Openai一直是Genai領域的領先解決方案提供商。從傳奇的Chatgpt到Sora，它是所有工作專業人員的首選平台。隨著Qwen和Claude在開發人員中的知名度越來越高，Openai又回到了其最新更新，使開發人員能夠創建更可靠和有能力的AI代理。列表中的主要亮點包括響應API和代理SDK。在此博客中，我們將探討API和代理SDK的響應，了解如何訪問它們，並學習如何使用它們來構建現實世界應用程序！
響應API是OpenAI的最新API，旨在簡化構建基於AI的應用程序的過程。它將聊天完成API的簡單性與助手API的強大工具使用功能結合在一起。這意味著開發人員現在可以創建利用多種工具並更有效地處理複雜的多步驟任務的代理。該API減少了對複雜及時工程和外部集成的依賴。
我們的新API原始：響應API。將聊天完成的簡單性與助手的工具使用相結合，這個新的基礎為建築劑提供了更大的靈活性。網絡搜索，文件搜索或計算機使用是幾行代碼！
- 2025年3月11日，OpenAi開發人員（@openaidevs）
借助這些工具，API的響應改變了構建AI代理的遊戲規則。 Infact，Buth，Neft，API的回答將支持OpenAI的所有新模型。讓我們看看如何使用它來構建應用程序。
嘗試響應API：
設置後，您可以請求響應API。儘管基本的API調用很常見，但其內置功能使其強大。讓我們探索三個關鍵功能：
現在，讓我們看看他們的行動！
它使模型能夠通過語義和關鍵字搜索在先前上傳文件的知識庫中檢索信息。當前，它不支持CSV文件，您可以在此處檢查支持的文件類型的列表。
注意：使用文件搜索之前，請確保將文件存儲在矢量數據庫中
任務：具有領域作為數據科學的人的名字。 （我使用以下文件。）
代碼：
響應= client.respons.create（
型號=“ gpt-4o-mini”，
輸入=“具有域名作為數據科學的人的名稱”，
工具= [{{
“ type”：“ file_search”，
“ vector_store_ids”：[vector_store_id]，
“過濾器”：{
“ type”：“ eq”，
“鍵”：“域”，
“價值”：“數據科學”
}
]]
）
print（wendmess.output_text）輸出：
具有數據科學領域的人是愛麗絲·約翰遜[0]。<br> [0] names_and_domains.pdf
此功能允許模型在生成響應之前搜索Web以獲取最新信息，從而確保數據保持最新狀態。該模型可以選擇基於輸入提示符的內容搜索網絡。
任務：Vijay Nagar中最好的咖啡館是什麼？
代碼：
響應= client.respons.create（
型號=“ gpt-4o”，
工具= [{{
“ type”：“ web_search_preview”，
“ user_location”：{
“ type”：“近似”，
“國家”：“在”，
“城市”：“印多爾”，
“地區”：“中央邦”，
}
}]，
輸入=“ Vijay Nagar中最好的咖啡館是什麼？”，
）
print（wendmess.output_text）輸出：
它是計算機使用代理（CUA）模型的實際應用，它結合了GPT-4O的視覺功能與高級推理，以模擬控制計算機接口並執行任務。
任務：查看Analytics Vidhya網站上的最新博客。
代碼：
響應= client.respons.create（
型號=“計算機使用瀏覽”，
工具= [{{
“ type”：“ Computer_use_preview”，
“ display_width”：1024，
“ display_height”：768，
“環境”：“瀏覽器”＃其他可能的值：“ Mac”，“ Windows”，“ Ubuntu”
}]，
輸入= [
{
“角色”：“用戶”，
“內容”：“在分析Vidhya網站上查看最新博客。”
}
]，，
截斷=“自動”
）
打印（響應。輸出）輸出：
