Uitpakken van OpenAI's Agents SDK: een gids

OpenAI introduceert verschillende nieuwe aanbiedingen: Responses API, ingebouwde tools voor web- en bestandszoekopdrachten, een computergebruikstool en de open-source Agents SDK. Terwijl de Responses API ontwikkelaars in staat stelt om agents te bouwen op zijn technologie, kan de Agents SDK hen helpen om agents te koppelen aan andere webtools en -processen, en "workflows" uit te voeren die doen wat de gebruiker of het bedrijf wil, autonoom.

2025 wordt vaak geprezen als het "Jaar van Agents" en de stap van OpenAI wordt gezien als een belangrijke stap voor de industrie. Met de Agents SDK kunnen ontwikkelaars eenvoudig gebruikmaken van de nieuwste ontwikkelingen van OpenAI (zoals verbeterde redenering, multimodale interacties en nieuwe veiligheidstechnieken) in real-world, multi-step scenario's. Voor LLM-ontwikkelaars en AI-agentbouwers biedt de Agents SDK een set "bouwstenen" om hun eigen autonome AI-systemen te maken en beheren.

Het belang van de Agents SDK ligt in het vermogen om de uitdagingen van het implementeren van AI-agenten in productieomgevingen aan te pakken. Traditioneel was het vertalen van krachtige LLM-mogelijkheden naar workflows met meerdere stappen arbeidsintensief, waarbij veel aangepaste regels, sequentieel promptontwerp en trial-and-error nodig waren zonder de juiste observability-tooling. Met de Agents SDK en gerelateerde nieuwe API-tools zoals de Responses API, wil OpenAI dit proces aanzienlijk vereenvoudigen, waardoor ontwikkelaars complexere en betrouwbaardere agents kunnen bouwen met minder moeite.

Wat is Agents SDK

OpenAI stapt weer massaal in de open source-wereld met de release van de Agents SDK, een toolkit die is ontworpen om ontwikkelaars te helpen bij het beheren, coördineren en optimaliseren van agentworkflows. Er kunnen zelfs agents worden gebouwd die worden aangestuurd door andere, niet-OpenAI-modellen, zoals die van concurrenten Anthropic en Google, of open source-modellen van DeepSeek, Qwen, Mistral en de Llama-familie van Meta.

Waarom de Agents SDK gebruiken

De SDK heeft twee sturende ontwerpprincipes:

1. Genoeg functies om het de moeite waard te maken, maar weinig primitieven om het snel te leren.
2. Werkt prima direct uit de doos, maar u kunt precies aanpassen wat er gebeurt.

Dit zijn de belangrijkste kenmerken van de SDK:

• Agentlus: Ingebouwde agentlus die het aanroepen van tools, het verzenden van resultaten naar de LLM en het herhalen van de lus afhandelt totdat de LLM is voltooid.
• Python-first: gebruik ingebouwde taalfuncties om agenten te orkestreren en aan elkaar te koppelen, in plaats van dat u nieuwe abstracties moet leren.
• Handoffs: een krachtige functie voor coördinatie en delegeren tussen meerdere agenten.
• Guardrails: Voer invoervalidaties en -controles parallel aan uw agents uit en stop vroegtijdig als de controles mislukken.
• Functietools: verander elke Python-functie in een tool, met automatische schemageneratie en door Pydantic aangestuurde validatie.
• Tracering: Ingebouwde tracering waarmee u uw workflows kunt visualiseren, debuggen en bewaken. Daarnaast kunt u gebruikmaken van de OpenAI-suite met evaluatie-, afstemmings- en distillatietools.

