A OpenAI está apresentando várias novidades: Responses API, ferramentas integradas para busca na web e em arquivos, uma ferramenta de uso de computador e o Agents SDK open source. Enquanto a Responses API permite que desenvolvedores construam agentes sobre sua tecnologia, o Agents SDK pode ajudar a conectá-los a outras ferramentas e processos da web, executando “fluxos de trabalho” que realizam, de forma autônoma, o que o usuário ou o negócio deseja.
2025 é frequentemente celebrado como o “Ano dos Agentes”, e o movimento da OpenAI é visto como um passo-chave para o setor. O Agents SDK permite que desenvolvedores aproveitem facilmente os avanços mais recentes da OpenAI (como raciocínio aprimorado, interações multimodais e novas técnicas de segurança) em cenários reais e de múltiplas etapas. Para desenvolvedores de LLM e criadores de agentes de IA, o Agents SDK fornece um conjunto de “blocos de construção” para criar e gerenciar seus próprios sistemas autônomos de IA.
A importância do Agents SDK está em sua capacidade de enfrentar os desafios de implantar agentes de IA em ambientes de produção. Tradicionalmente, traduzir o poder dos LLMs em fluxos de trabalho multietapas tem sido trabalhoso, exigindo muitas regras personalizadas, design sequencial de prompts e tentativa e erro sem ferramentas adequadas de observabilidade. Com o Agents SDK e as novas ferramentas de API relacionadas, como a Responses API, a OpenAI busca simplificar significativamente esse processo, permitindo que desenvolvedores construam agentes mais complexos e confiáveis com menos esforço.
What is Agents SDK
A OpenAI está voltando ao código aberto em grande estilo com o lançamento do Agents SDK, um kit de ferramentas projetado para ajudar desenvolvedores a gerenciar, coordenar e otimizar fluxos de trabalho de agentes — inclusive construir agentes alimentados por outros modelos que não os da OpenAI, como concorrentes Anthropic e Google, ou modelos open source de DeepSeek, Qwen, Mistral e a família Llama da Meta.
Why use the Agents SDK
O SDK tem dois princípios de design orientadores:
- Recursos suficientes para valer a pena usar, mas poucos primitivos o bastante para ser rápido de aprender.
- Funciona muito bem “pronto para uso”, mas você pode personalizar exatamente o que acontece.
Aqui estão os principais recursos do SDK:
- Agent loop: loop de agente embutido que lida com chamadas de ferramentas, envia resultados ao LLM e itera até o LLM finalizar.
- Python-first: use recursos nativos da linguagem para orquestrar e encadear agentes, em vez de precisar aprender novas abstrações.
- Handoffs: um recurso poderoso para coordenar e delegar entre múltiplos agentes.
- Guardrails: execute validações e verificações de entrada em paralelo aos seus agentes, interrompendo cedo se as checagens falharem.
- Function tools: transforme qualquer função Python em uma ferramenta, com geração automática de esquema e validação impulsionada por Pydantic.
- Tracing: rastreamento embutido que permite visualizar, depurar e monitorar seus fluxos de trabalho, além de usar o conjunto de ferramentas da OpenAI para avaliação, fine-tuning e distillation.
How to use Openai Agents SDK
- Configure seu ambiente Python
python -m venv env
source env/bin/activate
- Instale o Agents SDK
pip install openai-agents
- defina a variável de ambiente
OPENAI_API_KEY
Defina livremente a OPENAI_API_KEY API a partir da CometAPI
- Log in em cometapi.com. Se você ainda não é nosso usuário, registre-se primeiro
- Get the access credential API key da interface. Clique em “Add Token” no token de API no centro pessoal, obtenha a chave do token: sk-xxxxx e envie.
- Obtenha a URL deste site: https://api.cometapi.com/
- Selecione o endpoint
OPENAI_API_KEYpara enviar a solicitação de API e defina o corpo da requisição. O método e o corpo da requisição são obtidos na nossa documentação de API. Nosso site também fornece teste Apifox para sua conveniência.
- Configure seu agente
Defina quais ferramentas sua IA pode usar. Digamos que queremos habilitar web search e file retrieval:
from agent_sdk import Agent, WebSearchTool, FileRetrievalTool
search_tool = WebSearchTool(api_key="your_api_key")
file_tool = FileRetrievalTool()
agent = Agent(tools=)
Agora seu agente sabe como pesquisar na web e buscar documentos.
