OpenAI 剛剛舉辦了一場針對開發者的直播活動，推出了全新的 Agent 開發套件，旨在助力開發者打造穩定而強大的 AI Agents。以下是該套件的核心組成部分：

Agents Blog:
 https://openai.com/index/new-tools-for-building-agents

1、內置工具：套件內置了多種工具，包括網頁搜索、文件搜索以及電腦操作（Computer Use）功能。

Built-in tools:
 https://platform.openai.com/docs/guides/tools?api-mode=responses

2、Responses API：推出了一款新的響應 API，它融合了 Chat Completions API 的簡易性和 Assistants API 的工具使用能力，適用于構建 AI Agents。

Responses API: 
https://platform.openai.com/docs/api-reference/responses

3、Agents SDK：提供了一套用于協調單智能體和多智能體工作流程的 SDK。

Agents SDK 項目：
https://github.com/openai/openai-agents-python

4、監控工具：集成了可觀察性工具，用于跟蹤和檢查 Agent 工作流程的執行情況。

特別值得一提的是，Agents SDK 是開源的，并且 OpenAI 還開源了一個名為 Computer Using Agent 的項目。以下是兩個項目的詳細介紹：

第一、Agents SDK 項目

OpenAI Agents SDK 是一個輕量級但功能豐富的框架，用于創建多智能體工作流程。

核心概念：

Agent（智能體）：基于大模型（LLMs）的智能體，通過指令進行配置，配備了工具、防護欄和交接功能。

Handoffs（交接）：允許智能體將任務控制權轉交給其他智能體。

Guardrails（防護欄）：可配置的安全檢查，用于輸入和輸出的驗證。

Tracing（追蹤）：內置的智能體運行追蹤功能，方便查看、調試和優化工作流程。

Agents SDK 項目：
https://github.com/openai/openai-agents-python

第二、Computer Using Agent 項目

OpenAI 提供了一個示例應用程序，展示了如何使用 OpenAI API 構建計算機使用 Agent（CUA：Computer Using Agent）：

計算機使用工具以循環方式連續運行，發送計算機操作命令（如 click(x,y) 或 type(text)），代碼在計算機或瀏覽器環境中執行這些操作，并將屏幕截圖結果返回給大模型。

通過這種方式，代碼可以模擬人類在計算機界面上的操作，而大模型則通過屏幕截圖來理解環境狀態并決定下一步行動。

這種循環機制可以自動執行許多需要點擊、輸入、滾動等操作的任務，例如預訂航班、搜索產品或填寫表格。

Computer Using Agent 項目：
https://github.com/openai/openai-cua-sample-app

以下是電腦使用操作的示意圖：

本文轉載自公眾號玄姐聊AGI  作者：玄姐

原文鏈接：??https://mp.weixin.qq.com/s/uVHZcrdhXXeyeXYa-YnMpQ??