ResponseComputerToolCall（ID ='CU_67D147AF346C8192B787878719DD0E22856964FBBBB87C6A42E96'，<br> Action = ActionCreenshot（type ='ScreenShot'），<br> call_id ='call_a0w16g1bnek09ayiv25vdkxy'，pending_safety_checks = []，<br> status ='已完成'，type ='Computer_call'）
既然我們已經看到了響應API的工作原理，那麼讓我們看看它與先前的完整API有何不同。
| API | 響應API | 完成API |
| 代碼 | 來自Openai Import Openai
客戶端= OpenAi（）
響應= client.respons.create（
型號=“ gpt-4o”，
輸入= [
{
“角色”：“用戶”，
“ content”：“寫一個關於獨角獸的單句睡前故事。”
}
這是給出的
）
print（wendmess.output_text）登入後複製 |
來自Openai Import Openai
客戶端= OpenAi（）
completion = client.chat.completions.create（
型號=“ gpt-4o”，
消息= [
{
“角色”：“用戶”，
“ content”：“寫一個關於獨角獸的單句睡前故事。”
}
這是給出的
）
打印（完成。選擇[0] .message.content）登入後複製 |
| 輸出 |
|
|
這是聊天補充API和響應API的各種功能的簡化分解：
| 功能 | 響應API | 聊天完成API |
| 文字生成 | ✅ | ✅ |
| 聲音的 | 即將推出 | ✅ |
| 想像 | ✅ | ✅ |
| 網絡搜索 | ✅ | ✅ |
| 文件搜索 | ✅ | ❌ |
| 計算機使用 | ✅ | ❌ |
| 代碼解釋器 | 即將推出 | ❌ |
| 響應處理 | 返回單個結構化輸出 | 返回選擇數組 |
| 對話狀態 | preson_response_id用於連續性 | 必須手動管理 |
| 存儲行為 | 默認存儲（存儲：false到禁用） | 默認存儲 |
響應API上線，現在燃燒的問題是，它會影響現有的聊天完成和助理API嗎？是的。讓我們看一下：
構建AI代理不僅僅是擁有強大的API，還需要有效的編排。這是OpenAI的代理商SDK發揮作用的地方。代理SDK是一個開源工具包，可簡化代理工作流程。該代理構建框架與響應API和聊天完成API無縫集成。此外，它還與來自各個提供商的型號兼容，只要它們提供了像聊天完成一樣樣式的API端點。
代理SDK的一些關鍵特徵是：
SDK特工並不是Openai珠寶的“新補充”。這是“ Swarm”的改進版本，這是OpenAI去年發布的實驗性SDK。雖然“群”剛剛出於教育目的而發布，但它在開發人員中變得很流行，也被幾家企業採用。為了迎合更多的企業並幫助他們無縫地建立生產級代理商，SDK已發布。現在我們知道了SDK必須提供的代理商，讓我們看看如何使用此框架來構建我們的代理系統。
另請閱讀：與代碼相對於代碼中的十大生成AI編碼擴展
我們將建立一個多代理系統，該系統通過利用LLM驅動的代理和Web搜索工具來幫助用戶提供汽車建議和轉售價格估算，以提供準確，最新的見解。
我們首先創建一個汽車顧問代理，該代理可以幫助用戶根據需求選擇合適的汽車類型。
代碼：
car_advisor =代理（ 名稱=“汽車顧問”， 說明=“您是根據他們的要求向人們建議合適的汽車類型的專家。”， 型號=“ gpt-4o”， ） 提示=“我正在尋找一輛我喜歡開車和舒適的汽車，需要4個人。我飛往山丘。我應該買什麼類型的汽車？” 異步def main（）： 結果=等待Runner.run（car_advisor，提示） 打印（result.final_output） ＃在Jupyter中運行該功能 等待main（）
輸出：
有了基本代理，我們現在創建了一個多代理系統，該系統結合了專門從事各自域的不同AI代理。這是其工作原理：
多代理系統中的代理
我們將向代理提供兩個不同的提示，並觀察他們的輸出。