5. executar
Ao contrário de chatbots tradicionais, esta IA decide qual ferramenta usar com base na entrada do usuário:
def agent_task(query):
result = agent.use_tool("web_search", query)
return result
response = agent_task("Latest AI research papers")
print(response)
Sem intervenção manual — apenas execução autônoma.
O loop do agente
Quando você chama Runner.run(), o SDK executa um loop até obter uma saída final:
- O LLM é chamado usando o modelo e as configurações no agente, juntamente com o histórico de mensagens.
- O LLM retorna uma resposta, que pode incluir chamadas de ferramentas.
- Se a resposta tiver uma saída final, o loop termina e a retorna.
- Se a resposta incluir um handoff, o agente é definido para o novo agente e o loop continua a partir do passo 1.
- Chamadas de ferramentas são processadas (se houver) e mensagens de resposta das ferramentas são anexadas. Em seguida, o loop continua a partir do passo 1.
Você pode usar o parâmetro max_turns para limitar o número de execuções do loop.
Saída final
A saída final é a última coisa que o agente produz no loop:
- Se você definir um
output_typeno agente, a saída final ocorre quando o LLM retorna algo desse tipo usando saídas estruturadas. - Se não houver
output_type(isto é, respostas de texto simples), então a primeira resposta do LLM sem quaisquer chamadas de ferramentas ou handoffs é considerada a saída final.
Exemplo Hello world
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.
Estrutura técnica
“O OpenAI Agents SDK busca ser um framework conceitual que demonstra como diferentes agentes, como um ‘Triage Agent’ ou um ‘CRM Agent’, podem colaborar para concluir tarefas por meio de interações com ferramentas e mecanismos de delegação.”
Componentes centrais e arquitetura do Agents SDK
O OpenAI Agents SDK é construído sobre um conjunto conciso e robusto de princípios. Em seu núcleo está o conceito de Agent, que representa uma instância de um modelo de linguagem configurado com instruções específicas e equipado para usar várias ferramentas. Os agentes começam recebendo solicitações de usuários — como perguntas ou definições de tarefas — e então decompõem essas tarefas em subtarefas que podem envolver o uso de ferramentas predefinidas, entregando eventualmente uma resposta completa. Essas Tools são descritas funcionalmente como funções invocáveis; aproveitando o Agents SDK, qualquer função Python pode servir perfeitamente como uma ferramenta, com validação de esquema automática para entradas e saídas fornecida via Pydantic. Por exemplo, funções Python que representam uma ferramenta de consulta a banco de dados ou uma ferramenta de busca na web podem ser integradas diretamente ao conjunto de ferramentas de um agente.
Outra peça central do Agents SDK é o Agent Loop, que define o processo iterativo de resolução de tarefas. Começando com uma tentativa inicial de responder a uma consulta, um agente avalia se possui informações suficientes ou se precisa executar ações externas. Quando necessário, o agente invoca a ferramenta relevante, processa a saída e reavalia a tarefa. Esse ciclo se repete até que o agente sinalize a conclusão da tarefa com uma resposta “I’m done”. O Agents SDK gerencia esse processo de forma autônoma, simplificando o desenvolvimento ao automatizar tarefas recorrentes como invocação de ferramentas, tratamento de resultados e tentativas iterativas. Isso permite que desenvolvedores foquem mais na definição de fluxos de trabalho e capacidades dos agentes sem se preocupar com mecânicas subjacentes. A OpenAI descreve essa abordagem como Python-first, enfatizando o uso de construções familiares do Python — como loops, condicionais e chamadas de função — em vez de linguagens específicas de domínio (DSLs). Com essa flexibilidade, desenvolvedores podem orquestrar agentes interconectados confiando na sintaxe nativa do Python.
Handoff e arquitetura multiagente
As capacidades do SDK vão além de agentes individuais. Por meio de um recurso conhecido como Handoff, tarefas podem ser transferidas entre múltiplos agentes, permitindo que colaborem sem atritos. Por exemplo, um “Triage Agent” pode determinar a natureza de uma solicitação recebida, delegando-a a outro agente especializado, ou a saída de um agente pode servir de entrada para outro. Esse sistema suporta fluxos de trabalho nos quais agentes especializados executam partes distintas de uma tarefa mais ampla, viabilizando arquiteturas complexas de múltiplos agentes. Além disso, Guardrails aumentam a confiabilidade ao impor regras de validação nas entradas ou saídas dos agentes. Por exemplo, guardrails podem exigir conformidade de formato de parâmetros ou encerrar o loop cedo quando anomalias são detectadas, reduzindo riscos como execução ineficiente ou comportamentos indesejados em operações do mundo real.
