OpenAI 新工具用於建構代理

OpenAI 已推出一組新的 API 和工具，旨在簡化可靠、生產就緒 AI 代理的開發。這些工具透過提供標準化的建構塊來解決開發者常見的挑戰，例如廣泛的提示迭代和複雜的自訂編排邏輯，以用於代理應用。

Responses API：新的代理原始體

Responses API 是一種新的 API 原始體，結合了 Chat Completions API 的簡潔性與 Assistants API 的工具使用能力。它允許開發者在單次 API 呼叫中使用多種工具和模型輪次來解決複雜任務。

主要功能與整合

• 統一設計：該 API 採用基於項目的設計，具備更簡單的多態性和直觀的串流事件。
• 開發者輔助：包含如 response.output_text 的 SDK 輔助函式，以便更易於存取模型文字輸出。
• 資料儲存：支援在 OpenAI 上儲存資料，以透過追蹤和評估促進效能評估，同時預設不將業務資料用於模型訓練。
• API 關係：Responses API 是 Chat Completions API 的超集。雖然 Chat Completions 仍支援不需要內建工具的使用者，但 OpenAI 建議新增整合時使用 Responses API。

從 Assistants API 過渡

OpenAI 正致力於實現 Responses API 與 Assistants API 的完全功能對等，包括支援 Code Interpreter 和類似 Thread 的物件。一旦達成對等，Assistants API 將被正式廢止，目標停用日期為 2026 年中。

內建代理工具

Responses API 引入了三種主要的內建工具，用於將模型連接到真實世界的資料與介面。

網頁搜尋

網頁搜尋提供快速且最新的答案，並帶有內嵌引用。它適用於 gpt-4o 和 gpt-4o-mini，並使用與 ChatGPT 搜尋相同的模型驅動。

• 效能：在 SimpleQA 基準測試中，GPT-4o 搜尋預覽版得分 90%，GPT-4o mini 搜尋預覽版得分 88%。
• 可用性：在 Responses API 中以預覽版提供，並可透過 Chat Completions API 中的 gpt-4o-search-preview 和 gpt-4o-mini-search-preview 直接存取經微調的搜尋模型。

檔案搜尋

檔案搜尋工具支援多種檔案類型、查詢優化、中資料過濾及自訂重新排名，使得從大量文件中檢索資訊成為可能。

• 使用案例：Navan 透過 RAG 管線利用檔案搜尋，從公司旅遊政策知識庫文章中提供精確答案。
• 定價：每千次查詢收費 2.50 美元，檔案儲存費用為 0.10 美元/GB/天（首 GB 免費）。

電腦使用

此工具由 Computer-Using Agent (CUA) 模型驅動，使代理能夠捕捉滑鼠與鍵盤動作以自動化電腦任務。

• 基準測試：CUA 模型在 OSWorld 上成功率 38.1%，在 WebArena 上成功率 58.1%，在 WebVoyager 上成功率 87%。
• 安全與可靠性：由於在 OSWorld 上的成功率僅 38.1%，OpenAI 建議在非瀏覽器環境中加入人工監督。安全緩解措施包括防止提示注入的防護、敏感任務的确認提示以及環境隔離工具。

Agents SDK 用於編排

OpenAI 已發布開源 Agents SDK，以簡化單代理和多代理工作流程的編排。此 SDK 是實驗性 Swarm SDK 的演進。

核心功能

• 代理：具體指令與工具的可設定 LLM。
• 交接：在代理間智慧轉移控制的機制。
• 防護欄：用於輸入與輸出驗證的可設定安全檢查。
• 可觀測性：整合的追蹤工具，用於視覺化和除錯代理執行。

實作範例

• Coinbase：使用該 SDK 建置 AgentKit，使 AI 代理能夠與加密貨幣錢包和鏈上活動互動。
• Box：建構結合網頁搜尋與內部非結構化資料的代理，為企業提供安全且具權限感知的洞見。

相容性

該 SDK 支援 Responses API 與 Chat Completions API，並與其他提供者提供 Chat Completions 風格 API 端點的模型相容。目前僅提供 Python 版本，Node.js 支援規劃中。