# 刚刚，OpenAl 发布 Agent 工具包，网友：谢谢 Manus AI - 作者：莫崇宇 - 发布时间：2025-03-12 14:15 - 分类：软件 - 原文：https://www.ifanr.com/1617293 就在刚刚，OpenAI 发布了一系列专为构建 AI Agents 设计的新工具和 API，帮助开发者更容易地创建能自动完成任务的 AI Agents（智能体）。 OpenAI 认为虽然过去一年推出的高级推理、多模态交互等模型能力为 Agent 奠定了基础，但开发者在构建生产级 Agent 时，还会遇到不少难题。 为此，这次发布的核心产品包括全新的 Responses API、三种内置工具以及以及一个开源的 Agents SDK。 ![](https://s3.ifanr.com/wp-content/uploads/2025/03/1-4.png) 省流版如下： - Responses API：结合 Chat Completions API 简洁性与 Assistants API 工具使用能力的新型 API 接口 - Web 搜索工具（Web Search Tool）：让模型访问互联网获取最新信息的工具 - 文件搜索工具（File Search Tool）：从大量文档中检索相关信息的增强工具 - 计算机使用工具（Computer Use Tool）：由 Computer-Using Agent (CUA) 模型提供支持的计算机操作自动化工具，让 AI 能像人一样操作电脑界面 - Agents SDK：基于 Swarm 框架升级，简化多 Agent 工作流程编排的开源框架 具体来说，Responses API 结合了 Chat Completions API（主要用来生成对话回复）的简洁性和 Assistants API（能让 AI 调用外部功能，比如查资料、操作东西）的工具使用能力，成为构建 Agent 应用的新基础。 ![](https://s3.ifanr.com/wp-content/uploads/2025/03/2-3.gif) 在内置工具方面，Web 搜索工具支持 GPT-4o 和 GPT-4o-mini 模型获取网络最新信息并提供清晰的引用。在 SimpleQA 基准测试中，这两款模型的搜索预览版分别拿下了 90% 和 88% 的亮眼准确率。 ![](https://s3.ifanr.com/wp-content/uploads/2025/03/3-5.png) 升级后的文件搜索工具更是给力，支持多种文件格式，还能优化查询、过滤元数据、自定义排序，让开发者从堆积如山的文档中迅速找到关键信息。 计算机使用工具则由与 Operator 相同的 Computer-Using Agent (CUA)模型提供支持，可捕获模型生成的鼠标和键盘操作，在 OSWorld、WebArena 和 WebVoyager 基准测试中分别取得 38.1%、58.1% 和 87% 的成绩。 ![](https://s3.ifanr.com/wp-content/uploads/2025/03/4-5.png) OpenAI 还推出了开源的 Agents SDK，专门用来简化多 Agent 工作流程的编排。 相比去年发布的实验性 Swarm 框架，这个全新 SDK 有了显著的改进，提供易于配置的 LLM 与内置工具集成、Agent 间智能交接控制、可配置安全检查以及可视化追踪等功能，适用于客户支持自动化、多步研究、内容生成等多种应用场景。 一些早期测试用户已经拿这些新工具做出了实打实的成果。 在官网列举的案例中，Hebbia 利用 Web 搜索工具帮助资产管理者和法律从业者从海量数据中提取可行见解；Navan 将文件搜索工具应用于 AI 旅行 Agent 中，为用户提供精准的旅行政策答案。 Unify 和 Luminai 则使用计算机使用工具自动化复杂操作流程，特别是对缺乏 API 的传统系统；Box 利用 Agents SDK 快速构建和部署了企业数据搜索应用。 ![](https://s3.ifanr.com/wp-content/uploads/2025/03/5-2.gif) 产品发布后，网友也在 OpenAI 的评论区玩起了梗，甚至还有网友专门留言感谢 Manus AI。 ![](https://s3.ifanr.com/wp-content/uploads/2025/03/112.png) 在今天凌晨 1 点的现场直播中，演示人员也向我们展示了一个「个人造型师」 Agent 的应用案例，用来展示各种新工具的能耐。 ![](https://s3.ifanr.com/wp-content/uploads/2025/03/6-4.png) 举个例子，他们先用文件搜索工具翻看了用户（比如「Kevin」）的服装喜好数据，系统轻松整理出这些人的穿衣风格。 然后结合 Web 搜索工具，系统能够基于用户所在位置（演示中使用了「东京」作为 Kevin 的位置）搜索附近的相关商店，为 Kevin 推荐了东京的 Patagonia 店铺。 ![](https://s3.ifanr.com/wp-content/uploads/2025/03/7-4.png) 接着，计算机使用工具（Computer Use Tool）登场，自动操作网页界面，为 Kevin 买下一件黑色 Patagonia 夹克，整个过程行云流水——点击、拖拽、填信息，宛如真人在操控。 最后还演示了 Agent 间的交接功能。一个 Agent 将退货请求无缝交接给客服 Agent，后者能够调用获取密码和提交退款请求等功能，帮助用户完成 Patagonia 夹克的退货。 可以说，凭借新工具和 API 的默契配合，这些 AI Agent 不仅能读懂用户喜好、获取实时资讯、执行复杂操作，还能在不同任务间灵活切换，完美覆盖从推荐到购买再到退货的全流程。 ![](https://s3.ifanr.com/wp-content/uploads/2025/03/8-5.png) 至于现有 API 的安排，OpenAI 表示会继续全力支持 Chat Completions API，为不需要内置工具的开发者提供新模型和功能。 而基于 Assistants API 测试版的反馈，他们已经把关键改进整合到 Responses API 中，计划在功能对齐后，于 2026 年中期正式停用 Assistants API，同时会提供详细的迁移指南。 新工具的定价也新鲜出炉，Web 搜索每千次查询分别为 GPT-4o 搜索 30 美元和 GPT-4o-mini 搜索 25 美元；文件搜索每千次查询 2.5 美元，文件存储 0.1 美元/GB/天（首 GB 免费）；计算机使用工具则按每输入百万 token/3 美元和每输出百万 token/12 美元计费。 OpenAI 表示，随着模型能力变得更加具有 Agent 属性，他们会继续深化 API 间的整合，并提供新工具帮助部署、评估和优化生产环境中的 Agent。 ![](https://s3.ifanr.com/wp-content/uploads/2025/03/9-5.png) 英伟达 CEO 黄仁勋曾表示，未来每个公司的 IT 部门将转变为 AI Agent 的「HR 部门」。 从管人到管 AI，Agent 将很快成为劳动力的重要组成部分，提高各行业的生产力，而此次发布的工具集只是帮助开发者和企业构建、部署和扩展可靠高效 AI Agent 的重要一步。 此前，开发者需要自行组合不同 API 和编写复杂的协调逻辑来构建 AI Agent，而新工具极大地简化了这一过程。 Responses API 将多种功能整合成一个简单接口，而内置工具为 AI 提供了「感知」和「行动」的能力，Agents SDK 则提供了协调多 Agent 的标准框架。 通过降低技术门槛，使得更多企业能够快速构建和部署 AI Agent，这或许也是 OpenAI 所说的「Agent 元年」的真正含义——让 AI 不再局限于聊天框，而是能融入现实工作流程，成为你的「数字助理」甚至「数字同事」。 ### 附上 AMA 问答： Q：哪种操作系统最适合 computer use：Linux、Mac 还是 Windows？是图形界面（UI）、终端（terminal），还是其他方式更好？哪些应用程序在计算机上表现最佳，还是说这并不重要？ A：CUA 模型主要是针对网页任务进行训练的，但早期用户发现它在桌面应用程序上的表现也出乎意料地好。不过现在还处于早期阶段，我们还有很多可以改进的地方！ Q：你们会提供 TypeScript SDK 吗？ A：是的！我们很快会推出 TypeScript SDK，敬请期待！ Q：我们未来会在 API 中看到 o1 pro 吗？ A： 是的，我们计划很快在 responses API 中发布它！ Q：我们需要自行管理 Docker 环境来使用计算机功能吗？ A： 如果你愿意，你可以自行管理 Docker 环境，但你也可以使用云服务，比如 @browserbasehq 或 @scrapybara。 Q：何时会有 Operator 在 API 中可用？ A：从今天开始，你可以在 API 中使用与 Operator 相同的功能！我们已经在新的 Responses API 中部署了驱动 Operator 的 CUA 模型。 Q：你们会考虑提供集成的虚拟机（VM）来支持「 computer use」，或者与合作伙伴合作，以减少搭建环境的需求吗？ A：目前还没有这样的计划，但你可以查看 CUA 示例应用，其中包含一些示例环境，包括 @scrapybara 和 @browserbasehq，用于远程托管。 Q：在整个 agent-handoff 流程中，如何确保个人隐私？有没有什么方法可以增强用户与 Agent 交互时的隐私保护？ A： 我们有多种隐私保护机制。Agents SDK 支持开发者定义的安全措施（guardrails），用于输入/输出验证。此外，你可以使用 input\_filter 来限制在交接过程中传递的消息上下文。