Agents SDK : installation et premier agent

Place au code. Vous allez installer le SDK officiel d’OpenAI pour les agents, créer un premier agent fonctionnel en Python, puis découvrir les trois modes d’exécution que vous utiliserez ensuite tout au long de la formation.

Prérequis

Trois choses suffisent : Python 3.10+ installé sur votre machine, un compte OpenAI doté d’une clé API active, et un éditeur de code — VS Code est recommandé, mais n’importe quel éditeur avec la coloration Python fera l’affaire.

Installation

Le package s’appelle openai-agents. Attention au nom : openai seul installe le client API classique, pas le SDK agents.

pip install openai-agents

Ce package installe automatiquement les dépendances nécessaires, dont le SDK OpenAI Python. Configurez ensuite votre clé API comme variable d’environnement, que le SDK lit sans configuration supplémentaire.

export OPENAI_API_KEY="sk-proj-votre-cle-api"

Cette commande ne survit pas à la fermeture du terminal, et vous n’avez évidemment aucune envie d’écrire la clé en dur dans votre code. Pour un projet structuré, utilisez un fichier .env avec python-dotenv, et ajoutez ce fichier à votre .gitignore dès le premier commit.

pip install python-dotenv

# .env
OPENAI_API_KEY=sk-proj-votre-cle-api

Votre premier agent

Créez un fichier mon_premier_agent.py :

from agents import Agent, Runner

agent = Agent(
    name="Assistant",
    instructions="Vous êtes un assistant serviable. Répondez en français de manière concise.",
    model="gpt-5.6-terra",
)

result = Runner.run_sync(agent, "Expliquez-moi ce qu'est un agent IA en 3 phrases.")
print(result.final_output)

Exécutez-le :

python mon_premier_agent.py

Vous venez de créer et exécuter votre premier agent. Il est simple — pas d’outils, pas de guardrails — mais c’est la base sur laquelle tout le reste se construit : les leçons suivantes ne feront qu’enrichir ces deux objets, Agent et Runner.

Exécution asynchrone

run_sync bloque le thread courant jusqu’à la réponse. Dans un script de test, cela n’a aucune importance ; dans un serveur web qui traite cent requêtes simultanées, cela devient rédhibitoire. En production, vous utiliserez donc le mode asynchrone.

import asyncio
from agents import Agent, Runner

agent = Agent(
    name="Assistant async",
    instructions="Vous êtes un assistant. Répondez en français.",
    model="gpt-5.6-terra",
)

async def main():
    result = await Runner.run(agent, "Quels sont les avantages de Python pour l'IA ?")
    print(result.final_output)

asyncio.run(main())

Runner.run() est la version asynchrone, Runner.run_sync() est le wrapper synchrone qui l’appelle pour vous. Avec FastAPI ou tout autre framework async, utilisez toujours Runner.run().

Exécution en streaming

Reste un troisième mode, indispensable dès qu’un humain attend devant l’écran. Le streaming affiche la réponse au fur et à mesure qu’elle est générée, token par token.

import asyncio
from agents import Agent, Runner

agent = Agent(
    name="Assistant streaming",
    instructions="Vous êtes un assistant. Répondez en français.",
    model="gpt-5.6-terra",
)

async def main():
    result = Runner.run_streamed(agent, "Racontez une brève histoire sur l'IA.")
    async for event in result.stream_events():
        if event.type == "raw_response_event":
            if hasattr(event.data, "delta") and event.data.delta:
                print(event.data.delta, end="", flush=True)
    print()  # Nouvelle ligne à la fin

asyncio.run(main())

La boucle async for consomme un flux d’événements ; ici, on filtre les événements bruts du modèle pour n’afficher que les fragments de texte. Le streaming est essentiel pour l’expérience utilisateur : personne ne veut attendre 10 secondes devant un écran blanc.

Structure d’un projet agent

Un agent de production ne tient pas dans un fichier unique. Séparez la définition de l’agent, celle des outils et les tests dès le départ, faute de quoi le fichier main.py devient vite illisible.

mon-projet-agent/
├── .env                 # Clé API
├── requirements.txt     # Dépendances
├── agents/
│   ├── __init__.py
│   ├── assistant.py     # Définition de l'agent
│   └── tools.py         # Définition des outils
├── main.py              # Point d'entrée
└── tests/
    └── test_agent.py    # Tests

# requirements.txt
openai-agents>=0.1.0
python-dotenv>=1.0.0

Points clés à retenir

Installez le SDK avec pip install openai-agents
Configurez OPENAI_API_KEY en variable d’environnement
Runner.run_sync() pour le développement, Runner.run() en production async
Runner.run_streamed() pour le streaming en temps réel
Structurez votre projet avec des dossiers séparés pour agents, tools et tests