用于模型服务的 ResponsesAgent

MLflow 中的 ResponsesAgent 类为服务于处理结构化响应和工具调用能力的生成式 AI 模型提供了一个专门的接口。该代理旨在与 MLflow 的服务基础设施无缝协作，同时提供与 OpenAI 风格 API 的兼容性。

概述

ResponsesAgent 扩展了 MLflow 的 PyFunc 模型接口，以支持需要高级功能的对话式 AI 应用，例如多轮对话、工具调用、多代理编排，以及与 OpenAI 的 Responses API 和 MLflow 模型跟踪的兼容性。

📦 结构化请求/响应处理
🛠️ 工具调用与函数执行
💬 聊天历史管理
📊 Token 使用量跟踪
🤖 OpenAI API 兼容性
🔁 支持返回多条输出消息，包括工具调用的中间输出
👥 支持多代理场景
📚 与 MLflow 日志记录、追踪和模型服务兼容
🔗 确保与 OpenAI Responses API 的兼容性，以便与下游客户端和 UI 无缝集成

这使其成为构建和部署聊天机器人、虚拟助手和其他对话式 AI 应用的理想选择。

主要特性

结构化响应处理

ResponsesAgent 处理符合聊天补全标准的结构化输入和输出

消息：处理带有基于角色的消息（系统、用户、助手）的对话历史
工具调用：支持带有结构化参数的函数调用
使用量跟踪：监控 token 消耗和模型性能
元数据：捕获额外的上下文和配置

OpenAI API 兼容性

ResponsesAgent 的设计充分考虑了与 OpenAI API 的完全兼容性，允许与为 OpenAI 聊天补全 API 构建的现有应用程序和工具无缝集成。这种兼容性涵盖了请求格式、响应结构和 API 端点。

MLflow 集成

与 MLflow 生态系统完全集成，包括

📈 模型跟踪和版本控制
🧪 实验管理
🗃️ 模型注册表
🚀 部署选项

基本用法

实现 ResponsesAgent

入门

要创建您自己的代理，请子类化 mlflow.pyfunc.ResponsesAgent 并在 predict 方法中实现您的代理逻辑。该实现与框架无关，允许您使用任何代理创作框架。请注意，使用 ResponsesAgent 需要 pydantic>=2。有关实现示例，请参阅下面的简单聊天代理和工具调用代理。

创建代理输出

在实现您的代理时，您将使用两种主要的输出类型：ResponsesAgentResponse 和 ResponsesAgentStreamEvent。这些是您应该直接创建的唯一 pydantic 对象。mlflow.types.responses_helpers 中的其余类仅用于验证字典。

如果您想返回不符合标准接口的输出，可以使用 custom_outputs 字段。

以下是一些辅助方法，您可以在 ResponsesAgent 接口内使用它们来创建常见的输出

这是一个使用带有自定义输出的 ResponsesAgentResponse 的完整工具调用序列示例

from mlflow.pyfunc import ResponsesAgent
from mlflow.types.responses import ResponsesAgentRequest, ResponsesAgentResponse


class SimpleResponsesAgent(ResponsesAgent):
    @mlflow.trace(span_type=SpanType.AGENT)
    def predict(self, request: ResponsesAgentRequest) -> ResponsesAgentResponse:
        return ResponsesAgentResponse(
            output=[
                self.create_function_call_item(
                    id="fc_1",
                    call_id="call_1",
                    name="python_exec",
                    arguments='{"code":"result = 4 * 3\\nprint(result)"}',
                ),
                self.create_function_call_output_item(
                    call_id="call_1",
                    output="12\n",
                ),
                self.create_text_output_item(
                    text="The result of 4 * 3 in Python is 12.",
                    id="msg_1",
                ),
            ],
            custom_outputs={"key1": "custom-value1"},
        )

流式代理输出

对于实时处理，您可以使用流式事件而不是返回完整的响应。流式传输允许您在部分结果可用时发送它们，这对于长时间运行的操作或当您想向用户显示进度时非常有用。

基本文本流式传输

要在 ResponsesAgent 接口内流式传输文本，您应该

当块可用时，yield response.output_text.delta 事件
- 它必须有一个 item_id，将相关事件对应到单个输出项
yield 一个 response.output_item.done 事件来聚合所有块

from mlflow.types.responses import ResponsesAgentStreamEvent


class SimpleResponsesAgent(ResponsesAgent):
    # ... continuing from above
    @mlflow.trace(span_type=SpanType.AGENT)
    def predict_stream(
        self, request: ResponsesAgentRequest
    ) -> Generator[ResponsesAgentStreamEvent, None, None]:
        # stream text, all with the same item_id
        yield ResponsesAgentStreamEvent(
            **self.create_text_delta(delta="Hello", item_id="msg_1"),
        )
        yield ResponsesAgentStreamEvent(
            **self.create_text_delta(delta="world", item_id="msg_1"),
        )
        yield ResponsesAgentStreamEvent(
            **self.create_text_delta(delta="!", item_id="msg_1"),
        )

