首頁 > 科技要聞 > 科技> 正文

OpenAl發(fā)布Agent工具包，網(wǎng)友：謝謝Manus AI

appso 整合編輯：太平洋科技 發(fā)布于：2025-03-12 14:21

今天OpenAI 發(fā)布了一系列專為構(gòu)建 AI Agents 設(shè)計(jì)的新工具和 API，幫助開發(fā)者更容易創(chuàng)建能自動完成任務(wù)的 AI Agents（智能體）。

OpenAI 認(rèn)為雖然過去一年推出的高級推理、多模態(tài)交互等模型能力為 Agent 奠定了基礎(chǔ)，但開發(fā)者在構(gòu)建生產(chǎn)級 Agent 時(shí)，還是會遇到不少難題。

為此，他們今天特地發(fā)布了全新的 Responses API、三種內(nèi)置工具以及以及一個(gè)開源的 Agents SDK。

省流版如下：

Responses API：結(jié)合 Chat Completions API 簡潔性與 Assistants API 工具使用能力的新型 API 接口

Web 搜索工具（Web Search Tool）：讓模型訪問互聯(lián)網(wǎng)獲取最新信息的工具

文件搜索工具（File Search Tool）：從大量文檔中檢索相關(guān)信息的增強(qiáng)工具

計(jì)算機(jī)使用工具（Computer Use Tool）：由 Computer-Using Agent (CUA) 模型提供支持的計(jì)算機(jī)操作自動化工具，讓 AI 能像人一樣操作電腦界面

Agents SDK：基于 Swarm 框架升級，簡化多 Agent 工作流程編排的開源框架

具體來說，Responses API 結(jié)合了 Chat Completions API（主要用來生成對話回復(fù)）的簡潔性和 Assistants API（能讓 AI 調(diào)用外部功能，比如查資料、操作東西）的工具使用能力，成為構(gòu)建 Agent 應(yīng)用的新基礎(chǔ)。

開發(fā)者只需調(diào)用一次 API ，即可利用多種工具和多輪模型交互解決復(fù)雜任務(wù)。

在內(nèi)置工具方面，Web 搜索工具支持 GPT-4o 和 GPT-4o-mini 模型獲取網(wǎng)絡(luò)最新信息并提供清晰的引用。在 SimpleQA 基準(zhǔn)測試中，這兩款模型的搜索預(yù)覽版分別拿下了 90% 和 88% 的亮眼準(zhǔn)確率。

升級后的文件搜索工具更是給力，支持多種文件格式，還能優(yōu)化查詢、過濾元數(shù)據(jù)、自定義排序，讓開發(fā)者從堆積如山的文檔中迅速找到關(guān)鍵信息。

計(jì)算機(jī)使用工具則由與 Operator 相同的 Computer-Using Agent (CUA)模型提供支持，可捕獲模型生成的鼠標(biāo)和鍵盤操作，在 OSWorld、WebArena 和 WebVoyager 基準(zhǔn)測試中分別取得 38.1%、58.1% 和 87% 的成績。

OpenAI 還推出了開源的 Agents SDK，專門用來簡化多 Agent 工作流程的編排。

相比去年發(fā)布的實(shí)驗(yàn)性 Swarm 框架，這個(gè)全新 SDK 有了顯著的改進(jìn)。

提供易于配置的 LLM 與內(nèi)置工具集成、Agent 間智能交接控制、可配置安全檢查以及可視化追蹤等功能，適用于客戶支持自動化、多步研究、內(nèi)容生成等多種應(yīng)用場景。

一些早期測試用戶已經(jīng)使用這些新工具做出了實(shí)打?qū)嵉某晒?/p>

在官網(wǎng)列舉的案例中，Hebbia 利用 Web 搜索工具幫助資產(chǎn)管理者和法律從業(yè)者從海量數(shù)據(jù)中提取可行見解；Navan 將文件搜索工具應(yīng)用于 AI 旅行 Agent 中，為用戶提供精準(zhǔn)的旅行政策答案。

Unify 和 Luminai 則使用計(jì)算機(jī)使用工具自動化復(fù)雜操作流程，特別是對缺乏 API 的傳統(tǒng)系統(tǒng)；Box 利用 Agents SDK 快速構(gòu)建和部署了企業(yè)數(shù)據(jù)搜索應(yīng)用。

產(chǎn)品發(fā)布后，網(wǎng)友也在 OpenAI 的評論區(qū)玩起了梗。

還有網(wǎng)友專門留言感謝 Manus AI。

在今天凌晨的現(xiàn)場直播中，演示人員也通過一個(gè)「個(gè)人造型師」 Agent 的應(yīng)用案例，向我們展示了這些新工具的能耐。

舉個(gè)例子，他們先用文件搜索工具翻看了用戶（比如「Elon」和「Kevin」）的服裝喜好數(shù)據(jù)，系統(tǒng)輕松整理出這些人的穿衣風(fēng)格。

接著結(jié)合 Web 搜索工具，系統(tǒng)能夠基于用戶所在位置（演示中使用了「東京」作為 Kevin 的位置）搜索附近的相關(guān)商店，為 Kevin 推薦了東京的 Patagonia 店鋪。

然后，計(jì)算機(jī)使用工具（Computer Use Tool）登場，自動操作網(wǎng)頁界面，為 Kevin 買下一件黑色 Patagonia 夾克，整個(gè)過程行云流水——點(diǎn)擊、拖拽、填信息，宛如真人在操控。

