OpenAI представляет несколько новых предложений: Responses API, встроенные инструменты для веб‑поиска и поиска по файлам, инструмент для использования компьютера и открытый Agents SDK. Пока Responses API позволяет разработчикам строить агентов поверх технологий OpenAI, Agents SDK помогает связывать агентов с другими веб‑инструментами и процессами, выполняя «workflows», которые автономно делают то, что нужно пользователю или бизнесу.
2025 год часто называют «Годом агентов», и шаг OpenAI рассматривается как ключевой для отрасли. Agents SDK позволяет разработчикам легко использовать последние достижения OpenAI (такие как улучшенное рассуждение, мультимодальные взаимодействия и новые техники безопасности) в реальных многошаговых сценариях. Для разработчиков LLM и создателей AI‑агентов Agents SDK предоставляет набор «строительных блоков» для создания и управления собственными автономными AI‑системами.
Значимость Agents SDK заключается в его способности решать задачи развёртывания AI‑агентов в продуктивных средах. Традиционно перенос мощных возможностей LLM в многошаговые рабочие процессы был трудозатратным, требовал написания множества пользовательских правил, последовательного проектирования подсказок и проб‑и‑ошибок без должных инструментов наблюдаемости. С помощью Agents SDK и связанных новых инструментов API, таких как Responses API, OpenAI стремится существенно упростить этот процесс, позволяя разработчикам строить более сложных и надёжных агентов с меньшими усилиями.
What is Agents SDK
OpenAI в значительной степени возвращается к open source, выпустив Agents SDK — набор инструментов, призванный помочь разработчикам управлять, координировать и оптимизировать рабочие процессы агентов — вплоть до создания агентов на базе других, не‑OpenAI моделей, таких как конкуренты Anthropic и Google, или открытые модели от DeepSeek, Qwen, Mistral и семейства Llama от Meta.
Why use the Agents SDK
У SDK есть два ключевых принципа проектирования:
- Достаточно функций, чтобы имело смысл пользоваться, но достаточно мало примитивов, чтобы быстро освоить.
- Отлично работает «из коробки», но вы можете точно настраивать, что именно происходит.
Основные возможности SDK:
- Agent loop: Встроенный цикл агента, который обрабатывает вызовы инструментов, отправку результатов в LLM и зацикливание до завершения работы LLM.
- Python-first: Используйте встроенные возможности языка для оркестрации и связывания агентов, без необходимости изучать новые абстракции.
- Handoffs: Мощная функция для координации и делегирования между несколькими агентами.
- Guardrails: Запускайте проверки и валидации входных данных параллельно с работой агентов, прерывая выполнение при неудачных проверках.
- Function tools: Превращайте любую Python‑функцию в инструмент с автоматической генерацией схемы и валидацией на базе Pydantic.
- Tracing: Встроенная трассировка, позволяющая визуализировать, отлаживать и мониторить workflows, а также использовать набор инструментов OpenAI для оценивания, дообучения и дистилляции.
How to use OpenAI Agents SDK
- Set up your Python environment
python -m venv env
source env/bin/activate
- Install Agents SDK
pip install openai-agents
- set the
OPENAI_API_KEYenvironment variable
Freely set the OPENAI_API_KEY API from CometAPI
- Log in to cometapi.com. If you are not our user yet, please register first
- Get the access credential API key of the interface. Click “Add Token” at the API token in the personal center, get the token key: sk-xxxxx and submit.
- Get the url of this site: https://api.cometapi.com/
- Select the
OPENAI_API_KEYendpoint to send the API request and set the request body. The request method and request body are obtained from our website API doc. Our website also provides Apifox test for your convenience.
- Set Up Your Agent
Определите, какими инструментами может пользоваться ваш AI. Допустим, мы хотим включить web search и file retrieval:
from agent_sdk import Agent, WebSearchTool, FileRetrievalTool
search_tool = WebSearchTool(api_key="your_api_key")
file_tool = FileRetrievalTool()
agent = Agent(tools=)
Теперь ваш агент умеет искать в интернете и получать документы.