Gebruiksaanwijzing Openai Agents-SDK

1. Stel uw Python-omgeving in

python -m venv env
source env/bin/activate

2. Agents SDK installeren

pip install openai-agents

3. stel de OPENAI_API_KEY variabele omgeving

Vrij stel de OPENAI_API_KEY API van CometAPI

• Login naar cometapi.com. Als u nog geen gebruiker van ons bent, registreer u dan eerst
• Haal de API-sleutel voor toegangsreferenties op van de interface. Klik op "Token toevoegen" bij de API-token in het persoonlijke centrum, haal de tokensleutel op: sk-xxxxx en verstuur.
• Haal de url van deze site op: https://api.cometapi.com/
• Selecteer het OPENAI_API_KEY eindpunt om de API-aanvraag te verzenden en de aanvraagbody in te stellen. De aanvraagmethode en aanvraagbody worden verkregen van onze website API-doc. Onze website biedt ook een Apifox-test voor uw gemak.

4. Stel uw agent in

Definieer welke tools uw AI kan gebruiken. Stel dat we willen inschakelen zoeken op het web  en  bestand ophalen:

from agent_sdk import Agent, WebSearchTool, FileRetrievalTool

search_tool = WebSearchTool(api_key="your_api_key")
file_tool = FileRetrievalTool()

agent = Agent(tools=)

Nu weet uw agent hoe hij op internet kan zoeken en documenten kan ophalen.

5. rennen

In tegenstelling tot traditionele chatbots is deze AI beslist welke tool gebruikt moet worden op basis van de invoer van de gebruiker:

def agent_task(query):
    result = agent.use_tool("web_search", query)
    return result

response = agent_task("Latest AI research papers")
print(response)

Geen handmatige tussenkomst, alleen autonome uitvoering.

De Agent Loop

Wanneer je belt Runner.run(), de SDK voert een lus uit totdat het een definitieve uitvoer krijgt:

1. De LLM wordt aangeroepen met behulp van het model en de instellingen op de agent, samen met de berichtengeschiedenis.
2. De LLM retourneert een antwoord, dat mogelijk ook tool-aanroepen bevat.
3. Als het antwoord een definitieve uitvoer heeft, wordt de lus beëindigd en wordt deze geretourneerd.
4. Als het antwoord een handoff heeft, wordt de agent ingesteld op de nieuwe agent en gaat de lus verder vanaf stap 1.
5. Tool calls worden verwerkt (indien van toepassing) en tool response berichten worden toegevoegd. Vervolgens gaat de lus verder vanaf stap 1.

U kunt gebruik maken van de max_turns parameter om het aantal lusuitvoeringen te beperken.

​Definitieve Uitvoer

De uiteindelijke uitvoer is het laatste dat de agent in de lus produceert:

• Als u een output_type op de agent is de uiteindelijke uitvoer wanneer de LLM iets van dat type retourneert met behulp van gestructureerde uitvoer.
• Als er geen is output_type (d.w.z. reacties in platte tekst), dan wordt het eerste LLM-antwoord zonder toolaanroepen of overdrachten als de uiteindelijke uitvoer beschouwd.

Hallo wereld voorbeeld

from agents import Agent, Runner

agent = Agent(name="Assistant", instructions="You are a helpful assistant")

result = Runner.run_sync(agent, "Write a haiku about recursion in programming.")
print(result.final_output)

# Code within the code,

# Functions calling themselves,
# Infinite loop's dance.

Technische structuur

“De OpenAI Agents SDK wil een conceptueel raamwerk zijn dat laat zien hoe verschillende agenten, zoals een 'Triage Agent' of een 'CRM Agent', kunnen samenwerken om taken uit te voeren via toolinteracties en delegatiemechanismen.”

Kerncomponenten en architectuur van Agents SDK

De OpenAI Agents SDK is gebouwd op een beknopte maar robuuste set principes. De kern is het concept van de Agent, wat een instantie is van een taalmodel dat is afgestemd op specifieke instructies en is uitgerust om verschillende tools te gebruiken. Agenten beginnen met het ontvangen van gebruikersverzoeken, zoals vragen of taakdefinities, en splitsen deze taken vervolgens op in subtaken die mogelijk vooraf gedefinieerde tools gebruiken, om uiteindelijk een volledig antwoord te leveren. Deze Tools worden functioneel beschreven als callable functies; door gebruik te maken van de Agents SDK kan elke Python-functie naadloos dienen als een tool, met automatische schemavalidatie voor invoer en uitvoer via Pydantic. Python-functies die bijvoorbeeld een databasequerytool of een webzoektool vertegenwoordigen, kunnen rechtstreeks in de toolkit van een agent worden geïntegreerd.