最后還演示了 Agent 間的交接功能。Agent 將退貨請求無縫交接給客服 Agent，后者能夠調(diào)用獲取密碼和提交退款請求等功能，幫助用戶完成 Patagonia 夾克的退貨。

可以說，憑借新工具和 API 的默契配合，這些 AI Agent 不僅能讀懂用戶喜好、獲取實(shí)時(shí)資訊、執(zhí)行復(fù)雜操作，還能在不同任務(wù)間靈活切換，完美覆蓋從推薦到購買再到退貨的全流程。

至于現(xiàn)有 API 的安排，OpenAI 表示會繼續(xù)全力支持 Chat Completions API，為不需要內(nèi)置工具的開發(fā)者提供新模型和功能。

而基于 Assistants API 測試版的反饋，他們已經(jīng)把關(guān)鍵改進(jìn)整合到 Responses API 中，計(jì)劃在功能對齊后，于 2026 年中期正式停用 Assistants API，同時(shí)會提供詳細(xì)的遷移指南。

新工具的定價(jià)也已經(jīng)新鮮出爐。

Web 搜索每千次查詢分別為 GPT-4o 搜索 30 美元和 GPT-4o-mini 搜索 25 美元；文件搜索每千次查詢 2.5 美元，文件存儲 0.1 美元/GB/天（首 GB 免費(fèi)）；計(jì)算機(jī)使用工具則按每輸入百萬 token/3 美元和每輸出百萬 token/12 美元計(jì)費(fèi)。

OpenAI 表示，隨著模型能力變得更加具有 Agent 屬性，他們會繼續(xù)深化 API 間的整合，并提供新工具幫助部署、評估和優(yōu)化生產(chǎn)環(huán)境中的 Agent。

英偉達(dá) CEO 黃仁勛曾指出，未來每個(gè)公司的 IT 部門將轉(zhuǎn)變?yōu)?AI Agent 的「HR 部門」。

從管人到管 AI，Agent 將很快成為勞動力的重要組成部分，提高各行業(yè)的生產(chǎn)力，此次發(fā)布的工具集將是幫助開發(fā)者和企業(yè)構(gòu)建、部署和擴(kuò)展可靠高效 AI Agent 的重要一步。

此前，開發(fā)者需要自行組合不同 API 和編寫復(fù)雜的協(xié)調(diào)邏輯來構(gòu)建 AI Agent，有了新工具，能夠極大地簡化了這一過程。

Responses API 將多種功能整合成一個(gè)簡單接口，而內(nèi)置工具為 AI 提供了「感知」和「行動」的能力，Agents SDK 則提供了協(xié)調(diào)多 Agent 的標(biāo)準(zhǔn)框架。

通過降低技術(shù)門檻，更多企業(yè)能夠快速構(gòu)建和部署 AI Agent。

這或許也是 OpenAI 所說的「Agnet 元年」的真正含義——讓 AI 不再局限于聊天框，而是能融入現(xiàn)實(shí)工作流程，成為你的「數(shù)字助理」甚至「數(shù)字同事」。

附上 AMA 問答：

Q：哪種操作系統(tǒng)最適合 computer use：Linux、Mac 還是 Windows？是圖形界面（UI）、終端（terminal），還是其他方式更好？哪些應(yīng)用程序在計(jì)算機(jī)上表現(xiàn)最佳，還是說這并不重要？
A：CUA 模型主要是針對網(wǎng)頁任務(wù)進(jìn)行訓(xùn)練的，但早期用戶發(fā)現(xiàn)它在桌面應(yīng)用程序上的表現(xiàn)也出乎意料地好。不過現(xiàn)在還處于早期階段，我們還有很多可以改進(jìn)的地方！

Q：你們會提供 TypeScript SDK 嗎？
A：很快會推出。

Q：我們未來會在 API 中看到 o1 pro 嗎？
A：計(jì)劃很快在 responses API 中發(fā)布。

Q：我們需要自行管理 Docker 環(huán)境來使用計(jì)算機(jī)功能嗎？
A：可自行管理 Docker 環(huán)境，也可以使用云服務(wù)。

Q：何時(shí)會有 Operator 在 API 中可用？
A：從今天開始，你可以在 API 中使用與 Operator 相同的功能！我們已經(jīng)在新的 Responses API 中部署了驅(qū)動 Operator 的 CUA 模型。

Q：你們會考慮提供集成的虛擬機(jī)（VM）來支持「 computer use」，或者與合作伙伴合作，以減少搭建環(huán)境的需求嗎？
A：目前還沒有這樣的計(jì)劃，但可以查看 CUA 示例應(yīng)用，其中包含一些示例環(huán)境，用于遠(yuǎn)程托管。

Q：在整個(gè) agent-handoff 流程中，如何確保個(gè)人隱私？有沒有什么方法可以增強(qiáng)用戶與 Agent 交互時(shí)的隱私保護(hù)？
A：有多種隱私保護(hù)機(jī)制。Agents SDK 支持開發(fā)者定義的安全措施（guardrails），用于輸入/輸出驗(yàn)證，還可以使用 input_filter 來限制在交接過程中傳遞的消息上下文。

本文來源：Appso
appso

網(wǎng)友評論

聚超值•精選

推薦 手機(jī) 筆記本 影像 硬件 家居 商用 企業(yè) 出行 未來
    • 二維碼 回到頂部