摘要：近期，OpenAI 推出了几款旨在简化AI Agent开发的全新工具和API，进一步推动了AI技术在实际场景中的应用。尽管过去一年中推出的高级推理和多模态交互模型为Agent的发展奠定了坚实的基础，但在构建生产级别的Agent过程中，开发者仍面临诸多挑战。

OpenAI 发布全新工具套件，助力高效构建 AI Agent

近期，OpenAI 推出了几款旨在简化AI Agent开发的全新工具和API，进一步推动了AI技术在实际场景中的应用。尽管过去一年中推出的高级推理和多模态交互模型为Agent的发展奠定了坚实的基础，但在构建生产级别的Agent过程中，开发者仍面临诸多挑战。

为了应对这些挑战，本次发布的核心产品包括全新的Responses API、三种内置工具及一个开源的Agents SDK。

新增工具详解

首先，Responses API将Chat Completions API的简洁性和Assistants API的强大工具使用能力相结合，成为构建Agent应用的新基石。这种整合不仅提高了效率，还增强了API的实用性。

其次，新增的Web搜索工具支持GPT-4o和GPT-4o-mini模型，使AI能够访问互联网获取最新信息并提供清晰的引用。在SimpleQA基准测试中，这两个模型的搜索预览版分别取得了90%和88%的高准确率。

与此同时，升级后的文件搜索工具具备多种文件格式支持能力，并且能够优化查询、过滤元数据、自定义排序，从而帮助开发者迅速找到所需的关键信息。

计算机使用工具则由与Operator相同的Computer-Using Agent (CUA)模型提供支持，该工具能够捕获模型生成的鼠标和键盘操作。在OSWorld、WebArena和WebVoyager基准测试中，该模型分别取得了38.1%、58.1%和87%的成绩。

开源框架Agents SDK

此外，OpenAI还推出了开源的Agents SDK，旨在简化多Agent工作流程的编排。相比去年发布的实验性Swarm框架，新版SDK在配置LLM与内置工具集成、智能交接控制、安全检查以及可视化追踪等方面都有了显著改进，适用于客户支持自动化、多步研究、内容生成等多种应用场景。

实际应用案例

一些早期测试用户已成功利用这些新工具实现了一系列成果。例如，Hebbia借助Web搜索工具帮助资产管理者和法律从业者从海量数据中提取可行见解；Navan将文件搜索工具应用于AI旅行Agent中，为用户提供精准的旅行政策答案；Unify和Luminai则使用计算机使用工具自动化复杂操作流程，尤其是对缺乏API的传统系统；Box利用Agents SDK快速构建和部署了企业数据搜索应用。

社区反响

在产品发布后，网友们纷纷在OpenAI的评论区发表看法，甚至有人特意感谢Manus AI。而在凌晨1点的直播演示中，一个“个人造型师”Agent的应用案例展示了新工具的多样化功能。例如，通过文件搜索工具查看用户的服装喜好数据，系统可以轻松整理出这些人的穿衣风格；结合Web搜索工具，系统能够根据用户所在位置搜索附近的商店，为用户推荐合适的店铺；计算机使用工具则自动操作网页界面，完成购买操作，整个过程流畅自如。此外，Agent间的交接功能也得到了充分展示，一个Agent将退货请求无缝交接给客服Agent，后者能够调用获取密码和提交退款请求等功能，帮助用户完成退货流程。

未来展望

OpenAI表示将继续全力支持Chat Completions API，为不需要内置工具的开发者提供新模型和功能。而基于Assistants API测试版的反馈，他们已经将关键改进整合到Responses API中，计划在功能对齐后，于2026年中期正式停用Assistants API，并提供详细的迁移指南。

新工具的定价也已公布，Web搜索每千次查询分别为GPT-4o搜索30美元和GPT-4o-mini搜索25美元；文件搜索每千次查询2.5美元，文件存储0.1美元/GB/天（首GB免费）；计算机使用工具则按每输入百万token/3美元和每输出百万token/12美元计费。

OpenAI表示，随着模型能力的不断提升，他们会继续深化API间的整合，并提供新工具帮助部署、评估和优化生产环境中的Agent。英伟达CEO黄仁勋曾表示，未来每个公司的IT部门将转变为AI Agent的“HR部门”。从管人到管AI，Agent将成为劳动力的重要组成部分，提高各行业的生产力。

用户问答

Q：哪种操作系统最适合computer use？是图形界面（UI）、终端（terminal），还是其他方式更好？哪些应用程序在计算机上表现最佳，还是说这并不重要？ A：CUA模型主要是针对网页任务进行训练的，但早期用户发现它在桌面应用程序上的表现也出乎意料地好。不过现在还处于早期阶段，我们还有很多可以改进的地方！

Q：你们会提供TypeScript SDK吗？ A：是的！我们很快会推出TypeScript SDK，敬请期待！

Q：我们未来会在API中看到o1 pro吗？ A：是的，我们计划很快在responses API中发布它！

Q：我们需要自行管理Docker环境来使用计算机功能吗？ A：如果你愿意，你可以自行管理Docker环境，但你也可以使用云服务，比如@browserbasehq或@scrapybara。

Q：何时会有Operator在API中可用？ A：从今天开始，你可以在API中使用与Operator相同的功能！我们已经在新的Responses API中部署了驱动Operator的CUA模型。

Q：你们会考虑提供集成的虚拟机（VM）来支持“computer use”，或者与合作伙伴合作，以减少搭建环境的需求吗？ A：目前还没有这样的计划，但你可以查看CUA示例应用，其中包含一些示例环境，包括@scrapybara和@browserbasehq，用于远程托管。

Q：在整个agent-handoff流程中，如何确保个人隐私？有没有什么方法可以增强用户与Agent交互时的隐私保护？ A：我们有多种隐私保护机制。Agents SDK支持开发者定义的安全措施（guardrails），用于输入/输出验证。此外，你可以使用input_filter来限制在交接过程中传递的消息上下文。

来源：兔兔科技