用途：该技能面向使用 OpenAI AgentKit 平台与 Agents SDK 构建生产级多智能体系统的开发者，提供架构设计、编排、交接与例程方面的实践指导。
主要能力：介绍 AgentKit 的核心组件，包括 Agent Builder（可视化画布，用于创建和版本化多智能体工作流）、Connector Registry（数据与工具连接管理）、ChatKit（可嵌入的聊天式智能体体验）、Evaluation Suite（数据集、轨迹评分、提示自动优化）以及多模型支持。Agents SDK 是实验性 Swarm 框架的生产演进版本，生产工作应使用 Agents SDK，Swarm 仅用于教学；遇到遗留 Swarm 代码应立即迁移。
核心概念：Agent 封装指令（系统提示）、函数/工具以及向其他 Agent 交接执行的能力，设计上应轻量且专精。Routine 是智能体可自主执行的动作序列，包含自然语言指令、所需工具、上下文与状态管理及成功标准。Handoff 实现智能体之间的执行流转移，当任务超出当前智能体专长时交接给更合适的智能体。
架构模式：包括 Triage 模式（路由请求到专精子智能体）、顺序编排（多步骤工作流，每步由专家处理）和并行分解（协调者拆分任务，综合智能体汇总结果）。
最佳实践：智能体应聚焦单一职责、提供清晰指令、定义明确交接条件、使用描述性名称并在集成前单独测试；避免单体式全能智能体、智能体直接通信、过度拆分、忽略交接错误处理。例程应有清晰入口与出口条件、错误处理路径、所需上下文及成功指标。交接需明确触发条件、上下文传递、返回路径与失败处理。性能上应尽量减少 LLM 调用、按专长分配工具、降低延迟。
常见反模式：过度分解、循环交接、无状态智能体、边界不清。
评估与测试：关注任务完成率、响应时间、工具使用效率、交接准确率、端到端成功率、总延迟、单次交互成本与用户满意度；采用单元、集成与端到端测试。
生产部署：需监控智能体调用轨迹、交接决策日志、工具调用成功率、错误模式与延迟分布；安全上应最小权限、验证工具输入、清洗用户输入、限流与审计，并保护敏感数据。扩展可采用水平扩展与垂直优化。
集成与迁移：可与 Claude SDK、LangGraph、MCP 配合；从 Swarm 迁移到 Agents SDK 需替换 swarm.run()、更新智能体定义、迁移交接逻辑、增加错误处理与可观测性。
适用场景：基于 OpenAI 模型构建、需要可视化构建器、集成评估监控或偏好托管平台时选用 AgentKit；需要模型灵活性、复杂状态机、完全控制编排或使用 Anthropic 模型时考虑替代方案。
限制：资料未提供具体收费、价格与平台可用性信息；部分示例代码为示意，实际 API 以官方文档为准。