OpenAI 推出开源 Agents SDK Responses API，让开发人员构建自己的 Deep Research 和 Operator

快速阅读: 《VentureBeat 公司》消息，OpenAI推出新API和工具，包括Responses API和代理SDK，助力开发者构建人工智能代理。这些工具支持网页搜索、文件搜索和计算机使用，简化开发流程并增强功能。企业可通过这些工具提升工作效率和安全性。

加入我们的每日和每周通讯，获取行业领先的人工智能覆盖的最新更新和独家内容。了解更多，OpenAI正在推出一系列新的API和工具，旨在帮助开发者和企业更高效地在一些与OpenAI自身第一方人工智能代理相同的技术基础上构建人工智能驱动的代理。深度研究工具（该工具独立搜索互联网以开发丰富研究、组织良好且引用正确的报告）和操作工具（其工具根据用户的文本指令自主控制网络浏览器光标并执行查找体育门票或预订等操作）。现在，通过访问这些强大第一方OpenAI代理背后的构建模块，开发者可以构建自己的第三方竞争对手或更专业的针对特定用例和受众的产品和服务。OpenAI在推理、多模态处理和安全机制方面的最新进展为这些功能奠定了基础，特别是其“O”系列推理模型（O1和O3）。“很难过分强调推理模型对于使人工智能代理成为可能的重要性，”OpenAI平台的产品负责人奥利维尔·戈德蒙在与VentureBeat的一次视频通话中表示。“以前的一个主要限制是处理长期任务，如规划。”但该公司表示，直到现在，开发者还没有必要的工具来轻松地将它们整合到面向企业和客户的生产就绪应用程序中。为了解决这些障碍，OpenAI正在推出几种新的工具：Responses API，内置的网页和文件搜索工具，计算机使用工具，以及开源的代理SDK。

这些工具旨在通过减少对广泛提示工程和自定义协调逻辑的需求来简化人工智能代理的开发。它们还应该使继续在OpenAI平台上构建即使面对来自曼努斯、阿里巴巴的Qwen、深视和本土竞争对手如安特里普和谷歌等中国企业的激烈竞争时，也成为一个有吸引力的选择。代理SDK提供开源工具，用于在非OpenAI模型上构建代理。这肯定会让人工智能博客圈和社会媒体空间骚动的动作，OpenAI正以发布其代理SDK的方式大举回归开源领域，这是一个旨在帮助开发者管理、协调和优化代理工作流程的工具包——甚至包括基于其他非OpenAI模型（如竞争对手安特里普和谷歌的模型，或来自深视、Qwen、迷塔和Meta的Llama家族的开源模型）构建代理。代理SDK提供开源工具，用于在非OpenAI模型上构建代理SDK提供了以下关键功能：

– 可配置代理 – 具有预定义指令和工具访问权限的人工智能模型。
– 智能交接 – 根据上下文在代理之间转移任务的机制。
– 内置护栏 – 输入验证和内容审核的安全措施。
– 追踪和可观察性 – 用于调试和优化代理性能的工具。

“借助代理SDK，开发者可以准确跟踪代理在做什么——它生成了哪些任务，收集了哪些数据，以及如何生成响应，”OpenAI API团队的产品经理尼昆杰·汉达在与VentureBeat的同一视频通话中表示。新的Responses API提供了什么？此次更新的核心是Responses API，它结合了OpenAI的Chat Completion API和Assistants API的功能。这种集成允许开发者在一个API调用中利用多个内置工具，从而更容易构建需要复杂、多步骤交互的应用程序。Responses API最初支持三种内置工具：

– 网页搜索 – 通过从网络获取信息提供实时、引用答案。
– 文件搜索 – 使用元数据过滤和优化查询处理从大型文档库检索相关信息。
– 计算机使用工具 – 使人工智能代理能够执行浏览、数据输入和导航软件界面等操作。

