先看结论:2026 年的现状(核验于 2026-10-23)

AgentKit 是 OpenAI 在 2025 年 10 月发布的一组智能体工具。截至 2026-10-23,Agent Builder 与 Evals 平台已被官方宣布弃用,计划于 2026-11-30 关闭;ChatKit 继续可用。本文其余部分保留为发布当时的功能解析,不代表今天的可用性。

组件官方现状关键日期官方迁移路径
Agent Builder2026-06-03 宣布弃用2026-11-30 计划关闭导出 Agents SDK 代码(TypeScript 或 Python)继续开发,或在 ChatGPT Business、Enterprise、Edu 中创建 Workspace Agent
Evals 平台2026-06-03 宣布弃用2026-10-31 现有 evals 变为只读;2026-11-30 控制台与 API 计划关闭官方 Cookbook《Moving from OpenAI Evals to Promptfoo》
可复用提示词(v1/prompts)2026-06-03 宣布弃用2026-11-30 计划关闭把提示词内容移入应用代码,见官方《Migrate from prompt objects》
ChatKit继续可用Agent Builder 托管路径受其停用排期影响新项目与迁移采用自有服务端集成;核对现有工作流的托管方式
Connector Registry本文未核验其现状无以官方文档为准

来源:OpenAI Deprecations、Migrate from Agent Builder、Moving from OpenAI Evals to Promptfoo、Migrate from prompt objects、ChatKit 文档。

现在该做什么

  1. 仍在使用 Agent Builder:在 2026-11-30 前按官方迁移页导出工作流代码。官方明确提示,导出不会转换工作流图,也不保证所有行为原样迁移,需要自行验证控制流、触发器、工具与权限。完整步骤见 Agent Builder 迁移指南。
  2. 仍在使用 Evals:2026-10-31 起现有 evals 只读,2026-11-30 控制台与 API 计划关闭,请在此之前把评估流程迁出,官方给出的迁移参考是 Promptfoo。
  3. 使用 ChatKit:ChatKit 本身保留,但依赖 Agent Builder 托管工作流的集成需要处理后端迁移。新项目使用自有服务端集成,见 ChatKit 官方文档(2026-10-30 核对)。
  4. 想一次看清所有停用日期:见 OpenAI 产品与模型停用时间表。

发布时解决的工程问题

2025 年 10 月的 AgentKit 发布把工作流编排、聊天界面和评估工具放在同一组产品里。它试图减少开发者在这些环节之间的重复集成工作;这不等于工具接入后就完成了权限、业务规则和生产验收。下面保留发布时的组件说明,当前可用性以文首表格为准。

AgentKit核心能力全景

完整的开发生态系统

AgentKit平台架构

AgentKit提供了从构建到部署再到优化的全栈解决方案,主要包括四大核心组件:

  1. Agent Builder:可视化智能体工作流设计画布
  2. ChatKit:可嵌入的聊天界面工具包
  3. Evals for Agents:智能体性能评估和优化工具
  4. Connector Registry:企业级数据源和工具连接器管理中心

AgentKit开发流程图

这些组件共同构成了一个完整的智能体开发平台,让开发者能够在一个统一的环境中完成所有开发工作。从模型选择、工具配置、提示词设计,到用户界面部署、性能评估和持续优化,AgentKit提供了一站式解决方案。

Agent Builder:可视化工作流编排

视觉优先的设计体验

Agent Builder是AgentKit的核心组件,Sam Altman将其比喻为"构建智能体的Canva"。这是一个可视化画布,让开发者能够通过拖放节点的方式设计智能体的逻辑、步骤和思路。

Agent Builder可视化界面

Agent Builder可视化界面示例:通过拖放节点构建客户服务自动化流程

主要功能特性

  • 拖放式节点设计:通过可视化方式连接逻辑、工具和自定义护栏
  • 模板支持:提供预构建模板或从空白画布开始
  • 预览运行:实时预览智能体工作流执行效果
  • 内联评估配置:直接在画布中配置评估参数
  • 完整版本控制:支持工作流的版本管理和迭代