        # the text output item id should be the same
        # item_id as the streamed text deltas
        yield ResponsesAgentStreamEvent(
            type="response.output_item.done",
            item=self.create_text_output_item(
                text="Hello world!",
                id="msg_1",
            ),
        )

带流式传输的工具调用

您还可以流式传输工具调用及其结果。每个工具调用及其输出都作为单独的 response.output_item.done 事件发送。这使得 MLflow 追踪成为可能，并使客户端更容易重建流式消息历史。

from mlflow.types.responses import ResponsesAgentStreamEvent


class SimpleResponsesAgent(ResponsesAgent):
    # ... continuing from above
    @mlflow.trace(span_type=SpanType.AGENT)
    def predict_stream(
        self, request: ResponsesAgentRequest
    ) -> Generator[ResponsesAgentStreamEvent, None, None]:
        yield ResponsesAgentStreamEvent(
            type="response.output_item.done",
            item=self.create_function_call_item(
                id="fc_1",
                call_id="call_1",
                name="python_exec",
                arguments='{"code":"result = 4 * 3\\nprint(result)"}',
            ),
        )
        yield ResponsesAgentStreamEvent(
            type="response.output_item.done",
            item=self.create_function_call_output_item(
                call_id="call_1",
                output="12\n",
            ),
        )
        yield ResponsesAgentStreamEvent(
            type="response.output_item.done",
            item=self.create_text_output_item(
                text="The result of 4 * 3 in Python is 12.",
                id="msg_1",
            ),
        )

日志记录与服务

使用代码创建模型方法来记录您的代理。这种方法与框架无关，并支持所有创作框架

with mlflow.start_run():
    logged_agent_info = mlflow.pyfunc.log_model(
        python_model="agent.py",  # replace with your relative path to agent code
        name="agent",
    )

为方便使用，MLflow 内置了以下功能

自动模型签名推断
- 将设置一个遵循 ResponsesAgentRequest 和 ResponsesAgentResponse 模式的输入和输出签名
元数据
- {"task": "agent/v1/responses"} 将自动附加到您在记录模型时可能传入的任何元数据中
输入示例
- 提供输入示例是可选的，默认将使用 mlflow.types.responses.RESPONSES_AGENT_INPUT_EXAMPLE
- 如果您确实提供了输入示例，请确保它是一个符合 ResponsesAgentRequest 模式的字典

要测试 ResponsesAgent，您可以在记录它之前和之后传递一个遵循 ResponsesAgentRequest 模式的单个输入字典

import mlflow

# load it back from mlflow
loaded_model = mlflow.pyfunc.load_model(logged_agent_info.model_uri)
loaded_model.predict(
    {
        "input": [{"role": "user", "content": "what is 4*3 in python"}],
        "context": {"conversation_id": "123", "user_id": "456"},
    }
)

要服务模型，请参阅服务选项以获取详细说明。

示例

简单聊天示例

这是一个代理示例，它使用一个简单的工具调用 OpenAI 的 gpt-4o 模型

# uncomment below if running inside a jupyter notebook
# %%writefile agent.py
import os
from typing import Generator

import mlflow
from mlflow.entities.span import SpanType
from mlflow.models import set_model
from mlflow.pyfunc.model import ResponsesAgent
from mlflow.types.responses import (
    ResponsesAgentRequest,
    ResponsesAgentResponse,
    ResponsesAgentStreamEvent,
)
from openai import OpenAI


class SimpleResponsesAgent(ResponsesAgent):
    def __init__(self, model: str):
        self.client = OpenAI()
        self.model = model

    @mlflow.trace(span_type=SpanType.AGENT)
    def predict(self, request: ResponsesAgentRequest) -> ResponsesAgentResponse:
        response = self.client.responses.create(input=request.input, model=self.model)
        return ResponsesAgentResponse(**response.to_dict())

