2026年7月9日 周四晚上19:30,报名腾讯会议了解“如何构建自进化的动态知识库(Brain)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

刚刚,OpenAl 发布 Agent 工具包,网友:谢谢 Manus AI

发布日期:2025-03-12 06:44:17 浏览次数: 4824
作者:APPSO

微信搜一搜,关注“APPSO”

推荐语

OpenAI最新Agent工具包,提升AI自动化能力的新里程碑。

核心内容:
1. OpenAI发布新工具和API,助力AI Agents构建
2. Responses API、内置工具和开源Agents SDK的详细介绍
3. AI Agents在自动化任务和多模态交互中的应用前景

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
就在刚刚,OpenAI 发布了一系列专为构建 AI Agents 设计的新工具和 API,帮助开发者更容易创建能自动完成任务的 AI Agents(智能体)。
OpenAI 认为虽然过去一年推出的高级推理、多模态交互等模型能力为 Agent 奠定了基础,但开发者在构建生产级 Agent 时,还是会遇到不少难题。
为此,他们今天特地发布了全新的 Responses API、三种内置工具以及以及一个开源的 Agents SDK。
省流版如下:

Responses API:结合 Chat Completions API 简洁性与 Assistants API 工具使用能力的新型 API 接口

Web 搜索工具(Web Search Tool):让模型访问互联网获取最新信息的工具

文件搜索工具(File Search Tool):从大量文档中检索相关信息的增强工具

计算机使用工具(Computer Use Tool):由 Computer-Using Agent (CUA) 模型提供支持的计算机操作自动化工具,让 AI 能像人一样操作电脑界面

Agents SDK:基于 Swarm 框架升级,简化多 Agent 工作流程编排的开源框架
具体来说,Responses API 结合了 Chat Completions API(主要用来生成对话回复)的简洁性和 Assistants API(能让 AI 调用外部功能,比如查资料、操作东西)的工具使用能力,成为构建 Agent 应用的新基础。
开发者只需调用一次 API ,即可利用多种工具和多轮模型交互解决复杂任务。
在内置工具方面,Web 搜索工具支持 GPT-4o 和 GPT-4o-mini 模型获取网络最新信息并提供清晰的引用。在 SimpleQA 基准测试中,这两款模型的搜索预览版分别拿下了 90% 和 88% 的亮眼准确率。
升级后的文件搜索工具更是给力,支持多种文件格式,还能优化查询、过滤元数据、自定义排序,让开发者从堆积如山的文档中迅速找到关键信息。
计算机使用工具则由与 Operator 相同的 Computer-Using Agent (CUA)模型提供支持,可捕获模型生成的鼠标和键盘操作,在 OSWorld、WebArena 和 WebVoyager 基准测试中分别取得 38.1%、58.1% 和 87% 的成绩。
OpenAI 还推出了开源的 Agents SDK,专门用来简化多 Agent 工作流程的编排。
相比去年发布的实验性 Swarm 框架,这个全新 SDK 有了显著的改进。
提供易于配置的 LLM 与内置工具集成、Agent 间智能交接控制、可配置安全检查以及可视化追踪等功能,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。
一些早期测试用户已经使用这些新工具做出了实打实的成果。
在官网列举的案例中,Hebbia 利用 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,特别是对缺乏 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。
产品发布后,网友也在 OpenAI 的评论区玩起了梗。
 还有网友专门留言感谢 Manus AI。
在今天凌晨的现场直播中,演示人员也通过一个「个人造型师」 Agent 的应用案例,向我们展示了这些新工具的能耐。
举个例子,他们先用文件搜索工具翻看了用户(比如「Elon」和「Kevin」)的服装喜好数据,系统轻松整理出这些人的穿衣风格。
接着结合 Web 搜索工具,系统能够基于用户所在位置(演示中使用了「东京」作为 Kevin 的位置)搜索附近的相关商店,为 Kevin 推荐了东京的 Patagonia 店铺。
然后,计算机使用工具(Computer Use Tool)登场,自动操作网页界面,为 Kevin 买下一件黑色 Patagonia 夹克,整个过程行云流水——点击、拖拽、填信息,宛如真人在操控。
最后还演示了 Agent 间的交接功能。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 Patagonia 夹克的退货。
可以说,凭借新工具和 API 的默契配合,这些 AI Agent 不仅能读懂用户喜好、获取实时资讯、执行复杂操作,还能在不同任务间灵活切换,完美覆盖从推荐到购买再到退货的全流程。
至于现有 API 的安排,OpenAI 表示会继续全力支持 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,他们已经把关键改进整合到 Responses API 中,计划在功能对齐后,于 2026 年中期正式停用 Assistants API,同时会提供详细的迁移指南。
新工具的定价也已经新鲜出炉。
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,随着模型能力变得更加具有 Agent 属性,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 黄仁勋曾指出,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 将很快成为劳动力的重要组成部分,提高各行业的生产力,此次发布的工具集将是帮助开发者和企业构建、部署和扩展可靠高效 AI Agent 的重要一步。
此前,开发者需要自行组合不同 API 和编写复杂的协调逻辑来构建 AI Agent,有了新工具,能够极大地简化了这一过程。
Responses API 将多种功能整合成一个简单接口,而内置工具为 AI 提供了「感知」和「行动」的能力,Agents SDK 则提供了协调多 Agent 的标准框架。
通过降低技术门槛,更多企业能够快速构建和部署 AI Agent。
这或许也是 OpenAI 所说的「Agnet 元年」的真正含义——让 AI 不再局限于聊天框,而是能融入现实工作流程,成为你的「数字助理」甚至「数字同事」。
附上 AMA 问答:
Q:哪种操作系统最适合 computer use:Linux、Mac 还是 Windows?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:很快会推出。
Q:我们未来会在 API 中看到 o1 pro 吗?
A:计划很快在 responses API 中发布。
Q:我们需要自行管理 Docker 环境来使用计算机功能吗?
A:可自行管理 Docker 环境,也可以使用云服务。
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,但可以查看 CUA 示例应用,其中包含一些示例环境,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: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,还可以使用 input_filter 来限制在交接过程中传递的消息上下文。



53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