Een ander centraal onderdeel van de Agents SDK is de Agentenlus, die het iteratieve proces van taakoplossing definieert. Beginnend met een eerste poging om een ​​query te beantwoorden, evalueert een agent of hij voldoende informatie heeft of externe acties moet uitvoeren. Indien nodig roept de agent een relevante tool aan, verwerkt de output en beoordeelt de taak opnieuw. Deze cyclus herhaalt zich totdat de agent de taakvoltooiing aangeeft met een "Ik ben klaar"-reactie. Agents SDK beheert dit proces autonoom en vereenvoudigt het ontwikkelingsproces door terugkerende taken zoals toolaanroeping, resultaatverwerking en iteratieve pogingen te automatiseren. Hierdoor kunnen ontwikkelaars zich meer richten op het definiëren van workflows en agentmogelijkheden zonder zich zorgen te maken over onderliggende mechanismen. OpenAI beschrijft deze aanpak als Python-eerst, met de nadruk op het gebruik van bekende Python-constructies — zoals lussen, conditionals en functieaanroepen — via domeinspecifieke talen (DSL's). Met deze flexibiliteit kunnen ontwikkelaars onderling verbonden agents orkestreren terwijl ze vertrouwen op de native Python-syntaxis.

Handoff- en multi-agentarchitectuur

De mogelijkheden van de SDK gaan verder dan individuele agenten. Via een functie die bekend staat als Handoff, taken kunnen worden overgedragen tussen meerdere agenten, waardoor ze naadloos kunnen samenwerken. Een "Triage Agent" kan bijvoorbeeld de aard van een binnenkomende query bepalen en deze delegeren aan een andere gespecialiseerde agent, of de output van een agent kan dienen als input voor een andere. Dit systeem ondersteunt workflows waarbij gespecialiseerde agenten afzonderlijke delen van een bredere taak uitvoeren, waardoor complexe multi-agent architecturen worden versterkt. OpenAI heeft de toolkit ontworpen voor schaalbare applicaties, zoals automatisering van klantondersteuning, onderzoeksprocessen, projecten met meerdere stappen, contentcreatie, verkoopactiviteiten of zelfs codebeoordelingen. Daarnaast Vangrails betrouwbaarheid verbeteren door validatieregels op te leggen aan agentinputs of -outputs. Zo kunnen guardrails naleving van parameterformaten afdwingen of de lus vroegtijdig beëindigen wanneer anomalieën worden gedetecteerd, waardoor risico's zoals inefficiënte uitvoering of ongewenst gedrag in real-world operaties worden verminderd.

Orkestratie en monitoring

Naast de uitvoering van taken bevat de Agents SDK robuuste orkestratie functies, die de leiding nemen over de uitvoering van de tool, gegevensstromen en loopbeheer. Ondanks de hoge mate van automatisering, geeft OpenAI prioriteit aan transparantie en voorziet ontwikkelaars van tools om agentactiviteit in realtime te monitoren. Via de ingebouwde Tracing functie toegankelijk in het OpenAI-dashboard, kunnen ontwikkelaars workflows visualiseren, stap voor stap, observeren wanneer tools worden aangeroepen, welke invoer ze gebruiken en welke uitvoer ze retourneren. Het platform maakt gebruik van OpenAI's monitoringinfrastructuur om de uitvoering van agentlogica op te splitsen in traces en spans, wat gedetailleerde inzichten biedt in agentgedrag. Dit stelt ontwikkelaars in staat om knelpunten te diagnosticeren, problemen op te lossen, workflows te optimaliseren en prestaties bij te houden. Bovendien ondersteunt de traceringsarchitectuur geavanceerde evaluaties, wat het mogelijk maakt om agentprestaties in de loop van de tijd te verfijnen en te verbeteren.