5. run
В отличие от традиционных чат-ботов, этот AI сам решает, какой инструмент использовать на основе пользовательского ввода:
def agent_task(query):
result = agent.use_tool("web_search", query)
return result
response = agent_task("Latest AI research papers")
print(response)
Без ручного вмешательства — только автономное выполнение.
The Agent Loop
Когда вы вызываете Runner.run(), SDK запускает цикл до получения финального результата:
- LLM вызывается с использованием модели и настроек агента, а также истории сообщений.
- LLM возвращает ответ, который может включать вызовы инструментов.
- Если ответ содержит финальный вывод, цикл завершается и возвращает его.
- Если ответ содержит handoff, агент переключается на нового агента и цикл продолжается с шага 1.
- Вызовы инструментов (если есть) обрабатываются, а сообщения с ответами инструментов добавляются. Затем цикл продолжается с шага 1.
Вы можете использовать параметр max_turns, чтобы ограничить число итераций цикла.
Final Output
Финальный результат — это последнее, что агент производит в цикле:
- Если вы задали
output_typeдля агента, финальный результат возникает, когда LLM возвращает что‑то этого типа с использованием структурированных выходных данных. - Если
output_typeне задан (то есть ответы в виде обычного текста), первым финальным результатом считается ответ LLM без вызовов инструментов или handoff.
Hello world example
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.
Technical Structure
«OpenAI Agents SDK задуман как концептуальная рамка, демонстрирующая, как разные агенты, такие как “Triage Agent” или “CRM Agent”, могут взаимодействовать для выполнения задач через вызовы инструментов и механизмы делегирования.»
Core Components and Architecture of Agents SDK
OpenAI Agents SDK построен на лаконичном, но надёжном наборе принципов. В его основе лежит концепция Agent — экземпляра языковой модели, настроенной особыми инструкциями и оснащённой различными инструментами. Агенты начинают с получения пользовательских запросов — таких как вопросы или постановки задач — затем разбивают задачи на подзадачи, которые могут включать использование предопределённых инструментов, и в итоге предоставляют полный ответ. Эти Tools описываются функционально как вызываемые функции; используя Agents SDK, любая Python‑функция может бесшовно выступать в роли инструмента, при этом Pydantic обеспечивает автоматическую проверку схем входов и выходов. Например, Python‑функции, представляющие инструмент запроса к базе данных или инструмент веб‑поиска, можно напрямую интегрировать в набор инструментов агента.
Ещё одним центральным элементом Agents SDK является Agent Loop, определяющий итеративный процесс решения задачи. Начиная с начальной попытки ответить на запрос, агент оценивает, достаточно ли у него информации, или нужно выполнить внешние действия. При необходимости агент вызывает соответствующий инструмент, обрабатывает результат и переоценивает задачу. Этот цикл повторяется, пока агент не сигнализирует о завершении задач фразой «I’m done». Agents SDK управляет этим процессом автономно, упрощая разработку за счёт автоматизации повторяющихся операций, таких как вызов инструментов, обработка результатов и итеративные повторные попытки. Это позволяет разработчикам больше сосредоточиться на определении workflows и возможностей агентов, не заботясь о базовой механике. OpenAI описывает этот подход как Python-first, подчёркивая использование привычных конструкций Python — таких как циклы, условные операторы и вызовы функций — вместо предметно‑ориентированных языков (DSL). С такой гибкостью разработчики могут оркестровать взаимосвязанных агентов, опираясь на нативный синтаксис Python.
Handoff and Multi-Agent Architecture
Возможности SDK выходят за рамки отдельных агентов. Благодаря функции Handoff задачи могут передаваться между несколькими агентами, что позволяет им бесшовно сотрудничать. Например, «Triage Agent» может определить природу входящего запроса и делегировать его другому специализированному агенту, или вывод одного агента может служить входом для другого. Эта система поддерживает workflows, в которых специализированные агенты выполняют отдельные части более широкой задачи, что открывает путь к сложным мультиагентным архитектурам. Кроме того, Guardrails повышают надёжность, накладывая правила валидации на входы или выходы агентов. Например, guardrails могут обеспечивать соответствие формату параметров или преждевременно завершать цикл при обнаружении аномалий, снижая риски неэффективного выполнения или нежелательного поведения в реальных операциях.
