agentes
        • Microsoft Agent Framework
        • OpenAI Agents SDK
        • Google ADK
        • LangGraph
    • Coding agents
      • Skills
      • Spec-Driven Development
      • Claude Code
        • CLAUDE.md
        • Commands
        • Hooks
        • Plugins
        • Permisos
        • Subagents
      • Codex
        • CLI
        • Extensión de IDE
        • Codex app
        • Cloud
        • AGENTS.md
        • Worktrees
      • Cursor
        • Agent mode
        • Rules
        • Models
        • Precio por uso
  • Soporte
  • Comentarios
  1. IA
  2. Agentes
  3. Frameworks
Árbol de habilidades

OpenAI Agents SDK

1 min de lecturaActualizado el 9 jul 2026

OpenAI Agents SDK ofrece primitivas pequeñas para ejecutar agentes: un Agent configura instrucciones, modelo y tools; un Runner administra turnos, tool calls y resultado final. Para modelos de OpenAI usa Responses API por defecto y añade orquestación alrededor de esa llamada.

Las primitivas

  • Agents: modelo, instrucciones, output type, tools y comportamiento.
  • Runner: ejecuta el loop, streaming y límites de la corrida.
  • Tools: funciones locales, capacidades hospedadas, MCP y agentes usados como tools.
  • Handoffs: transfieren la conversación a otro agente especializado.
  • Guardrails: revisan entrada, salida o tool calls según la superficie.
  • Sessions: conservan historial y estado conversacional.
  • Tracing: registra generaciones, tools, handoffs, guardrails y eventos personalizados.

La diferencia entre «agente como tool» y handoff importa: en el primer patrón un coordinador conserva el control; en el segundo cambia el agente que conduce la conversación.

Cuándo encaja

  • ya usas OpenAI y quieres una capa ligera sobre Responses API;
  • necesitas tools, handoffs y trazas sin construir el loop desde cero;
  • el flujo cabe en un runtime de aplicación;
  • valoras un modelo de programación pequeño frente a un grafo explícito.

Cuándo mirar otra capa

Los procesos durables de muchas horas, la reanudación tras fallos y los workflows de negocio complejos pueden necesitar un orquestador adicional. Del mismo modo, un único modelo con tools no requiere varios agentes sólo porque el SDK los soporte.

Seguridad y observabilidad

Los guardrails no reemplazan autorización. Valida argumentos y permisos justo antes de ejecutar una tool. Revisa además qué contenido sensible entra en las trazas y dónde se exporta. Las sesiones guardan conversación; no son por sí solas memoria de negocio ni fuente de verdad.

[!NOTE] Las APIs del SDK evolucionan. Verifica ejemplos y opciones en la documentación oficial de OpenAI Agents SDK .

Temas relacionados

Materializa Agentic loop, Tool calling y Orquestación. Compara handoffs con Multiagentes antes de multiplicar roles.