Voordelen

OpenAI Agents SDK is niet alleen voor individuele ontwikkelaars, het biedt ook aanzienlijke voordelen aan bedrijven die AI-agent-gebaseerde producten bouwen. Laten we beginnen met de voordelen:

Snelle prototyping en productie: Agents SDK implementeert complexe agentgedragingen met minimale code en configuratie, waardoor de cyclus van idee tot product wordt verkort. Het mainstream cryptoplatform Coinbase gebruikt bijvoorbeeld SDK om snel multi-agent supportsystemen te prototypen en implementeren. Op vergelijkbare wijze kunnen bedrijven op gebieden zoals enterprise search assistants de web- en bestandszoektools van SDK integreren om snel waarde te leveren. Door orkestratiedetails uit te besteden, kunnen ontwikkelaars zich richten op productspecifieke functies.

Lagere ontwikkelingskosten: Het bouwen van een agentsysteem vanaf nul vereist een aanzienlijke technische investering. Agents SDK verlaagt de kosten door kant-en-klare oplossingen te bieden voor algemene behoeften: loop management, API-oproepsynchronisatie, foutverwerking en geformatteerde tooluitvoer voor LLM. Omdat het open source is, is het ook mogelijk om aanpassingen te doen om te voldoen aan de behoeften van het bedrijf. Dit is een zegen voor startups, omdat ze hiermee krachtige agentgestuurde producten kunnen maken met beperkte middelen.

Traceerbaarheid en debuggen: Het geïntegreerde trackingdashboard van de SDK transformeert zakelijke applicaties. De bezorgdheid van de industrie dat AI een "black box" is, maakt het nu mogelijk om elke agentstap te loggen en te controleren. Als een klantenservicemedewerker het verkeerde antwoord geeft, toont de trace welke tooloproep of stap mislukte. Het log-/tracescherm van het OpenAI Platform verbetert de controleerbaarheid van agenten — cruciaal in sectoren die onderhevig zijn aan regelgeving of interne audits. Hierdoor kunnen bedrijven AI met meer vertrouwen integreren, wetende dat ze de resultaten kunnen uitleggen wanneer dat nodig is.

Toegang tot de nieuwste modellen en tools van OpenAI: Het gebruik van de Agents SDK betekent profiteren van OpenAI's topmodellen (bijv. GPT-4) en huidige tools (web search, code execution). Dit biedt een kwaliteitsvoordeel ten opzichte van het bouwen van alternatieven die mogelijk afhankelijk zijn van zwakkere modellen. Voor applicaties die een hoge nauwkeurigheid of up-to-date informatie vereisen (bijv. onderzoeksassistenten, financiële analyseagenten), is de prestatie van OpenAI's modellen een groot voordeel. Naarmate OpenAI tools toevoegt (wat wijst op meer integraties die eraan komen), kunnen SDK-gebruikers deze eenvoudig adopteren.

CometAPI is volledig compatibel met het OpenAI-interfaceprotocol om naadloze integratie te garanderen. U kunt model- en serviceafhankelijkheden (lock-in-risico) vermijden, zorgen over gegevensprivacy en -beveiliging verminderen en kosten verlagen. Het benutten van de krachtige modellen en tools van OpenAI kan duur zijn en soms de prestaties beperken. CometAPI biedt goedkopere prijzen.

Gerelateerde onderwerpen CometAPI: het ultieme AI-modelintegratieplatform

Conclusie

OpenAI is toegewijd aan het verbeteren van AI-mogelijkheden met innovatieve aanbiedingen zoals de Responses API. Door deze tools te introduceren, krijgen bedrijven en ontwikkelaars de kans om slimmere, aanpasbare en zeer betrouwbare AI-oplossingen te bouwen. Deze ontwikkelingen wijzen op een toekomst waarin kunstmatige intelligentie impactvolle veranderingen blijft aansturen en nieuwe mogelijkheden in alle sectoren ontsluit.