OpenAI 用于构建代理的新工具

OpenAI 推出了一套新的 API 和工具，旨在简化可靠、生产就绪 AI 代理的开发。这些工具通过提供标准化的构建块来解决开发者常见的挑战，例如广泛的提示迭代和复杂的自定义编排逻辑，以支持代理应用。

The Responses API: A New Agent Primitive

Responses API 是一种新的 API 原语，它将 Chat Completions API 的简易性与 Assistants API 的工具使用能力结合起来。它允许开发者在单次 API 调用中使用多种工具和模型轮次来解决复杂任务。

Key Features and Integration

• 统一设计：该 API 具有基于项的设计、更简单的多态性以及直观的流式事件。
• 开发者助手：包含如 response.output_text 的 SDK 辅助函数，以便更轻松地访问模型文本输出。
• 数据存储：支持在 OpenAI 上存储数据，以便通过追踪和评估进行性能评估，同时默认情况下业务数据不用于模型训练。
• API 关系：Responses API 是 Chat Completions API 的超集。虽然 Chat Completions 仍然受到支持，以满足不需要内置工具的用户，但 OpenAI 建议在新集成中使用 Responses API。

Transition from Assistants API

OpenAI 正在努力使 Responses API 与 Assistants API 在功能上完全等价，包括对 Code Interpreter 和类似线程对象的支持。一旦实现等价，Assistants API 将被正式废弃，目标 sunset 时间为 2026 年中期。

内置代理工具

Responses API 引入了三个主要的内置工具，用于将模型与真实世界的数据和接口连接。

网页搜索

网页搜索提供快速、最新的答案，并带有内联引用。它适用于 gpt-4o 和 gpt-4o-mini，并由用于 ChatGPT 搜索的同一模型驱动。

• 性能：在 SimpleQA 基准测试中，GPT-4o 搜索预览版得分 90%，GPT-4o mini 搜索预览版得分 88%。
• 可用性：在 Responses API 的预览版中可用，并可通过 Chat Completions API 中的 gpt-4o-search-preview 和 search-preview 和 gpt-4o-mini-search-preview 直接访问微调后的搜索模型。

文件搜索

文件搜索工具支持多种文件类型、查询优化、元数据过滤和自定义重新排序，以便从大量文档中检索信息。

• 使用案例：Navan 通过 RAG 管道利用文件搜索从公司旅行政策知识库文章中提供精确答案。
• 定价：每千次查询收费 2.50 美元，文件存储费用为 0.10 美元/GB/天（首 GB 免费）。

计算机使用

由 Computer-Using Agent (CUA) 模型驱动，此工具使代理能够捕获鼠标和键盘操作以自动化计算机任务。

• 基准测试：CUA 模型在 OSWorld 上成功率为 38.1%，在 WebArena 上为 58.1%，在 WebVoyager 上为 87%。
• 安全与可靠性：由于在 OSWorld 上的成功率仅为 38.1%，OpenAI 建议在非浏览器环境中加入人工监督。安全缓解措施包括防止提示注入的防护措施、敏感任务的确认提示以及环境隔离工具。

编排的 Agents SDK

OpenAI 已发布开源 Agents SDK，以简化单代理和多代理工作流的编排。此 SDK 是实验性 Swarm SDK 的演进。

核心能力

• 代理：可配置的 LLMs，具备特定的指令和工具。
• 交接：在代理之间智能转移控制的机制。
• 防护栏：可配置的输入和输出验证安全检查。
• 可观测性：集成的追踪工具，用于可视化和调试代理执行。

实施示例

• Coinbase：使用 SDK 构建 AgentKit，使 AI 代理能够与加密钱包和链上活动交互。
• Box：创建了结合网页搜索和内部非结构化数据的代理，以向企业提供安全且感知权限的洞察。

兼容性

该 SDK 支持 Responses API 和 Chat Completions API，并且与其他提供商提供 Chat Completions 风格 API 端点的模型兼容。目前仅提供 Python 版本，Node.js 支持正在规划中。