    @mlflow.trace(span_type=SpanType.AGENT)
    def predict_stream(
        self, request: ResponsesAgentRequest
    ) -> Generator[ResponsesAgentStreamEvent, None, None]:
        for event in self.client.responses.create(
            input=request.input, stream=True, model=self.model
        ):
            yield ResponsesAgentStreamEvent(**event.to_dict())


mlflow.openai.autolog()
agent = SimpleResponsesAgent(model="gpt-4o")
set_model(agent)

工具调用示例

这是一个代理示例，它使用一个简单的工具调用 OpenAI 的 gpt-4o 模型

# uncomment below if running inside a jupyter notebook
# %%writefile agent.py
import json
from typing import Any, Callable, Generator
import os
from uuid import uuid4

import backoff
import mlflow
import openai
from mlflow.entities import SpanType
from mlflow.pyfunc import ResponsesAgent
from mlflow.types.responses import (
    ResponsesAgentRequest,
    ResponsesAgentResponse,
    ResponsesAgentStreamEvent,
)
from openai import OpenAI
from pydantic import BaseModel


class ToolInfo(BaseModel):
    """
    Class representing a tool for the agent.
    - "name" (str): The name of the tool.
    - "spec" (dict): JSON description of the tool (matches OpenAI Responses format)
    - "exec_fn" (Callable): Function that implements the tool logic
    """

    name: str
    spec: dict
    exec_fn: Callable


class ToolCallingAgent(ResponsesAgent):
    """
    Class representing a tool-calling Agent
    """

    def __init__(self, model: str, tools: list[ToolInfo]):
        """Initializes the ToolCallingAgent with tools."""
        self.model = model
        self.client: OpenAI = OpenAI()
        self._tools_dict = {tool.name: tool for tool in tools}

    def get_tool_specs(self) -> list[dict]:
        """Returns tool specifications in the format OpenAI expects."""
        return [tool_info.spec for tool_info in self._tools_dict.values()]

    @mlflow.trace(span_type=SpanType.TOOL)
    def execute_tool(self, tool_name: str, args: dict) -> Any:
        """Executes the specified tool with the given arguments."""
        return self._tools_dict[tool_name].exec_fn(**args)

    @backoff.on_exception(backoff.expo, openai.RateLimitError)
    @mlflow.trace(span_type=SpanType.LLM)
    def call_llm(self, input_messages) -> ResponsesAgentStreamEvent:
        return (
            self.client.responses.create(
                model=self.model,
                input=input_messages,
                tools=self.get_tool_specs(),
            )
            .output[0]
            .model_dump(exclude_none=True)
        )

    def handle_tool_call(self, tool_call: dict[str, Any]) -> ResponsesAgentStreamEvent:
        """
        Execute tool calls and return a ResponsesAgentStreamEvent w/ tool output
        """
        args = json.loads(tool_call["arguments"])
        result = str(self.execute_tool(tool_name=tool_call["name"], args=args))

        tool_call_output = {
            "type": "function_call_output",
            "call_id": tool_call["call_id"],
            "output": result,
        }
        return ResponsesAgentStreamEvent(
            type="response.output_item.done", item=tool_call_output
        )

    def call_and_run_tools(
        self,
        input_messages,
        max_iter: int = 10,
    ) -> Generator[ResponsesAgentStreamEvent, None, None]:
        for _ in range(max_iter):
            last_msg = input_messages[-1]
            if (
                last_msg.get("type", None) == "message"
                and last_msg.get("role", None) == "assistant"
            ):
                return
            if last_msg.get("type", None) == "function_call":
                tool_call_res = self.handle_tool_call(last_msg)
                input_messages.append(tool_call_res.item)
                yield tool_call_res
            else:
                llm_output = self.call_llm(input_messages=input_messages)
                input_messages.append(llm_output)
                yield ResponsesAgentStreamEvent(
                    type="response.output_item.done",
                    item=llm_output,
                )

        yield ResponsesAgentStreamEvent(
            type="response.output_item.done",
            item={
                "id": str(uuid4()),
                "content": [
                    {
                        "type": "output_text",
                        "text": "Max iterations reached. Stopping.",
                    }
                ],
                "role": "assistant",
                "type": "message",
            },
        )

    @mlflow.trace(span_type=SpanType.AGENT)
    def predict(self, request: ResponsesAgentRequest) -> ResponsesAgentResponse:
        outputs = [
            event.item
            for event in self.predict_stream(request)
            if event.type == "response.output_item.done"
        ]
        return ResponsesAgentResponse(
            output=outputs, custom_outputs=request.custom_inputs
        )

