关键要点
- OpenAI 推出了新工具和 API，帮助开发者和企业更轻松地构建智能 Agent（代理）。
- 推出 Responses API，整合了 Chat Completions API 和 Assistants API 的功能，可调用工具执行复杂任务。
- 引入内置工具，如网页搜索、文件搜索和计算机操作，让 AI 能够更有效地连接现实世界。
- 推出 Agents SDK，用于协调多代理工作流，简化自动化任务和多步骤任务的执行。
加强可观察性和调试工具，帮助开发者跟踪和优化 Agent 的执行流程。
视频翻译 宝玉
1. OpenAI 的 Agent 发展战略
OpenAI 认为，Agent 是能够独立完成任务的系统，而当前构建 Agent 仍然面临挑战，如：
- 提示词优化成本高：需要不断调整 Prompt 才能让模型执行复杂任务。
- 缺乏内置支持：开发者需要自行编写大量逻辑代码，才能让 AI 代理稳定运行。
为了解决这些问题，OpenAI 推出了 Responses API、内置工具和 Agents SDK，希望让开发者更轻松地创建高效、可靠的 AI 代理。
2. Responses API——核心 AI 代理 API
Responses API 是 新一代 API 原语，它：
- 结合了 Chat Completions API 的简单性 和 Assistants API 的工具调用能力。
- 让开发者可以用单个 API 调用多个工具，处理复杂任务。
- 内置支持 网页搜索、文件搜索、计算机操作，让 AI 代理更智能。
优势
- 提高灵活性：未来 Responses API 将持续升级，支持更多复杂任务。
- 提升易用性：采用统一的数据结构，简化开发流程。
- 增强可视化：提供跟踪和评估工具，让开发者可以监控 AI 代理的表现。
对现有 API 的影响
- Chat Completions API 仍然可用，但 OpenAI 建议新项目优先使用 Responses API。
- Assistants API 预计将在 2026 年中期被弃用，未来所有功能将整合到 Responses API。
3. 内置工具：提升 AI 代理的能力
为了让 AI 代理具备更强的现实任务处理能力，OpenAI 在 Responses API 中集成了三大工具：
（1）网页搜索
- 具备实时访问网络的能力，能根据指令检索最新信息。比如，开发者可以输入查询，API 会返回结构化结果，并标注数据来源（告诉你信息从哪儿来的）。
- 还能将私有数据源（比如企业内部知识库）与公共网络数据结合，提升搜索的精准度和实用性。
- 适用于购物助手、研究代理、旅行预订等应用。
- GPT-4o 搜索版本准确率可达 90%，优于现有 LLM 搜索能力。
（2）文件搜索
- 能够快速解析和处理上传的文件，支持多种格式，包括 PDF、Word、Excel 和纯文本。可以指定提取的内容，比如查找关键词、统计数字或提取段落。
- 支持查询大量文档，快速检索关键信息。
- 可应用于客户支持、法律查询、代码搜索等场景。
- Navan 已使用该工具构建 AI 旅行助理，能够精准回答用户的旅行政策问题。
（3）计算机操作
- 基于 OpenAI 的 CUA（计算机使用代理）技术，让AI能模拟人类操作电脑，执行鼠标点击、键盘输入等动作。比如，它可以打开浏览器、导航网页、填写表单或运行软件脚本。支持跨平台操作。
适用于自动化 Web 浏览、数据录入等任务，例如：
- Unify 使用它来帮助企业自动化销售数据收集。
- Luminai 将其用于自动化企业旧系统的数据处理任务。
- 企业用户还能选择在本地服务器，避免数据传输到云端。
目前仍需要人工监督，适用于非关键任务的自动化。
4. Agents SDK：多代理协调工具
这是一个免费的开发包，帮你搭 AI 代理，还能管好多个AI代理协作。比如一个代理负责上网搜市场数据，另一个分析公司文件，第三个写报告，像流水线一样完成复杂任务。
- 模型自由切换：不只用 OpenAI 的模型，还能用其他家的，比如 Google 的 Gemini、Anthropic 的 Claude，甚至免费的 Llama，随你挑。
- 工作流管理：能安排多个 AI 代理分工。比如一个负责搜资料，一个负责整理，一个写报告，像流水线一样协作完成复杂任务。
- 系统集成：支持跟公司内部系统对接，比如连上数据库、CRM，或者加安全限制（比如“不能泄露客户信息”）。
调试支持：提供工具检查 AI 干得咋样，哪里出错一目了然，方便调整。
额外特点：开源意味着开发者能随便改，适合定制化需求，比如做一个专属的“财务助手”或“客服机器人”。
为了让开发者能更高效地管理多个 AI 代理，OpenAI 推出了 Agents SDK，它提供：
- 代理配置：定义 LLM 代理及其工具权限。
- 任务交接：智能切换任务控制权。
- 安全机制：输入输出检查，防止错误或滥用。
- 可视化工具：跟踪 AI 代理的运行过程，优化性能。
应用案例
- Coinbase 使用 Agents SDK 快速构建 AI 代理，可自动与加密钱包和区块链进行交互。
- Box 利用 Agents SDK 结合 Web 搜索，帮助企业在内部数据库和互联网之间搜索信息。
Agents SDK 兼容 Responses API 和 Chat Completions API，未来还将支持其他模型接口。
5. 观测工具：AI 的“行车记录仪”
这是一个实时监控功能，用于追踪和检查 AI 代理的操作细节。
主要功能：
记录 AI 的完整操作路径，包括决策依据、工具使用和执行步骤，提供详细日志。能实时监控 AI 代理的每一步操作。
- 全程跟踪：记录 AI 干活儿的完整过程，比如“先搜了啥、然后咋决策、最后咋执行”，全透明。
- 问题定位：如果 AI 出错了（比如搜错信息、点错按钮），能快速找到问题点，修起来省力。
优化支持：通过分析 AI 的行为，开发者能改进它的逻辑，让它下次干得更好。
额外特点：解决了以前“看不清 AI 在干啥”的痛点，特别适合需要高可靠性的场景，比如医疗、金融。
6.未来发展方向
OpenAI 认为，AI 代理将成为未来工作的重要组成部分，并计划：
- 持续改进 Responses API，让 AI 代理更强大。
- 增强 API 集成和优化工具，降低开发门槛。
- 推动 AI 代理在各行业的应用，如自动化办公、客户支持、研究分析等。
开发者可立即通过 OpenAI 开发者平台 了解更多，并开始尝试新工具。
官方介绍：https://openai.com/index/new-tools-for-building-agents/
内置工具官方文档 https://platform.openai.com/docs/guides/tools?api-mode=responses
Responses API 官方文档 https://platform.openai.com/docs/api-reference/responses