Orquestração e monitoramento
Além da execução de tarefas, o Agents SDK inclui recursos robustos de orquestração, assumindo o controle da execução de ferramentas, fluxos de dados e gestão do loop. Apesar do alto nível de automação, a OpenAI prioriza a transparência, equipando desenvolvedores com ferramentas para monitorar a atividade dos agentes em tempo real. Por meio do Tracing embutido e acessível no painel da OpenAI, desenvolvedores podem visualizar fluxos de trabalho passo a passo, observando quando ferramentas são chamadas, os insumos que utilizam e as saídas que retornam. A plataforma utiliza a infraestrutura de monitoramento da OpenAI para decompor a execução da lógica do agente em traces e spans, oferecendo insights granulares sobre o comportamento do agente. Isso capacita desenvolvedores a diagnosticar gargalos, depurar problemas, otimizar fluxos de trabalho e acompanhar desempenho. Além disso, a arquitetura de tracing dá suporte a avaliações sofisticadas, possibilitando fine-tuning e melhoria do desempenho dos agentes ao longo do tempo.
Vantagens
O OpenAI Agents SDK não é apenas para desenvolvedores individuais; ele também oferece vantagens significativas para empresas que constroem produtos baseados em agentes de IA. Vamos começar pelas vantagens:
Prototipagem rápida e produção: o Agents SDK implementa comportamentos complexos de agentes com mínimo código e configuração, encurtando o ciclo da ideia ao produto. Por exemplo, a plataforma cripto mainstream Coinbase usa o SDK para prototipar rapidamente e implantar sistemas de suporte com múltiplos agentes. Da mesma forma, em áreas como assistentes de pesquisa corporativa, empresas podem integrar as ferramentas de busca na web e em arquivos do SDK para entregar valor rapidamente. Ao delegar detalhes de orquestração, desenvolvedores podem focar em recursos específicos do produto.
Redução de custos de desenvolvimento: construir um sistema de agentes do zero exige investimento de engenharia significativo. O Agents SDK reduz custos ao fornecer soluções prontas para necessidades comuns — gestão de loops, sincronização de chamadas de API, tratamento de erros e saída formatada de ferramentas para LLM. Por ser open source, também permite personalização para atender às necessidades da empresa. Isso é uma vantagem para startups, permitindo criar produtos poderosos impulsionados por agentes com recursos limitados.
Rastreabilidade e depuração: o painel de rastreamento integrado do SDK transforma aplicativos de negócios. Preocupações do setor sobre a IA ser uma “caixa-preta” agora permitem que cada etapa do agente seja registrada e auditável. Se um agente de suporte ao cliente der a resposta errada, o trace mostra qual chamada de ferramenta ou etapa falhou. A tela de log/trace da OpenAI Platform melhora a auditabilidade dos agentes — crítica em setores sujeitos a regulamentação ou auditorias internas. Isso permite que empresas integrem IA com mais confiança, sabendo que podem explicar os resultados quando necessário.
Acesso aos modelos e ferramentas mais recentes da OpenAI: usar o Agents SDK significa aproveitar os melhores modelos da OpenAI (por exemplo, GPT-4) e ferramentas atuais (busca na web, execução de código). Isso oferece uma vantagem de qualidade em relação a alternativas que podem depender de modelos mais fracos. Para aplicações que requerem alta precisão ou informações atualizadas (por exemplo, assistentes de pesquisa, agentes de análise financeira), o desempenho dos modelos da OpenAI é uma grande vantagem. À medida que a OpenAI adiciona ferramentas (sinalizando mais integrações por vir), usuários do SDK podem adotá-las facilmente.
CometAPI totalmente compatível com o protocolo de interface da OpenAI para garantir integração perfeita. Você pode evitar dependências de modelo e serviço (risco de lock-in), reduzir preocupações de privacidade e segurança de dados e reduzir custos. Aproveitar os poderosos modelos e ferramentas da OpenAI pode ser caro e, às vezes, limitar o desempenho. A CometAPI oferece preços mais baratos.
Conclusão
A OpenAI está dedicada a avançar as capacidades de IA com ofertas inovadoras como a Responses API. Ao introduzir essas ferramentas, empresas e desenvolvedores ganham a chance de construir soluções de IA mais inteligentes, adaptáveis e altamente confiáveis. Esses desenvolvimentos apontam para um futuro em que a inteligência artificial continua a impulsionar mudanças impactantes e desbloquear novas possibilidades em diversos setores.