实际应用效果

以下是 OpenAI 在发布公告中收录的客户自述,不是本站独立测试,也不是所有项目的预期收益:

Ramp的使用案例:

“Agent Builder将过去需要数月的复杂编排、自定义代码和手动优化工作,压缩到了几个小时。可视化画布让产品、法务和工程团队保持在同一页面,迭代周期缩短了70%,智能体从构思到上线从两个季度缩短到两个冲刺。”

LY Corporation的体验:

“Agent Builder让我们以全新的方式编排智能体,工程师和领域专家可以在同一个界面中协作。我们在不到两小时内就构建并运行了第一个多智能体工作流,极大地加快了智能体的创建和部署速度。”

核心功能亮点

1. 节点类型丰富

Agent Builder画布

Agent Builder可视化画布:支持拖放式节点设计和连接

Agent Builder支持多种节点类型:

  • Start节点:工作流起点
  • Agent节点:配置智能体行为和指令(如分类智能体、返回智能体、信息智能体)
  • Note节点:添加文档和注释,便于团队协作
  • File search:文件检索功能,访问内部知识库
  • Guardrails:安全防护层(如越狱检测、幻觉防护)
  • MCP连接器:模型上下文协议集成,连接外部工具
  • User approval:需要人工审批的流程节点
  • 条件分支:If/else逻辑判断,实现复杂业务逻辑
  • End节点:工作流终点

2. 模板库支持

提供多种预构建模板,涵盖常见场景:

  • 客户服务自动化
  • 内容审核工作流
  • 数据处理管道
  • 研究助手
  • 销售自动化

Connector Registry:企业级数据治理

对于企业用户,AgentKit提供了集中式的Connector Registry(连接器注册表),这是一个统一的管理面板,用于跨多个工作区和组织治理和维护数据源。

功能特性

  • 集中管理:在单一管理面板中管理所有数据源
  • 跨产品支持:同时支持ChatGPT和API平台
  • 预构建连接器:包括Dropbox、Google Drive、SharePoint、Microsoft Teams
  • 第三方MCP支持:支持第三方模型上下文协议服务器
  • 权限管理:细粒度的访问控制和权限设置

Guardrails:模块化安全防护

AgentKit集成了开源的Guardrails安全层,这是一个模块化的安全防护系统,帮助保护智能体免受意外或恶意行为的影响。

安全功能

  • PII识别和屏蔽:自动识别和屏蔽个人身份信息
  • 越狱检测:检测和防止提示词注入攻击
  • 内容过滤:应用自定义安全策略
  • 多语言支持:提供Python和JavaScript库

开发者可以独立部署Guardrails,或通过Agent Builder直接集成使用。

ChatKit:快速部署聊天体验

嵌入式聊天界面解决方案

部署智能体的聊天用户界面往往出乎意料地复杂——需要处理流式响应、管理对话线程、显示模型思考过程,以及设计引人入胜的交互体验。ChatKit简化了这一切。

核心优势

1. 快速集成

  • 可嵌入到应用程序或网站中
  • 支持主题和品牌定制
  • 原生的对话体验
  • 几小时内完成集成

2. 功能完备

  • 流式响应处理:自动处理实时流式输出
  • 线程管理:智能对话历史管理
  • 思考过程展示:可视化模型推理过程
  • 交互式体验:丰富的对话交互设计

客户成功案例

Canva的开发体验:

“使用ChatKit为我们的Canva开发者社区构建支持智能体节省了超过两周时间,集成仅用了不到一小时。这个支持智能体将彻底改变开发者与我们文档的互动方式,将其转变为对话式体验,让在Canva上构建应用和集成变得轻而易举。”

实际应用场景:

Ramp智能体界面

Ramp的买家智能体实际界面,使用AgentKit和ChatKit构建

ChatKit已在多种场景中得到应用:

  • 内部知识助手:企业内部文档查询和知识管理
  • 新员工引导:自动化的入职培训系统
  • 客户支持:智能客服和问题解答(如HubSpot)
  • 研究助手:学术研究和信息检索
  • 财务管理:Ramp的买家智能体处理采购请求

