OpenAI 发布 AgentKit:整合构建、评估与微调工具

原标题:Introducing AgentKit, new Evals, and RFT for agents
68AI 研判分

OpenAI 推出 AgentKit,旨在解决智能体开发中工具碎片化问题,提供可视化工作流构建、连接器管理及嵌入式 UI 组件。该套件整合了 Evals 和 RFT(强化微调)功能,允许开发者通过标准 API 定价使用全套工具,并计划后续推出独立 Workflows API。值得注意的是,官方已预告将于 2026 年逐步停用旧的 Agent Builder 和 Evals 产品,引导用户迁移至新架构或 ChatGPT Workspace Agents。

报道正文

本文目录5 个章节

2026 年 6 月 3 日更新:OpenAI 正在逐步停用 Agent Builder 和 Evals 产品。自 2026 年 11 月 30 日起,这些产品将不再在 OpenAI 平台上提供。对于需要以代码形式持续运行的工作流,我们推荐使用 Agents SDK⁠(在新窗口中打开)。对于更适合通过自然语言提示实现的使用场景,我们推荐_ChatGPT 中的 Workspace Agents_⁠.

今天,我们正式推出 AgentKit,这是一套面向开发者和企业的完整工具集,用于构建、部署和优化智能体(agent)。此前,构建智能体意味着要应对碎片化的工具链——包括缺乏版本控制的复杂编排、自定义连接器、手动评估流水线、提示词调优,以及上线前长达数周的前端开发工作。借助 AgentKit,开发者现在可以可视化地设计工作流,并利用新的构建模块更快速地嵌入智能体 UI,例如:

  • Agent Builder:一个用于创建和管理多智能体工作流版本的可视化画布

  • Connector Registry:供管理员统一管理数据与工具如何在 OpenAI 各产品间连接的中心化平台

  • ChatKit:一套用于在产品中嵌入可定制的基于聊天的智能体体验的工具包

我们还扩展了评估功能,新增数据集、轨迹评分(trace grading)、自动化提示词优化以及第三方模型支持等功能,以帮助衡量和提升智能体性能。

自今年三月发布 Responses API 和 Agents SDK⁠ 以来,我们看到众多开发者和企业构建了端到端的智能体工作流,应用于深度研究、客户支持等场景。Klarna 构建了一个支持智能体⁠,能够处理三分之二的工单;Clay 则通过销售智能体实现了 10 倍增长⁠。AgentKit 建立在 Responses API 之上,旨在帮助开发者更高效、更可靠地构建智能体。

使用 Agent Builder 设计工作流

随着智能体工作流日益复杂,开发者需要更清晰地洞察其运行逻辑。Agent Builder⁠(在新窗口中打开) 提供了一个可视化画布,支持通过拖放节点来组合逻辑、连接工具并配置自定义护栏(guardrails)。它支持预览运行、内联评估配置以及完整的版本控制,非常适合快速迭代。

Image 1: Interface view of a customer service automation flow in a visual builder tool. The canvas shows connected nodes labeled Start, Jailbreak guardrail, Classification agent, If/else, Return agent, Retention agent, Information agent, Hallucination guardrail, and End. A sidebar on the left lists available node types such as Agent, Note, File search, Guardrails, MCP, and User approval. Top controls include options for Evaluate, Code, Preview, and Publish.

开发者可以从空白画布开始,也可以使用预构建模板快速上手。

在 Ramp,团队仅用几个小时就从空白画布构建出了一个采购代理(buyer agent):

“Agent Builder 将原本需要数月复杂编排、自定义代码和手动优化的工作,缩短到了仅仅几个小时。可视化画布让产品、法务和工程团队保持步调一致,使迭代周期缩短了 70%,并在两个冲刺(sprint)内而非两个季度内就让代理上线。”