“借助Responses API，开发者可以更清楚地看到模型在做什么——它调用了哪些工具，为什么调用它们，以及在调用前后的决策是什么，”汉达说。凭借这些能力，OpenAI设想Responses API将成为代理应用程序的基础，消除对外部集成的需要。该API今天起可供所有开发者使用，并按OpenAI的标准令牌和工具费率计费。此外，OpenAI指出，虽然Chat Completion API将继续获得更新，但Responses API被认为是其超集。需要内置工具或多步骤模型交互的开发者应使用Responses API进行新集成。凭借这些能力，OpenAI设想Responses API将成为代理应用程序的基础，消除对外部集成的需要。该API今天起可供所有开发者使用，并按OpenAI的标准令牌和工具费率计费。OpenAI还将其实时搜索、文件搜索和计算机使用工具直接通过Responses API提供。这些工具使人工智能代理能够访问现实世界的信息、从文档中检索上下文并与数字环境更有效地互动。凭借这些能力，OpenAI设想Responses API将成为代理应用程序的基础，消除对外部集成的需要。该API今天起可供所有开发者使用，并按OpenAI的标准令牌和工具费率计费。网页搜索为开发者提供实时信息及引用网页搜索工具允许开发者将其应用中的实时搜索功能集成起来，这在研究助手、购物指南和内容聚合工具中非常有用。它提供了响应的来源，确保用户可以验证信息的准确性。网页搜索为开发者提供实时信息及引用“我们首先推出的是一些内置工具，比如网页搜索，这使得模型可以访问实时信息，”汉达说。“这是推动ChatGPT搜索的同一工具，我们现在将其引入API。”OpenAI还确认，API中的网页搜索结果将包含明确的引用，允许用户点击到原始来源。开发者可以将网页搜索作为包括专有数据源在内的更广泛的检索系统的一部分来实现。文件搜索：在私有云上的智能文档检索借助文件搜索工具，人工智能代理可以从大型文档集合中快速检索相关信息。此工具支持多种文件格式，并包括查询优化、元数据过滤和自定义排名等功能，以获得更精确的结果。“我们推出的第三个工具是文件搜索，这使得开发者可以将自己的所有数据存储在我们的系统中，并以高精度提取所需信息，”汉达解释道。文件搜索工具的价格为每千次查询2.50美元，存储费用为每天每GB 0.10美元（第一个GB免费）。开发者现在也可以访问计算机使用工具，即OpenAI的运算器背后的技术。计算机使用工具通过允许人工智能与计算机界面互动，扩展了代理的能力，超越了简单的基于文本的任务。由OpenAI的运算器代理（CUA）模型提供动力，此工具将人工智能生成的操作转化为可执行命令，实现了数据输入和网页导航等任务的自动化。“我们还推出了一个计算机使用工具，允许模型在没有现有API的任务时与图形用户界面互动，”汉达指出。由OpenAI的运算器代理（CUA）模型提供动力，此工具将人工智能生成的操作转化为可执行命令，实现了数据输入和网页导航等任务的自动化。计算机使用工具目前作为研究预览版提供给选定的处于使用层3-5的开发者。定价设定为每百万输入标记3美元，每百万输出标记12美元。对企业领导意味着什么对于IT团队负责人、首席技术官和希望优化工作流程的中层管理者来说，OpenAI的新工具为自动化和规模化人工智能驱动过程提供了一条清晰的道路，而无需进行广泛的定制开发。内置的网页搜索和文件搜索功能使企业能够迅速将其现有的系统集成到人工智能驱动的信息检索中，而计算机使用工具则使与缺乏API访问权限的遗留应用程序进行自动化互动成为可能。开源的代理SDK进一步赋予组织跨团队协调人工智能驱动的工作流程的能力，使其更容易部署提高客户支持、文档处理和市场研究等领域效率的代理。由于这些工具内置了企业安全性和可观察性，决策者可以在更大程度上采用透明度和控制权更强的人工智能解决方案，确保合规性和大规模性能监控。下一步是什么？OpenAI认为这些新发布的版本是建立全面人工智能代理平台的第一步。公司计划在未来几个月内推出更多工具和集成，以帮助开发者更有效地部署、评估和规模化代理应用程序。“我们认为接下来的几个月将是大规模部署越来越多代理的关键时期，”戈德蒙说。“我们已经在这方面做了很多工作，比如深度研究这样的第一方代理，但OpenAI不会构建每一个代理——这就是为什么我们有一个开发者平台。”OpenAI还表示，它将继续改进代理应用程序的安全功能，包括防止提示注入和未经授权的数据访问的安全措施。有兴趣使用新工具的开发者可以探索OpenAI的文档和API游乐场，从今天开始即可入手。

(以上内容均由Ai生成)