Evals for Agents:性能评估和优化

全新的评估能力

构建可靠的生产级智能体需要严格的性能评估。OpenAI去年推出了Evals来帮助开发者测试提示词和衡量模型行为。现在,AgentKit增加了四项新功能,让构建评估变得更加容易:

1. Datasets(数据集)

Evals数据集管理界面

Evals数据集管理界面:支持评分、反馈和准确性评估

  • 快速构建:从零开始快速创建智能体评估数据集
  • 动态扩展:通过自动化评分器和人工标注持续扩展
  • 结构化管理:系统化组织和管理测试用例
  • 版本控制:支持数据集的版本管理

2. Trace Grading(追踪评分)

  • 端到端评估:对整个智能体工作流进行全流程评估
  • 自动化评分:自动识别和定位性能瓶颈
  • 详细追踪:记录每个步骤的执行细节
  • 性能分析:深入分析智能体行为模式

3. Automated Prompt Optimization(自动化提示词优化)

  • 智能优化:基于人工标注和评分器输出生成改进的提示词
  • 迭代改进:持续优化提示词质量
  • A/B测试:支持多版本提示词对比测试
  • 性能追踪:跟踪优化效果

4. Third-party Model Support(第三方模型支持)

  • 跨平台评估:在OpenAI Evals平台内评估其他提供商的模型
  • 统一工具链:使用同一套工具评估不同模型
  • 对比分析:横向对比不同模型的性能表现

客户成功数据

通过使用Evals,客户已经看到了显著的性能提升:

Carlyle的成果:

“评估平台将我们多智能体尽职调查框架的开发时间缩短了50%以上,智能体准确率提高了30%。”

关键指标提升:

  • 70%:迭代周期减少(Ramp)
  • 40%:智能体评估时间线加快
  • 2周:构建智能体时节省的自定义前端UI工作时间
  • 30%:使用Evals提升的智能体准确率
  • 75%:开发智能体工作流所需时间减少

Agents SDK:代码优先的开发方式

类型安全的开发库

除了可视化的Agent Builder,AgentKit还提供了代码优先的Agents SDK,官方提供 Python 与 TypeScript 两个版本。

Agents SDK代码示例

Agents SDK代码示例:使用Python创建简洁的智能体

SDK特性

  • 类型安全:完整的TypeScript和Python类型支持
  • 4倍速度提升:相比手动提示词和工具设置快4倍
  • 基于Responses API:与Agent Builder共享相同的底层API
  • 灵活性强:适合需要精细控制的开发场景

示例代码

以下示例取自官方 Agents SDK(Python)快速开始,核验于 2026-10-23:

import asyncio
from agents import Agent, Runner

agent = Agent(
    name="History Tutor",
    instructions="You answer history questions clearly and concisely.",
)


async def main():
    result = await Runner.run(agent, "When did the Roman Empire fall?")
    print(result.final_output)


if __name__ == "__main__":
    asyncio.run(main())

内置工具生态系统

强大的工具集成能力

AgentKit提供了一系列内置工具,让智能体能够访问相关上下文,使响应更加准确和有用:

1. Web Search(网络搜索)

  • 访问最新的互联网信息
  • 提供明确的引用来源
  • 实时获取最新数据

2. File Search(文件搜索)

  • 从内部文件中检索相关知识
  • 支持多种文档格式
  • 语义搜索能力

3. Image Generation(图像生成)

  • 从自然语言描述创建图像
  • 支持高保真度迭代
  • 与工作流无缝集成

4. Code Interpreter(代码解释器)

  • 迭代运行Python代码
  • 高精度的代码执行
  • 支持数据分析和可视化

5. Computer Use(计算机使用)

  • 构建能够执行浏览器相关任务的智能体
  • 自动化网页操作
  • 模拟用户行为

6. Connectors and MCP Servers(连接器和MCP服务器)

  • 连接流行的商业应用
  • 支持MCP服务器
  • 将内部和外部上下文引入模型

Reinforcement Fine-tuning:强化微调

定制化推理模型

AgentKit还支持强化微调(Reinforcement Fine-tuning, RFT),让开发者可以定制OpenAI的推理模型。目前RFT在OpenAI o4-mini上正式可用,在GPT-5上处于私有测试阶段。