    @mlflow.trace(span_type=SpanType.AGENT)
    def predict_stream(
        self, request: ResponsesAgentRequest
    ) -> Generator[ResponsesAgentStreamEvent, None, None]:
        input_messages = [{"role": "system", "content": SYSTEM_PROMPT}] + [
            i.model_dump() for i in request.input
        ]
        yield from self.call_and_run_tools(input_messages=input_messages)


tools = [
    ToolInfo(
        name="get_weather",
        spec={
            "type": "function",
            "name": "get_weather",
            "description": "Get current temperature for provided coordinates in celsius.",
            "parameters": {
                "type": "object",
                "properties": {
                    "latitude": {"type": "number"},
                    "longitude": {"type": "number"},
                },
                "required": ["latitude", "longitude"],
                "additionalProperties": False,
            },
            "strict": True,
        },
        exec_fn=lambda latitude, longitude: 70,  # dummy tool implementation
    )
]

os.environ["OPENAI_API_KEY"] = "your OpenAI API key"

SYSTEM_PROMPT = "You are a helpful assistant that can call tools to get information."
mlflow.openai.autolog()
AGENT = ToolCallingAgent(model="gpt-4o", tools=tools)
mlflow.models.set_model(AGENT)

服务选项

本地服务
Docker 部署
Databricks 模型服务

启动本地服务器进行开发和测试

mlflow models serve -m models:/<model_id> -p 5000

测试已服务的模型

import requests

response = requests.post(
    "https://:5000/invocations",
    json={"messages": [{"role": "user", "content": "What's the weather like?"}]},
)

print(response.json())

mlflow models build-docker -m runs:/<run_id>/responses_agent -n my-responses-agent
docker run -p 5000:8080 my-responses-agent

注意

端点创建和管理功能在 Databricks 的托管 MLflow 服务中可用，但在开源 MLflow 中不可用。

先决条件：将已记录的模型注册到 Databricks-UC 中

import mlflow

mlflow.register_model("model:/<model_id>", "<catalog>.<schema>.<model_name>")

对于 Databricks 上的托管 MLflow，ResponsesAgent 模型与 Databricks 模型服务无缝集成

from mlflow.deployments import get_deploy_client

client = get_deploy_client("databricks")
endpoint = client.create_endpoint(
    name="unity-catalog-model-endpoint",
    config={
        "served_entities": [
            {
                "name": "ads-entity",
                "entity_name": "catalog.schema.my-ads-model",
                "entity_version": "3",
                "workload_size": "Small",
                "scale_to_zero_enabled": True,
            }
        ],
        "traffic_config": {
            "routes": [
                {"served_model_name": "my-ads-model-3", "traffic_percentage": 100}
            ]
        },
    },
)

模式与类型

ResponsesAgent 使用结构化模式处理请求和响应，请查看 ResponsesAgentRequest 和 ResponsesAgentResponse 以了解详细结构。

# Example Request schema
{
    "input": [
        {
            "role": "user",
            "content": "What is the weather like in Boston today?",
        }
    ],
    "tools": [
        {
            "type": "function",
            "name": "get_current_weather",
            "parameters": {
                "type": "object",
                "properties": {"location": {"type": "string"}},
                "required": ["location", "unit"],
            },
        }
    ],
}

# Example Response schema
{
    "output": [
        {
            "type": "message",
            "id": "some-id",
            "status": "completed",
            "role": "assistant",
            "content": [
                {
                    "type": "output_text",
                    "text": "rainy",
                }
            ],
        }
    ],
}

故障排除

常见问题

导入错误：确保所有依赖项都包含在 conda 环境中
模式验证：验证输入/输出格式是否与预期模式匹配
模型记录问题：使用 models from code 功能来记录模型
缺少追踪：通过 mlflow..autolog 或使用 mlflow.start_span 手动追踪来启用追踪

调试

如果您的模型被追踪，启用追踪 以进行故障排除

import mlflow

# enable autologging if your agent internally uses MLflow tracing-supported libraries internally, such as LangChain, OpenAI, etc.
# mlflow.<flavor>.autolog()

# Test your agent locally before serving
agent = MyResponsesAgent()
agent.predict(
    {
        "input": [{"role": "user", "content": "what is 4*3 in python"}],
        "context": {"conversation_id": "123", "user_id": "456"},
    }
)

概述​

主要特性​

结构化响应处理​

OpenAI API 兼容性​

MLflow 集成​

基本用法​

实现 ResponsesAgent​

入门​

创建代理输出​

流式代理输出​

基本文本流式传输​

带流式传输的工具调用​

日志记录与服务​

示例​

简单聊天示例​

工具调用示例​

服务选项​

模式与类型​

故障排除​

常见问题​

调试​

概述