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 Builder | 2026-06-03 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
- 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。
- 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。
- 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)。
- 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:
- Agent Builder:可视化智能体工作流设计画布
- ChatKit:可嵌入的聊天界面工具包
- Evals for Agents:智能体性能评估和优化工具
- Connector Registry:企业级数据源和工具连接器管理中心
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: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: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:
- 代码优先:从官方 Agents SDK 文档 与上文快速开始示例入手。
- 需要聊天界面:使用仍可用的 ChatKit,以官方文档中的示例为准。
- 需要评估:参考官方 Cookbook 迁移到 Promptfoo。
- 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。