Представляем AgentKit
Новые инструменты для создания, развертывания и оптимизации агентов.
Обновление от 3 июня 2026 г.: OpenAI сворачивает продукты Agent Builder и Evals. Начиная с 30 ноября 2026 года они больше не будут доступны на платформе OpenAI. Для рабочих процессов, которые должны продолжаться в виде кода, мы рекомендуем Agents SDK. Для сценариев использования, лучше подходящих для промптов на естественном языке, мы рекомендуем Workspace Agents в ChatGPT.
Сегодня мы выпускаем AgentKit — полный набор инструментов для разработчиков и предприятий, предназначенный для создания, развертывания и оптимизации агентов. До сих пор создание агентов означало лавирование между разрозненными инструментами: сложная оркестрация без контроля версий, пользовательские коннекторы, конвейеры ручной оценки (evals), тюнинг промптов и недели работы над фронтендом перед запуск. С помощью AgentKit разработчики теперь могут визуально проектировать рабочие процессы и быстрее внедрять агентские пользовательские интерфейсы, используя новые строительные блоки, такие как:
- Agent Builder: визуальный холст для создания и версионирования многоагентных рабочих процессов
- Connector Registry: централизованное место для администраторов, где они могут управлять подключением данных и инструментов во всех продуктах OpenAI
- ChatKit: набор инструментов для встраивания настраиваемых чат-интерфейсов агентов в ваш продукт
Мы также расширяем возможности оценки с помощью новых функций, таких как наборы данных (datasets), оценка трассировок (trace grading), автоматическая оптимизация промптов и поддержка сторонних моделей для измерения и улучшения производительности агентов.
С момента выпуска Responses API и Agents SDK в марте мы видели, как разработчики и предприятия создают сквозные агентские рабочие процессы для глубоких исследований, службы поддержки и многого другого. Klarna создала агента поддержки, который обрабатывает две трети всех тикетов, а Clay увеличил рост в 10 раз с помощью торгового агента. AgentKit опирается на Responses API, помогая разработчикам создавать агентов более эффективно и надежно.
Проектирование рабочих процессов с помощью Agent Builder
По мере усложнения агентских рабочих процессов разработчикам требуется более четкое понимание того, как они функционируют. Agent Builder предоставляет визуальный холст для составления логики с помощью узлов перетаскивания (drag-and-drop), подключения инструментов и настройки пользовательских защитных фильтров (guardrails). Он поддерживает предварительные запуски, настройку встроенных оценок и полное версионирование — что идеально подходит для быстрой итерации.
Разработчики могут начать работу с пустого холста или готовых шаблонов.
В компании Ramp команда перешла от пустого холста к агенту-покупателю всего за несколько часов:
Agent Builder превратил то, на что раньше уходили месяцы сложной оркестрации, кастомного кода и ручной оптимизации, всего в пару часов. Визуальный холст позволяет продуктовым, юридическим и инженерным отделам находиться на одной волне, сокращая циклы итераций на 70% и запуская агента в работу за два спринта вместо двух кварталов».
Аналогичным образом LY Corporation — ведущая японская технологическая и интернет-компания — создала агента-помощника по работе с помощью Agent Builder менее чем за два часа.
«Agent Builder позволил нам оркестровать агентов совершенно новым способом: инженеры и эксперты в предметной области сотрудничают в рамках единого интерфейса. Мы создали наш первый многоагентный рабочий процесс и запустили его менее чем за два часа, драматически ускорив время создания и развертывания агентов.»
Мы также запускаем Connector Registry для управления данными и их поддержания в актуальном состоянии на предприятиях в различных рабочих пространствах и организациях. Connector Registry объединяет источники данных в единую панель администратора для ChatGPT и API. Реестр включает в себя все готовые коннекторы, такие как Dropbox, Google Drive, Sharepoint и Microsoft Teams, а также сторонние MCP.
Разработчики также могут включить Guardrails в Agent Builder — это открытый модульный уровень безопасности, который помогает защитить агентов от непреднамеренного или вредоносного поведения. Guardrails могут маскировать или отмечать персональные данные (PII), обнаруживать попытки обхода защиты (jailbreaks) и применять другие меры предосторожности, упрощая создание и развертывание надежных и безопасных агентов. Guardrails можно развертывать автономно или с помощью библиотеки защитных фильтров для Python и JavaScript.
Встраивание интерактивных чат-интерфейсов агентов с помощью ChatKit
Развертывание интерфейсов чата для агентов может оказаться неожиданно сложным: обработка потоковых ответов, управление ветками диалога, демонстрация «размышлений» модели и создание увлекательного взаимодействия в чате. ChatKit позволяет легко встраивать чат-агентов, которые кажутся естественной частью вашего продукта. Его можно интегрировать в приложения или на веб-сайты и настраивать в соответствии с вашей темой или брендом.
ChatKit уже поддерживает широкий спектр сценариев использования: от внутренних ассистентов по знаниям и руководств по адаптации до службы поддержки клиентов и исследовательских агентов. Агент службы поддержки клиентов компании HubSpot — один из таких примеров:
Оценка производительности агентов с помощью новых возможностей Evals
Создание надежных, готовых к работе агентов требует тщательной оценки производительности. В прошлом году мы запустили Evals, чтобы помочь разработчикам тестировать промпты и измерять поведение моделей. Теперь мы добавляем четыре новые функции, которые делают создание оценок еще проще:
- Наборы данных (Datasets) — быстрое создание оценок агентов с нуля и их расширение с течением времени с помощью автоматических оценщиков и человеческих аннотаций.
- Оценка трассировок (Trace grading) — проведение комплексных оценок агентских рабочих процессов и автоматизация оценки для точного определения недочетов.
- Автоматическая оптимизация промптов — создание улучшенных промптов на основе человеческих аннотаций и результатов работы оценщика.
- Поддержка сторонних моделей — оценка моделей от других провайдеров в рамках платформы OpenAI Evals.
Мы уже наблюдаем серьезный прирост производительности у клиентов, использующих Evals.
Повышение производительности агентов с помощью дообучения с подкреплением
Дообучение с подкреплением (Reinforcement fine-tuning, RFT) позволяет разработчикам настраивать наши модели рассуждений. Оно общедоступно для OpenAI o4-mini и находится в закрытой бета-версии для GPT‑5. Мы тесно сотрудничаем с десятками клиентов, чтобы доработать RFT для GPT‑5 перед более широким релизом.
Сегодня мы представляем две новые функции в рамках этой RFT бета-версии, призванные еще больше повысить производительность агентов:
- Пользовательские вызовы инструментов — обучение моделей вызывать нужные инструменты в нужное время для улучшения рассуждений
- Пользовательские оценщики — установка индивидуальных критериев оценки для того, что наиболее важно в вашем сценарии использования
Цены и доступность
Начиная с сегодняшнего дня, ChatKit и новые возможности Evals общедоступны для всех разработчиков. Agent Builder доступен в режиме бета-тестирования, а развертывание бета-версии ConnectorRegistry начинается для некоторых клиентов API, ChatGPT Enterprise и Edu с Глобальной консолью администратора(где глобальные владельцы могут управлять доменами, единым входом SSO и несколькими организациями API). Глобальная консоль администратора является обязательным условием для включения Connector Registry. Все эти инструменты включены в стандартное ценообразование моделей API.
В ближайшее время мы планируем добавить автономный Workflows API и возможности развертывания агентов в ChatGPT.
Нам не терпится увидеть, что вы создадите.
Автор
Полный текст статьи читайте на OpenAI