新功能

1. Custom Tool Calls(自定义工具调用)

  • 训练模型在正确的时间调用正确的工具
  • 提升推理能力
  • 优化工具使用策略

2. Custom Graders(自定义评分器)

  • 设置符合具体用例的自定义评估标准
  • 更精准的性能衡量
  • 领域特定的评估指标

定价和可用性

发布时的状态(2025 年 10 月)

以下为 2025 年 10 月 DevDay 发布时的口径,不是今天的状态,现状见文首表格:

  • ChatKit:对所有开发者正式可用(GA)
  • 新Evals功能:对所有开发者正式可用(GA)
  • Agent Builder:测试版,逐步向API用户开放
  • Connector Registry:开始向拥有全局管理控制台的ChatGPT Enterprise和Edu客户推出测试版

发布时的路线图与定价口径

发布时 OpenAI 表示计划添加独立的 Workflows API 和将智能体部署到 ChatGPT 的选项,并称这些工具包含在标准 API 模型定价中、无需额外费用。随着 Agent Builder 被宣布弃用,上述 Agent Builder 相关规划不再适用;价格与计费请以官方定价页为准。

本站分析:评估工作流工具时要保留什么

比起把平台排成“更强”或“更容易”的顺序,更有用的是验证自己的退出和接管能力:

需要验证的环节可以留下的检查材料典型遗漏
工作流导出导出代码、原图、节点输入输出样本代码能运行,但分支或重试行为改变
工具与连接器工具清单、权限范围、失败返回样本把界面上的连接状态当成运行时权限
前端接入会话标识、认证流程、断线与恢复测试只验证聊天界面显示,没有核对账号隔离
评估迁移原始测试集、评分规则、旧结果只保存总分,无法解释迁移前后的差异

客户案例可帮助提出测试假设,不能替代这组检查。建议先迁移一条边界明确的工作流,比较成功、拒绝和失败路径,再处理其余流程。

实战案例深度分析

发布公告中的客户案例

以下数据来自发布方收录的客户陈述,具体任务、团队与基线各不相同,不应汇总成一个通用的“效率提升率”。

1. Ramp:财务智能体

场景描述: Ramp团队使用Agent Builder从空白画布开始,在几个小时内构建了一个买家智能体。

关键成果:

  • 迭代周期缩短70%
  • 从构思到上线时间从2个季度缩短到2个冲刺
  • 产品、法务和工程团队协作效率大幅提升

2. Canva:开发者支持智能体

场景描述: 使用ChatKit为Canva开发者社区构建支持智能体。

关键成果:

  • 节省超过2周的开发时间
  • 集成仅用时不到1小时
  • 将文档转变为对话式体验

3. HubSpot:客户支持智能体

应用场景: HubSpot的客户支持智能体是ChatKit在实际生产环境中的成功案例之一。

4. Carlyle:尽职调查框架

场景描述: 使用Evals平台构建多智能体尽职调查框架。

关键成果:

  • 开发时间缩短50%以上
  • 智能体准确率提高30%

5. Albertsons、Taboola等企业

多家领先企业已经签约成为AgentKit的首发合作伙伴,在各自领域应用AgentKit构建生产级智能体。

2026 年怎么上手

发布时的“可视化搭建 + 嵌入 ChatKit + 配置 Evals”三步流程依赖已被弃用的 Agent Builder 与 Evals,不再推荐。今天更稳妥的路径是:

  1. 代码优先:从官方 Agents SDK 文档 与上文快速开始示例入手。
  2. 需要聊天界面:使用仍可用的 ChatKit,以官方文档中的示例为准。
  3. 需要评估:参考官方 Cookbook 迁移到 Promptfoo。
  4. 已有 Agent Builder 工作流:按 迁移指南 导出并验证。