car_sell_estimate =代理（ 名稱=“汽車賣出估算”， 說明=“您是根據其製造，型號，購買年份和條件轉售汽車的適當價格的專家。” handoff_description =“汽車轉售價格估算專家”， 型號=“ gpt-4o”， 工具= [WebSearchTool（）] ） car_model_advisor = agent（ 名稱=“汽車模型顧問”， 說明=“您是根據他們的預算和位置向人們建議合適的汽車模型的專家。” handoff_description =“汽車模型建議專家”， 型號=“ gpt-4o”， 工具= [WebSearchTool（）] ） triage_agent =代理（ name =“分診代理”， 說明=“您確定任務的適當代理。”，， 型號=“ gpt-4o”， handoffs = [car_sell_estimate，car_model_advisor] ） 提示1： 提示=“我想在新德里出售我的EcoSport汽車。它已經3歲了，狀況良好。50000公里。我應該多少價格？” 異步def main（）： 結果=等待runner.run（triage_agent，提示） 打印（result.final_output） ＃在Jupyter中運行該功能 等待main（）
輸出1：
提示2：
提示=“我想買一輛高加速車，在新德里為200萬人容納4個人，我應該買哪輛車？” 異步def main（）： 結果=等待runner.run（triage_agent，提示） 打印（result.final_output） ＃在Jupyter中運行該功能 等待main（）
輸出2：
我們根據要求獲得了汽車選擇！實現很簡單快捷。您可以使用此代理框架來建立旅行支持，財務計劃，醫療援助，個性化購物，自動化研究等等的代理商。
Openai的代理SDK代表了其為為AI代理開發提供專門的框架的戰略努力。該框架包括通過其Triage代理的類似船員的功能，模仿了機組人員的功能。同樣，其交接機制與自動基因的交接機制非常相似，從而有效地委派了多個試劑之間的任務。
此外，Langchain在模塊化代理編排中的強度以SDK提供結構化的工作流程的方式反映了，從而確保了平穩的執行和適應性。儘管Adents SDK只提供了現有框架已經做的事情，但它很快就會給他們帶來激烈的競爭。
另請閱讀：Claude 3.7十四行詩：迄今為止最好的編碼模型？
響應API和代理SDK為開發人員提供了構建AI驅動應用程序的工具和平台。通過減少對手動及時工程的依賴和廣泛的自定義邏輯，這些工具使開發人員可以專注於用最小的摩擦來創建智能工作流程。
這是一個視頻，旨在了解有關OpenAi的響應API和代理SDK的更多信息。
引入OpenAI響應API和代理SDK是AI驅動自動化的遊戲規則改變者。通過利用這些工具，我們僅使用幾行代碼成功地成功地構建了一個多代理系統。可以進一步擴展此實施，以包括其他工具，集成和代理功能，為在各個行業中更聰明和自主的AI應用程序鋪平道路。
這些工具肯定會幫助開發人員和企業降低開發的複雜性，並創建更智能，更可擴展的自動化解決方案。無論是用於客戶支持，研究，業務自動化還是針對特定行業的AI應用程序，響應API和代理SDK都提供了一個有力的框架，可輕鬆構建下一代AI驅動系統。
答：響應API是OpenAI的最新AI框架，它通過集成了內置工具（例如Web搜索，文件搜索和計算機使用）來簡化代理開發。
Q2。響應API與完成API有何不同？答：與完成API不同，響應API支持多工具集成，結構化輸出和內置的對話狀態管理。
Q3。什麼是Openai的代理SDK？答：Adents SDK是一個開源框架，使開發人員能夠以AI驅動的自動化來構建和協調多代理系統。
Q4。代理商SDK如何改善AI開發？答：它允許無縫的代理協調，增強的可觀察性，內置護欄和改進的性能跟踪。
Q5。可以一起使用響應API和代理SDK嗎？答：是的！代理SDK與響應API集成，以創建強大的AI驅動應用程序。
Q6。 Openai的代理SDK是否與其他AI型號兼容？答：是的，它可以與支持聊天完成API風格集成的第三方模型一起使用。
Q7。哪些行業可以從多代理AI系統中受益？答：汽車，金融，醫療保健，客戶支持和研究等行業可以使用AI驅動的代理來優化運營和決策。
以上是如何使用OpenAI的響應API和Agent SDK？ - 分析Vidhya的詳細內容。更多資訊請關注PHP中文網其他相關文章！
