推出 AgentKit、新的 Evals 和用于代理的 RFT

# 推出 AgentKit 来源：https://openai.com/index/introducing-agentkit/ 今天我们推出 AgentKit，这是一套完整的工具集，供开发者和企业构建、部署和优化 Agent。到目前为止，构建 Agent 意味着要处理碎片化的工具——复杂的编排但没有版本控制、自定义连接器、手动评估流程、提示词调优，以及上线前数周的前端工作。有了 AgentKit，开发者现在可以使用可视化方式设计工作流，并使用以下新的构建块更快地嵌入 Agent UI： - **Agent Builder：** 用于创建和版本化多 Agent 工作流的可视化画布 - **Connector Registry：** 一个中心化的地方，供管理员管理数据和工具如何跨 OpenAI 产品连接 - **ChatKit：** 一个工具包，用于在你的产品中嵌入可自定义的基于聊天的 Agent 体验 我们还通过数据集、追踪评分、自动提示词优化和第三方模型支持等新功能扩展了评估能力，以衡量和改进 Agent 性能。 自从在 3 月发布 Responses API 和 Agents SDK (https://openai.com/index/new-tools-for-building-agents/) 以来，我们看到开发者和企业构建了端到端的 Agent 工作流，用于深度研究、客户支持等。Klarna 构建了一个支持 Agent (https://openai.com/index/klarna/)，处理了三分之二的工单，Clay 通过销售 Agent 实现了 10 倍增长 (https://openai.com/index/clay/)。AgentKit 基于 Responses API，帮助开发者更高效、更可靠地构建 Agent。 随着 Agent 工作流变得越来越复杂，开发者需要更清晰地了解它们的工作原理。Agent Builder (https://platform.openai.com/docs/guides/agents/agent-builder) 提供了一个可视化画布，用于通过拖放节点组合逻辑、连接工具和配置自定义护栏。它支持预览运行、内联评估配置和完整的版本控制——非常适合快速迭代。 一个客户服务自动化流的界面视图展示了一个可视化构建工具。画布显示连接的节点，标记为 Start、Jailbreak guardrail、Classification agent、If/else、Return agent、Retention agent、Information agent、Hallucination guardrail 和 End。左侧边栏列出了可用的节点类型，如 Agent、Note、File search、Guardrails、MCP 和 User approval。顶部控件包括 Evaluate、Code、Preview 和 Publish 选项。 构建者可以从空白画布开始，也可以使用预构建的模板。 在 Ramp，团队仅用几小时就从空白画布创建了一个采购 Agent： > Agent Builder 将曾经需要数月的复杂编排、自定义代码和手动优化转变为短短几小时的工作。可视化画布使产品、法律和工程团队保持一致，将迭代周期缩短了 70%，并在两个冲刺内而非两个季度内让 Agent 上线。 — Ramp 同样，领先的日本技术和互联网服务公司 LY Corporation 使用 Agent Builder 在不到两小时内构建了一个工作助手 Agent。 > Agent Builder 让我们能够以全新的方式编排 Agent，工程师和主题专家都可以在一个界面中协作。我们构建了第一个多 Agent 工作流并在不到两小时内运行了它，大大加快了创建和部署 Agent 的时间。 — LY Corporation 我们还推出了 Connector Registry，供企业在多个工作区和组织中管理数据。Connector Registry (https://platform.openai.com/docs/guides/agents/connector-registry) 将数据源整合到 ChatGPT 和 API 中的单个管理面板中。该注册表包括所有预构建的连接器，如 Dropbox、Google Drive、Sharepoint 和 Microsoft Teams，以及第三方 MCP。 开发者还可以在 Agent Builder 中启用 Guardrails (https://openai.github.io/openai-guardrails-python/)——一个开源的、模块化的安全层，帮助保护 Agent 免受无意或恶意行为。Guardrails 可以掩蔽或标记 PII、检测越狱，并应用其他保护措施，使构建和部署可靠、安全的 Agent 更加容易。Guardrails 可以独立部署，也可以通过 Python (https://openai.github.io/openai-guardrails-python/) 和 JavaScript (https://openai.github.io/openai-guardrails-js/) 的 guardrails 库进行部署。 为 Agent 部署聊天 UI 可能会出人意料地复杂——处理流式响应、管理线程、显示模型思考，以及设计吸引人的聊天体验。ChatKit (https://platform.openai.com/docs/guides/chatkit) 使嵌入感觉对产品原生的基于聊天的 Agent 变得简单。它可以嵌入到应用或网站中，并自定义以匹配你的主题或品牌。 ChatKit 已经支持了一系列用例，从内部知识助手和入职指南到客户支持和研究 Agent。HubSpot (https://www.hubspot.com/) 的客户支持 Agent 就是一个例子。 构建可靠的、生产就绪的 Agent 需要严格的性能评估。去年，我们推出了 Evals (https://platform.openai.com/docs/guides/evals) 来帮助开发者测试提示词和衡量模型行为。我们现在增加了四个新功能，使构建评估变得更加容易： - **数据集** – 快速从零开始构建 Agent 评估，并通过自动评分器和人工注释随时间扩展。 - **追踪评分** – 运行 Agent 工作流的端到端评估，并自动评分以查找不足之处。 - **自动提示词优化** – 根据人工注释和评分器输出生成改进的提示词。 - **第三方模型支持** – 在 OpenAI Evals 平台中评估来自其他提供商的模型。 我们已经看到使用 Evals 的客户获得了重大性能提升。 强化微调 (https://platform.openai.com/docs/guides/reinforcement-fine-tuning) (RFT) 让开发者可以定制我们的推理模型。它在 OpenAI o4-mini 上通常可用，在 GPT-5 上处于私有测试阶段。我们正与数十位客户密切合作，在更广泛发布前改进 GPT-5 的 RFT。 今天，我们在该 RFT 测试版中引入了两个新功能，旨在进一步提升 Agent 性能： - **自定义工具调用** – 训练模型在正确的时间调用正确的工具以实现更好的推理 - **自定义评分器** – 为你的用例中最重要的内容设置自定义评估标准 从今天开始，ChatKit 和新的 Evals 功能对所有开发者通常可用。Agent Builder 处于测试版，Connector Registry 正在向某些拥有全局管理控制台 (https://help.openai.com/en/articles/12289294-coming-soon-global-admin-console) 的 API、ChatGPT Enterprise 和 Edu 客户开始测试版推出（全局所有者可以管理域、SSO、多个 API 组织）。全局管理控制台是启用 Connector Registry 的先决条件。所有这些工具都包含在标准 API 模型定价中。 我们计划很快向 ChatGPT 添加独立的 Workflows API 和 Agent 部署选项。 我们迫不及待地想看到你构建的东西。