StreamingAgent 运行与 Agent 相同的循环，并把每一步作为事件报告出来。
for await (const event of agent.runStream('How many words are in this sentence?')) {
if (event.type === 'assistant_message') {
render(event.content);
}
}
事件
type |
字段 | 触发时机 |
|---|---|---|
iteration_start |
iteration |
每次调用模型之前 |
model_thinking |
— | 请求已发出 |
assistant_message |
content、toolCalls |
每个文本增量。content 是本轮迭代到目前为止的文本。 |
tool_start |
toolName |
工具执行之前 |
tool_result |
toolName、result |
工具执行之后。失败时为 result: { error }。 |
completed |
finalMessage、history、allToolCalls、usage |
最后一次，结束时 |
error |
error |
运行失败时发出一次，随后 runStream() 抛出错误。 |
生成器的返回值与 Agent.run() 返回的 AgentOutput 相同。StreamingAgent.run() 会消费整个流并返回该结果。
如果模型提供方没有 streamChatCompletion，每条回复会作为一个完整的 assistant_message 到达。
在管道中
流式智能体会在 out 上发送每个事件，下游组件逐个接收这些事件。
通过 HTTP
把每个事件写成一个 Server-Sent Event：
for await (const event of agent.runStream(body)) {
response.write(`data: ${JSON.stringify(event)}\n\n`);
}
response.end();
HTTP 服务器示例用大约 50 行 node:http 代码实现了一个完整的服务器。