本文为Agentic AI所需的大模型 API调用 的一些API示范，注重于使用SCNet以及DeepSeek的基于OpenAI 以及 OpenAI SDK 的 API调用。本文为公益类代码，由DeepSeek辅助生成，经过实例测试。

有关SCNet和DeepSeek API的调用，见原文https://blog.csdn.net/YucongCai/article/details/159774133?spm=1001.2014.3001.5502https://blog.csdn.net/YucongCai/article/details/159774133?spm=1001.2014.3001.5502

1. 在安装OpenAI agents library

pip install openai python-dotenv openai-agents

2. 在前文所示获取API Key并保存入".env" 文件后，可以调用大模型的API。

DeepSeek

import os
from dotenv import load_dotenv
from openai import AsyncOpenAI
from agents import Agent, Runner, OpenAIChatCompletionsModel
from agents import set_tracing_disabled

load_dotenv(override=True)

# Disable tracing (not needed for DeepSeek)
set_tracing_disabled(True)
# OPENAI_AGENTS_DISABLE_TRACING=1

# 1. Configure DeepSeek client
client = AsyncOpenAI(
    api_key=os.getenv('DEEPSEEK_API_KEY'),   # Your DeepSeek API key
    base_url="https://api.deepseek.com/v1"
)

SCNet

# Initialize SCNet client
client = AsyncOpenAI(
    api_key=os.getenv("SCNET_API_KEY"),
    base_url="https://api.scnet.cn/api/llm/v1"
)

注意，与前文不同的是，本文采用了AsyncOpenAI功能，这一功能有Non blocking 特性，可在不增加线程，即在同一线程下，模拟多线程形式，以方便处理IO延迟较大的API调用。

3. 为了保持与OpenAI的GPT系列模型调用的一致性，需要使用“OpenAIChatCompletionsModel” 功能，接入OpenAI SDK生态。在此生态下，大模型的输入和输出为特定的json formate, 并且支持 function_call 等原生调用。相关构架已成为国际通行标准，国内主流大模型，如 DeepSeek Minimax Moonshot AI(Kimi) Zhipu AI(GLM) ByteDance(Doubao) Baidu(ERNIE) 等，都已完全支持相关功能并作为统一标准化接口，为当前Agentic AI 以及国内大模型服务的基础性构架，且暂无替代需求，可较为稳定地使用。

DeepSeek

# 2. Wrap it with the bridge class
model = OpenAIChatCompletionsModel(
    model="deepseek-chat",   # or "deepseek-reasoner" (note: reasoner doesn't support tools)
    openai_client=client
)

SCNet

# 2. Wrap it with the bridge class
model = OpenAIChatCompletionsModel(
    model="DeepSeek-R1-0528",   # or "Qwen3-30B-A3B" etc.
    openai_client=client
)

4. 定义Agent，其特性由instruction（即“system”）

# 3. Create your agent with this model
agent = Agent(
    name="Albert Einstein",
    instructions="You are an insightful academician.",   # fixed typo
    model=model,
)

5. 定义一个async function并且使用await 让AI Agent 处理一个事项。

# 4. Define the async function
async def main():
    result = await Runner.run(agent, "Explain the theory of relativity in simple terms.")
    print(result.final_output)

# 5. In Jupyter, directly await the main function
await main()

至此，一个简单的使用OpenAI SDK定义并使用一个简单的AI Agent便完成了。

我在找工作，HR或项目合作请联系：yucongcai_business@outlook.com
与科研相关的请联系：yucongcai_research@outlook.com