Ilagay ang isang OpenAI Agents SDK agent sa WhatsApp

Paano nagiging agent run ang isang mensahe sa WhatsApp?

Sa pamamagitan ng isang route sa sarili ninyong application na tinatawag ng Meta. Itakda ang webhook destination ng numero sa route na iyon, na may mahaba at random na secret sa path. Sinasagot ng route ang verification GET ng Meta sa pagbabalik ng hub.challenge bilang plain text, tinatanggap ang bawat POST, sumasagot agad ng 200 at ipinapasok sa queue ang trabaho, dahil nire-retry ng Meta ang mabagal na sagot at dalawang beses ninyong mapapatakbo ang agent.

Pagkatapos, babasahin ng isang worker ang nagpadala at ang teksto mula sa payload at tatawagin ang Runner.run. Magpasa ng session na ang id ay ang numero ng nagpadala: iniimbak ng SDK ang usapan sa ilalim ng id na iyon, kaya ang susunod na mensahe ng parehong customer ay magpapatuloy kung saan huminto ang huli, at hindi kailanman magbabahagi ng history ang dalawang customer. Sapat na ang SQLiteSession para magsimula; may kasama ring Redis at SQLAlchemy sessions ang SDK para sa maraming worker.

Ang secret sa URL ang nagsisilbing authentication dito. Nilalagdaan ng Meta ang mga delivery gamit ang app secret ng Tech Provider, kaya hindi ma-validate ng customer ang signature header.

import os, httpx
from agents import Agent, Runner, SQLiteSession

agent = Agent(name="Front desk", instructions="Answer briefly and politely.")
URL = f"https://graph.facebook.com/v25.0/{os.environ['PHONE_NUMBER_ID']}/messages"

async def handle(sender: str, text: str) -> None:
    session = SQLiteSession(sender, "whatsapp.db")
    result = await Runner.run(agent, text, session=session)
    async with httpx.AsyncClient() as http:
        await http.post(
            URL,
            headers={"Authorization": f"Bearer {os.environ['WA_TOKEN']}"},
            json={"messaging_product": "whatsapp", "to": sender,
                  "type": "text", "text": {"body": result.final_output}},
        )

Bakit dapat ang inyong code ang magpadala ng sagot, hindi ang agent?

Dahil ang nag-iisang patakarang hindi dapat labagin ay patakaran sa oras, at mas mahusay itong ipatupad ng code kaysa ng isang prompt. Nagbubukas ang Meta ng 24 oras na customer service window kapag sumulat ang isang customer. Sa loob nito, pumapasok ang free-form text. Sa labas nito, approved template lamang ang pumapasok, at bumabalik ang free-form text na may error 131047.

Ang worker na sumasagot sa mensaheng kararating pa lang ay laging nasa loob ng window, kaya ligtas sa disenyo ang pagpapadala ng result.final_output bilang teksto. Ang trabahong nangyayari nang mas huli, tulad ng follow up kinabukasan ng umaga o isang paalala, ay dapat dumaan sa hiwalay na landas na nagpapadala ng template at hindi kailanman ng free-form text.

Maaari pa ring magkaroon ng mga tool ang agent. Bigyan po ninyo ito ng function tools para sa paghahanap ng impormasyon, tulad ng order o booking, at panatilihin ang pagpapadala sa WhatsApp sa worker. Pinipigilan din nito na mapunta ang access token sa anumang maaaring tawagin ng model gamit ang kahit anong argumento.

Magagamit ba ng agent ang EasyCoexistence MCP server?

Oo, sa pamamagitan ng MCPServerStreamableHttp, pero mas maraming setup kaysa sa isang header. Tumatanggap ang SDK ng Authorization header o ng httpx.Auth sa params["auth"]. Naglalabas ang EasyCoexistence MCP server ng sarili nitong OAuth token pagkatapos ng sign-in sa browser, na may dynamic client registration at PKCE, kaya walang static key. May kasamang OAuthClientProvider ang MCP Python SDK, isang HTTP auth handler na nagpapatakbo ng daloy na iyon na may PKCE at token refresh, at iyon ang ilalagay sa params["auth"].

Sulit ito kapag ang agent mismo ang dapat magpasya: tingnan ang kalusugan ng isang numero, basahin ang status ng template, o pumili sa pagitan ng send_message at send_template ayon sa mga patakaran sa mga paglalarawan ng tool. Para sa front desk na sumasagot lang, mas maikli ang worker sa itaas at mas kaunti ang posibleng pumalya.

Sa alinmang paraan, nananatili ang webhook. Ang MCP ay request at sagot, at ang mensahe ng isang customer ay makararating lamang sa agent sa pamamagitan ng route na tinatawag ng Meta.

Mga karaniwang pagkakamali

• Pagpapatakbo ng agent bago magbalik ng 200 sa Meta. Nire-retry ang mabagal na sagot, at dalawang sagot ang natatanggap ng customer.
• Paggamit ng iisang session para sa lahat ng customer. I-key ito sa numero ng nagpadala, kung hindi ay maghahalo ang mga history.
• Pagpapahintulot sa naantalang follow up na magpadala ng free-form text. Pagkalipas ng 24 oras, papalya ito na may 131047; magpadala na lang ng template.

Mga madalas itanong

Magpatuloy sa pagbabasa