今天OpenAI 發(fā)布了一系列專(zhuān)為構(gòu)建 AI Agents 設(shè)計(jì)的新工具和 API,幫助開(kāi)發(fā)者更容易創(chuàng)建能自動(dòng)完成任務(wù)的 AI Agents(智能體)。 OpenAI 認(rèn)為雖然過(guò)去一年推出的高級(jí)推理、多模態(tài)交互等模型能力為 Agent 奠定了基礎(chǔ),但開(kāi)發(fā)者在構(gòu)建生產(chǎn)級(jí) Agent 時(shí),還是會(huì)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(kāi)源的 Agents SDK。 省流版如下: Responses API:結(jié)合 Chat Completions API 簡(jiǎn)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(wèn)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(dòng)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(jí),簡(jiǎn)化多 Agent 工作流程編排的開(kāi)源框架 具體來(lái)說(shuō),Responses API 結(jié)合了 Chat Completions API(主要用來(lái)生成對(duì)話(huà)回復(fù))的簡(jiǎn)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(kāi)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(cè)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(jí)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(xún)、過(guò)濾元數(shù)據(jù)、自定義排序,讓開(kāi)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(pán)操作,在 OSWorld、WebArena 和 WebVoyager 基準(zhǔn)測(cè)試中分別取得 38.1%、58.1% 和 87% 的成績(jī)。 OpenAI 還推出了開(kāi)源的 Agents SDK,專(zhuān)門(mén)用來(lái)簡(jiǎn)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(hù)支持自動(dòng)化、多步研究、內(nèi)容生成等多種應(yīng)用場(chǎng)景。 一些早期測(cè)試用戶(hù)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(jiàn)解;Navan 將文件搜索工具應(yīng)用于 AI 旅行 Agent 中,為用戶(hù)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(dòng)化復(fù)雜操作流程,特別是對(duì)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(píng)論區(qū)玩起了梗。 還有網(wǎng)友專(zhuān)門(mén)留言感謝 Manus AI。 在今天凌晨的現(xiàn)場(chǎng)直播中,演示人員也通過(guò)一個(gè)「?jìng)(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(hù)(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(hù)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(chǎng),自動(dòng)操作網(wǎng)頁(yè)界面,為 Kevin 買(mǎi)下一件黑色 Patagonia 夾克,整個(gè)過(guò)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(qǐng)求無(wú)縫交接給客服 Agent,后者能夠調(diào)用獲取密碼和提交退款請(qǐng)求等功能,幫助用戶(hù)完成 Patagonia 夾克的退貨。 可以說(shuō),憑借新工具和 API 的默契配合,這些 AI Agent 不僅能讀懂用戶(hù)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(gòu)買(mǎi)再到退貨的全流程。 至于現(xiàn)有 API 的安排,OpenAI 表示會(huì)繼續(xù)全力支持 Chat Completions API,為不需要內(nèi)置工具的開(kāi)發(fā)者提供新模型和功能。 而基于 Assistants API 測(cè)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(duì)齊后,于 2026 年中期正式停用 Assistants API,同時(shí)會(huì)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(xún)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(xún) 2.5 美元,文件存儲(chǔ) 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(wàn) token/3 美元和每輸出百萬(wàn) 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(huì)繼續(xù)深化 API 間的整合,并提供新工具幫助部署、評(píng)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(lái)每個(gè)公司的 IT 部門(mén)將轉(zhuǎn)變?yōu)?AI Agent 的「HR 部門(mén)」。 從管人到管 AI,Agent 將很快成為勞動(dòng)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(kāi)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(kāi)發(fā)者需要自行組合不同 API 和編寫(xiě)復(fù)雜的協(xié)調(diào)邏輯來(lái)構(gòu)建 AI Agent,有了新工具,能夠極大地簡(jiǎn)化了這一過(guò)程。 Responses API 將多種功能整合成一個(gè)簡(jiǎn)單接口,而內(nèi)置工具為 AI 提供了「感知」和「行動(dòng)」的能力,Agents SDK 則提供了協(xié)調(diào)多 Agent 的標(biāo)準(zhǔn)框架。 通過(guò)降低技術(shù)門(mén)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(shuō)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(wèn)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(shuō)這并不重要? Q:你們會(huì)提供 TypeScript SDK 嗎? Q:我們未來(lái)會(huì)在 API 中看到 o1 pro 嗎? Q:我們需要自行管理 Docker 環(huán)境來(lái)使用計(jì)算機(jī)功能嗎? Q:何時(shí)會(huì)有 Operator 在 API 中可用? Q:你們會(huì)考慮提供集成的虛擬機(jī)(VM)來(lái)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? Q:在整個(gè) agent-handoff 流程中,如何確保個(gè)人隱私?有沒(méi)有什么方法可以增強(qiáng)用戶(hù)與 Agent 交互時(shí)的隱私保護(hù)? 本文來(lái)源:Appso |
原創(chuàng)欄目
IT百科
網(wǎng)友評(píng)論
聚超值•精選