Orchestration and Monitoring
Помимо выполнения задач, Agents SDK включает мощные средства оркестрации, отвечающие за выполнение инструментов, потоки данных и управление циклом. Несмотря на высокий уровень автоматизации, OpenAI уделяет приоритетное внимание прозрачности, снабжая разработчиков инструментами для мониторинга активности агентов в реальном времени. Через встроенную функцию Tracing, доступную в панели OpenAI, разработчики могут пошагово визуализировать workflows, наблюдая, когда вызываются инструменты, какие входы они используют и какие результаты возвращают. Платформа использует инфраструктуру мониторинга OpenAI для разбиения выполнения логики агента на трассы и спаны, предоставляя детальную видимость поведения агента. Это даёт возможность диагностировать узкие места, отлаживать проблемы, оптимизировать workflows и отслеживать производительность. Кроме того, архитектура трассировки поддерживает продвинутые оценки, позволяя со временем донастраивать и улучшать работу агентов.
Advantages
OpenAI Agents SDK подходит не только отдельным разработчикам — он даёт серьёзные преимущества компаниям, создающим продукты на базе AI‑агентов. Начнём с преимуществ:
Быстрое прототипирование и выход в продакшн: Agents SDK реализует сложное поведение агентов при минимуме кода и конфигурации, сокращая путь от идеи до продукта. Например, крупная криптоплатформа Coinbase использует SDK для быстрого прототипирования и развёртывания мультиагентных систем поддержки. Аналогично, в сферах вроде корпоративных ассистентов по поиску компании могут интегрировать веб‑ и файловые инструменты SDK, чтобы быстро приносить пользу. Перенося детали оркестрации на SDK, разработчики сосредотачиваются на продукт‑специфичных функциях.
Снижение затрат на разработку: Построение системы агентов с нуля требует значительных инженерных инвестиций. Agents SDK сокращает расходы, предоставляя готовые решения для типовых задач — управление циклом, синхронизацию вызовов API, обработку ошибок и форматированный вывод инструментов для LLM. Будучи открытым, он также позволяет кастомизацию под нужды компании. Это подарок для стартапов — с ограниченными ресурсами они могут создавать мощные продукты, управляемые агентами.
Трассируемость и отладка: Интегрированная панель трекинга SDK преобразует бизнес‑приложения. Отраслевую озабоченность «чёрным ящиком» в AI теперь можно адресовать: каждый шаг агента логируется и аудируется. Если агент поддержки дал неверный ответ, трасса покажет, какой вызов инструмента или шаг дал сбой. Экран журналов/трассировки платформы OpenAI повышает аудитируемость агентов — критично для отраслей с регулированием или внутренними аудитами. Это позволяет компаниям интегрировать AI с большей уверенностью, зная, что при необходимости они смогут объяснить результаты.
Доступ к новейшим моделям и инструментам OpenAI: Использование Agents SDK означает доступ к топовым моделям OpenAI (например, GPT-4) и текущим инструментам (веб‑поиск, выполнение кода). Это даёт преимущество по качеству по сравнению с альтернативами на более слабых моделях. Для приложений, требующих высокой точности или актуальной информации (например, исследовательские ассистенты, агенты для финансового анализа), производительность моделей OpenAI — большое преимущество. По мере добавления OpenAI новых инструментов (уже намекают на грядущие интеграции) пользователи SDK смогут легко их принимать.
CometAPI полностью совместим с протоколом интерфейса OpenAI, обеспечивая бесшовную интеграцию. Вы можете избежать зависимости от моделей и сервисов (риск lock‑in), снизить риски для приватности и безопасности данных и уменьшить затраты. Использование мощных моделей и инструментов OpenAI может быть дорогим и иногда ограничивает производительность. CometAPI предлагает более низкие цены.
Conclusion
OpenAI стремится продвигать возможности AI с инновационными предложениями вроде Responses API. Предоставляя эти инструменты, бизнес и разработчики получают возможность создавать более умные, адаптивные и высоко надёжные AI‑решения. Эти разработки указывают на будущее, в котором искусственный интеллект продолжит приносить существенные изменения и открывать новые возможности в самых разных отраслях.