面向构建、部署与优化智能代理的新一整套工具
从今天起，我们推出 AgentKit，一套面向开发者和企业，用于构建、部署与优化智能代理（agents）的完整工具集。到目前为止，构建代理意味着你要处理零散的工具：复杂的编排（orchestration）没有版本控制、自定义连接器、手动评估流程、提示(prompt) 调优，以及上线前几周的前端工作。使用 AgentKit，开发者现在可以可视化设计工作流，并且使用新的构建模块更快地嵌入具“代理特性”的 UI，包括：
- Agent Builder：用于可视化创建和版本管理多 Agent 工作流的画布
- Connector Registry：集中管理 OpenAI 产品间的数据与工具连接方式
- ChatKit：一个用于在你的产品中嵌入可定制聊天型代理体验的工具包
我们还扩展了评估能力（Evals），新增功能如数据集、跟踪评分（trace grading）、自动提示优化、第三方模型支持，以便衡量与提升代理性能。
自从 3 月发布 Responses API 和 Agents SDK 以来，我们看到很多开发者和企业构建了端到端的 agent 工作流，用于深入研究、客服支持等。Klarna 构建了一个可处理三分之二工单的客服代理，Clay 用一个销售代理把增长提升了 10 倍。AgentKit 构建在 Responses API 之上，帮助开发者更高效、更可靠地构建代理。 (OpenAI)
使用 Agent Builder 设计工作流
随着代理工作流日益复杂，开发者需要更清晰地了解其内部运作。 Agent Builder 提供一个可视化画布，用于拖拽节点组成逻辑、连接工具、配置定制 Guardrails（安全界限）。它支持预览运行、内联评估配置以及完整版本控制，非常适合快速迭代。 (OpenAI)
开发者可以从空白画布开始，也可以使用预构建模板。 在 Ramp 团队，他们在几小时内即可从空白画布构建出一个买家代理：
“Agent Builder 将原本需要数月、涉及复杂编排、自定义代码和手动优化的工作，转变为只需几小时即可完成。这个可视化画布让产品、法律和工程团队保持在同一页面，迭代周期缩短 70%，能够在两个冲刺内上线，而不是两个季度。” — Ramp (OpenAI)
类似地，日本领先的技术及互联网服务公司 LY Corporation 使用 Agent Builder，在不到两小时内构建了一个工作助理代理：
“Agent Builder 让我们以全新的方式编排代理，在一个界面里让工程师与领域专家协作。我们在不到两小时内构建了第一个多 agent 工作流并运行，大幅加速了代理的创建与部署时间。” — LY Corporation (OpenAI)
我们还推出了 Connector Registry，供企业治理和维护跨多个工作区与组织中的数据。Connector Registry 将数据源整合到一个管理面板，可跨 ChatGPT 与 API 使用。这个注册表包含所有预构建连接器（如 Dropbox、Google Drive、SharePoint、Microsoft Teams）和第三方 MCP（多渠道平台）连接器。 (OpenAI)
开发者还可以在 Agent Builder 中启用 Guardrails——一种开源、模块化的安全层，用以防止代理发生意外或恶意行为。Guardrails 可以掩码或标记个人识别信息（PII）、检测越狱（jailbreak）行为，并应用其他保护措施，更便于构建和部署可靠、安全的代理。Guardrails 可以独立部署，也可以通过 Guardrails 库在 Python 和 JavaScript 中使用。 (OpenAI)
用 ChatKit 嵌入具代理特性的聊天体验
部署代理聊天 UI（用户界面）往往比预期更复杂 —— 你要处理流式响应、线程管理、显示模型“思考”状态、设计交互流畅的聊天体验。ChatKit 使得在你的产品中嵌入聊天型代理更简单。它可以被嵌入到应用或网站中，并可定制外观以匹配你的主题或品牌。 (OpenAI)
“我们用 ChatKit 为 Canva 开发者社区构建支持代理，节省了超过两周的开发时间，并在不到一小时内完成集成。这个支持代理将改变开发者与我们文档的交互方式，使其变为对话式体验，从而更容易在 Canva 上构建应用和集成。” — Canva (OpenAI)
ChatKit 已经服务于多个用例，从内部知识助理、入门引导、客服支持到研究代理。HubSpot 的客服代理是其中一个例子。 (OpenAI)
用新的 Evals 能力衡量代理性能
要构建可靠、可投入生产环境的代理，就必须进行严格的性能评估。去年我们推出 Evals 平台，帮助开发者测试 prompts 和衡量模型行为。如今我们为 Evals 添加了四个新功能，使得创建评估（evals）更容易：
- Datasets — 从零快速构建 agent 评估，并通过自动评分器与人工批注扩展
- Trace grading — 对 agent 工作流做端到端评估并自动打分，以找出缺陷
- 自动提示优化（Automated prompt optimization）— 基于人工批注和评分器输出生成更好的 prompts
- 第三方模型支持 — 在 OpenAI Evals 平台内部评估其他厂商的模型 (OpenAI)
我们已经看到客户通过使用这些功能获得了重大性能提升。
“这个评估平台使我们多 agent 尽职调查框架的开发时间缩短超过 50%，同时使代理准确率提升了 30%。” — Carlyle (OpenAI)
（在原文中有一个界面截图，展示 dataset 表格，一些评分、语气、反馈、准确度列） (OpenAI)
用强化微调推动代理性能
强化微调（Reinforcement fine-tuning, RFT）使得开发者可以定制我们的推理模型。RFT 在 OpenAI o4-mini 上已广泛可用，并且在 GPT-5 上处于私有 beta 阶段。我们正与多家客户紧密合作，在更广泛发布前优化 GPT-5 的 RFT。 (OpenAI)
今天，我们在该 RFT beta 中引入了两项新特性，以进一步提升代理性能：
- 定制工具调用（Custom tool calls）— 让模型学会在正确的时机调用正确工具，以改善推理能力
- 定制评分器（Custom graders）— 为你的用例设定专属评估标准，聚焦最关键的性能指标 (OpenAI)
定价与可用性
从今天起，ChatKit 和新的 Evals 能力 向所有开发者广泛开放。Agent Builder 处于 Beta 阶段，而 Connector Registry 正在向部分 API、ChatGPT Enterprise 与教育用户推出 Beta。要启用 Connector Registry，需要 Global Admin 控制台（Global Admin Console）– 只有具有全局所有者身份的用户才能管理域、单点登录 (SSO)、多个 API 组织。 (OpenAI)
所有这些工具都包含在标准 API 模型定价中。我们计划很快推出独立的 Workflows API 和代理部署选项（用于 ChatGPT）。 (OpenAI)
我们迫不及待地想看看你们会构建出什么。 (OpenAI)