— Ramp

同样,LY Corporation——一家领先的日本科技与互联网服务公司——使用 Agent Builder 在不到两小时内构建了一个工作助手代理。

“Agent Builder 让我们以全新的方式编排代理,工程师与领域专家可以在同一个界面中协作。我们在不到两小时内构建并运行了首个多代理工作流(multi-agentic workflow),极大地加速了代理的创建和部署时间。”

— LY Corporation

我们还将推出连接器注册表(Connector Registry),供企业跨多个工作区和组织治理与维护数据。连接器注册表⁠(opens in a new window) 将数据源整合到 ChatGPT 和 API 的统一管理面板中。该注册表包含所有预构建的连接器,如 Dropbox、Google Drive、Sharepoint 和 Microsoft Teams,以及第三方 MCP。

开发者还可以在 Agent Builder 中启用 Guardrails⁠(在新窗口中打开)——这是一个开源、模块化的安全层,有助于保护智能体免受意外或恶意行为的影响。Guardrails 可以对个人身份信息(PII)进行掩码处理或标记,检测越狱攻击,并应用其他安全措施,从而更轻松构建和部署可靠、安全的智能体。Guardrails 可以独立部署,也可以通过适用于 Python⁠(在新窗口中打开) 和 JavaScript⁠(在新窗口中打开) 的 guardrails 库进行部署。

使用 ChatKit 嵌入智能体聊天体验

为智能体部署聊天用户界面可能出人意料地复杂——需要处理流式响应、管理对话线程、展示模型思考过程,以及设计引人入胜的聊天内体验。ChatKit⁠(在新窗口中打开) 让嵌入基于聊天的智能体变得简单,使其感觉像是你产品的原生功能。它可以嵌入到应用程序或网站中,并根据你的主题或品牌进行定制。

ChatKit 已经支持一系列用例,从内部知识助手和入职指南到客户支持和研究智能体。HubSpot⁠(在新窗口中打开) 的客户支持智能体就是一个例子:

使用新的 Evals 功能衡量智能体性能

构建可靠的、可用于生产环境的智能体需要严格的性能评估。去年,我们推出了 Evals⁠(在新窗口中打开),帮助开发者测试提示词并衡量模型行为。现在,我们正在添加四项新功能,使构建评估变得更加容易:

  • 数据集 – 从零开始快速构建智能体评估,并通过自动评分器和人工标注随时间扩展。

  • 轨迹评分 – 对智能体工作流运行端到端评估,并自动化评分以精准定位不足。

  • 自动提示词优化 – 根据人工标注和评分器输出,生成改进后的提示词。

  • 第三方模型支持 – 在 OpenAI Evals 平台内评估来自其他提供商的模型。

我们已经看到使用 Evals 的客户取得了显著的性能提升。

通过强化微调推动智能体性能

强化微调⁠(在新窗口中打开)(RFT)允许开发者定制我们的推理模型。该功能已在 OpenAI o4-mini 上正式可用,并在 GPT‑5 上处于私有测试阶段。我们正与数十家客户紧密合作,在更广泛发布之前完善 GPT‑5 的 RFT 功能。

今天,我们在该 RFT 测试版中推出了两项新功能,旨在进一步提升智能体性能:

  • 自定义工具调用——训练模型在正确的时间调用正确的工具,以实现更好的推理
  • 自定义评分器——为您的用例设定最关键的自定义评估标准

定价与可用性

从今天起,ChatKit 和新的 Evals 功能已向所有开发者正式开放。Agent Builder 目前处于测试阶段,Connector Registry 开始向部分拥有 Global Admin Console⁠(在新窗口中打开)(全球管理员可在此管理域名、SSO 及多个 API 组织)的 API、ChatGPT Enterprise 和 Edu 客户推出测试版。启用 Connector Registry 的前提是拥有 Global Admin Console。所有这些工具均包含在标准的 API 模型定价中。

我们计划很快在 ChatGPT 中添加独立的 Workflows API 和智能体部署选项。

我们迫不及待想看到你们构建的成果。