用途：本技能面向使用 OpenAI AgentKit 平台与 Agents SDK 构建生产级多智能体系统的开发者，提供 2025 年最佳实践指导。
平台组成：AgentKit 包含 Agent Builder（可视化画布，用于创建和版本化多智能体工作流）、Connector Registry（集中管理数据与工具连接）、ChatKit（可嵌入的定制聊天式智能体体验）、Evaluation Suite（数据集、trace 评分、自动提示优化）以及多模型支持。Agents SDK 是实验性 Swarm 框架的生产级演进，生产工作应使用 Agents SDK，Swarm 仅供学习；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 移交执行的能力，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切换，当任务超出当前智能体专长时移交给更合适的智能体。
架构模式：Triage 模式用于将请求路由到专精子智能体；Sequential Orchestration 用于每步由专家处理的多步工作流；Parallel Decomposition 用于将复杂任务拆分为并行子任务再由综合智能体汇总。
最佳实践：保持智能体职责单一、指令明确、handoff 条件显式、命名具描述性，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 handoff 错误处理。Routine 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。Handoff 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：过度拆分、循环 handoff、无状态智能体、职责边界不清。
评估与测试：关注任务完成率、响应时间、工具使用效率、handoff 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。
部署与安全：需监控智能体调用链、handoff 决策日志、工具调用成功率、错误模式与延迟分布；工具权限最小化、校验输入、限流、审计，并保护敏感数据与凭据。
集成与迁移：可与 Claude SDK、LangGraph、MCP 配合；从 Swarm 迁移需替换 swarm.run()、更新智能体定义、迁移 handoff 逻辑并加入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、复杂状态机或完全控制编排时可考虑替代方案。
限制：资料未提供具体收费、价格与平台可用性信息。