最佳实践和建议

设计原则

1. 从简单开始

  • 先构建最小可行智能体(Minimum Viable Agent)
  • 逐步增加功能和复杂度
  • 避免过度设计

2. 充分利用模板

  • 使用预构建模板快速启动
  • 基于模板进行定制化修改
  • 学习模板的最佳实践

3. 重视评估

  • 从项目早期就建立评估流程
  • 持续收集和分析评估数据
  • 基于数据驱动优化决策

安全和治理

1. 实施Guardrails

  • 在所有面向用户的智能体中启用Guardrails
  • 定期审查和更新安全策略
  • 监控安全事件和异常

2. 数据访问控制

  • 使用Connector Registry集中管理数据源
  • 实施最小权限原则
  • 定期审计访问日志

3. 合规性考虑

  • 确保符合GDPR、CCPA等隐私法规
  • 实施数据保留和删除策略
  • 建立事故响应流程

性能优化

1. 提示词工程

  • 使用自动化提示词优化工具
  • 进行A/B测试对比不同版本
  • 建立提示词版本控制

2. 工具选择

  • 只启用必要的工具
  • 优化工具调用逻辑
  • 监控工具使用效率

3. 监控和分析

  • 建立全面的监控体系
  • 追踪关键性能指标(KPI)
  • 设置告警和异常检测

后续发展

发布时对短期与长期的展望(模板、协作、第三方市场等)已被 2026-06-03 的弃用公告改变。后续变化请关注官方 Deprecations 与 Release Notes,本站会在停用时间表中持续更新。

常见问题解答(FAQ)

技术问题

Q: AgentKit与现有的Responses API有什么关系? A: AgentKit 发布时基于 Responses API。已有应用仍需分别核对工作流控制、状态、工具权限和评估,不能据此推导“无缝迁移”;当前迁移方向见文首官方说明。

Q: 可以将Agent Builder创建的工作流导出为代码吗? A: 可以。按官方迁移页,在 Agent Builder 中打开工作流,选择顶部的 Code,再选 Agents SDK,并选择 TypeScript 或 Python 复制完整导出。导出不会转换工作流图,也不保证行为完全一致。

Q: ChatKit支持哪些自定义选项? A: ChatKit支持全面的主题定制,包括颜色、字体、布局等,可以完全匹配你的品牌风格。

定价和许可

Q: AgentKit需要额外付费吗? A: 发布时 OpenAI 称这些工具包含在标准 API 模型定价中。该口径仅代表 2025 年 10 月,现行计费请查阅官方定价页。

企业部署

Q: 如何获得Connector Registry的访问权限? A: 发布时,Connector Registry 向拥有全局管理控制台的 ChatGPT Enterprise 和 Edu 客户推出,需要先设置全局管理控制台。其现状本文未核验,请以官方文档为准。

Q: AgentKit支持私有部署吗? A: 发布时 AgentKit 是基于云的服务,有特殊需求的企业客户可联系 OpenAI 销售团队。现状请以官方文档为准。

如何使用这份历史解析

用本文理解发布时各组件的职责,用官方迁移文档决定今天的操作。客户案例、旧版界面与发布时定价不应直接转化为当前的能力或收益承诺。

行动建议(2026 年)

  • 使用 Agent Builder 的团队:在 2026-11-30 前完成导出与验证,见迁移指南。
  • 使用 Evals 的团队:2026-10-31 起只读,请在 2026-11-30 前迁移评估流程。
  • 新项目:不要再基于 Agent Builder 与 Evals 平台立项,改用 Agents SDK 与仍在维护的组件。

关于ChatGPTCN:我们是专业的ChatGPT和AI技术中文资源平台,致力于为中文用户提供最新、最全面的AI技术资讯和开发指南。关注我们,获取更多AI前沿资讯。

联系我们:[email protected]

相关推荐文章:


本文基于OpenAI Dev Day 2025官方发布、TechCrunch报道和客户案例整理而成;“2026 年的现状”及相关更正基于 OpenAI Deprecations 页面与官方迁移文档,核验于 2026-10-23。


WeAPI 企业模型调用入口,统一管理 Key、用量、日志、额度和团队权限 WeAPI 企业模型调用入口