agents

几行代码搭出能听会说的实时语音 AI 助手

agents 是 OpenAI 推出的开源 Python 框架，用于构建实时语音 AI 智能体。它解决的核心问题是：开发者通常需要自己拼接语音识别、大模型推理、语音合成、打断处理、多轮对话状态管理等环节，工程量大且延迟难以控制。该框架把这些能力封装成可组合的 Agent、工具调用、会话与音频管道抽象，支持实时语音输入输出、函数调用、多智能体协作与人工介入，并可与 WebRTC、电话等实时传输层对接。开发者只需定义指令、工具和语音配置，就能快速搭建能听、能说、能调用外部服务的语音助手，同时保留对底层模型和音频流的控制权，适合做客服、语音助手、实时交互类产品原型与生产落地。

开源 freemium 开发框架

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 14229

维护状态活跃

是否开源是

定价模式 freemium

项目数据

分类开发框架

开发团队livekit

所属国家

官网地址https://docs.livekit.io/agents

GitHubhttps://github.com/livekit/agents

定价模式freemium

价格说明开源框架免费，LiveKit Cloud 提供免费额度及付费套餐

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型agents,ai,openai,real-time,video,voice

GitHub 星标★ 14229

30天Star增速

HF 下载量

上线时间2023-10-19 00:00:00

最近更新2026-09-16 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-12

浏览次数1

使用教程

难度：入门约 15 分钟部署方式：库/依赖 4 步

环境要求

Python 环境（建议 3.9 及以上）
可用的 pip 包管理器
需要访问 LiveKit 服务与模型提供商的 API Key

安装与启动步骤

1安装核心库与插件

安装 livekit-agents 核心库，并按需选择模型提供商插件，如 openai、deepgram、cartesia。
```
pip install "livekit-agents[openai,deepgram,cartesia]"
```
2编写 Agent 脚本

README 未给出完整示例代码，需按官方文档定义指令、工具与语音配置，保存为 myagent.py。
3开发模式运行调试

开发阶段用 uv 同步全部依赖与开发工具，便于本地调试和热重载。
```
uv sync --all-extras --dev
```
4生产模式启动

以生产优化配置启动 Agent，脚本名替换为你自己的文件名。
```
python myagent.py start
```

关键配置

配置项	必填	说明	示例
`OPENAI_API_KEY`	是	调用 OpenAI 模型所需的密钥	`sk-xxxxxxxx`
`LIVEKIT_URL`	是	LiveKit 服务地址，用于接入实时传输	`wss://your-project.livekit.cloud`
`LIVEKIT_API_KEY`	是	LiveKit 项目 API Key	`APIxxxxxxxx`
`LIVEKIT_API_SECRET`	是	LiveKit 项目 API Secret	`xxxxxxxxxxxxxxxx`

如何确认成功

终端无报错且日志显示 Agent 已注册并连接到 LiveKit 房间，即可在客户端通话验证。

常见问题

Q：必须用 uv 吗？

A：不是，生产运行用 python myagent.py start 即可；uv 仅用于开发环境同步依赖。

Q：需要哪些插件？

A：按模型提供商选择，例如 openai、deepgram、cartesia，可只装用到的，也可留空只装核心库。

Q：README 里有完整示例代码吗？

A：README 的 Usage 章节为空，需参考官网 docs.livekit.io/agents 获取示例与配置细节。

注意事项

README 未提供完整 Agent 示例代码，请以官方文档为准
命令中的 myagent.py 为占位文件名，需替换为你的脚本名
JS/TS 版本请使用另一个仓库 livekit/agents-js
生产环境建议配置好 LiveKit 与模型提供商的密钥后再启动

核心亮点

把语音识别、大模型、语音合成、打断处理打包成可组合抽象，显著降低实时语音 Agent 的开发门槛
原生支持函数调用、多智能体交接和人工介入，适合构建有工具能力的复杂语音工作流
与 OpenAI 实时 API 及 WebRTC、电话等传输层集成，方便从原型走向真实通话场景

不足之处

对 OpenAI 实时模型依赖较强，换用其他模型或自建语音栈时需要较多适配工作
实时语音与电话集成涉及音频流和网络细节，调试与延迟优化门槛不低

适用场景

搭建可实时对话的语音客服或语音助手原型
为现有应用加入能调用外部工具的电话/语音交互入口
研究和实验多智能体语音协作、打断与人工接管等交互模式

替代项目

Pipecat、LiveKit Agents

项目介绍

agents 是一个开发框架领域的开源项目，官方简介：A framework for building realtime voice AI agents ️。项目使用 Python 开发，在 GitHub 上获得 14142 星标。

上一篇：ten-framework

下一篇：ai-agent-skills