OpenAI met à la disposition des développeurs des outils et une API pour créer des agents d'IA pour les entreprises

11 mars 2025

Produit

Nouveaux outils pour la création d'agents

Nous faisons évoluer notre plateforme pour aider les développeurs et les entreprises à créer des agents utiles et fiables.

Essayez dans le terrain de jeu (s'ouvre dans une nouvelle fenêtre)

Une interface élégante et minimale affichant une liste de tâches pour un agent d'intelligence artificielle, y compris "triage_agent", "guardrail" et "update_salesforce_record", sur un fond bleu fluide et abstrait.

Aujourd'hui, nous publions le premier ensemble de modules qui aideront les développeurs et les entreprises à créer des agents utiles et fiables. Nous considérons les agents comme des systèmes qui accomplissent des tâches de manière indépendante pour le compte des utilisateurs. Au cours de l'année écoulée, nous avons introduit de nouvelles capacités de modélisation, telles que le raisonnement avancé, les interactions multimodales et les nouvelles techniques de sécurité, qui ont jeté les bases permettant à nos modèles de gérer les tâches complexes et multiétapes nécessaires à la création d'agents. Cependant, les clients nous ont fait part de leur difficulté à transformer ces capacités en agents prêts pour la production, ce qui nécessite souvent une itération rapide et une logique d'orchestration personnalisée sans visibilité suffisante ni support intégré.

Pour relever ces défis, nous lançons un nouvel ensemble d'API et d'outils spécialement conçus pour simplifier le développement d'applications agentiques :

La nouvelle API Responses(s'ouvre dans une nouvelle fenêtre), qui combine la simplicité de l'API Chat Completions avec les capacités d'utilisation d'outils de l'API Assistants pour la création d'agents

Des outils intégrés comprenant la recherche sur le web(ouvre une nouvelle fenêtre), la recherche de fichiers(ouvre une nouvelle fenêtre) et l'utilisation d'un ordinateur(ouvre une nouvelle fenêtre)

Le nouveau SDK Agents(ouvre une nouvelle fenêtre) pour orchestrer des flux de travail mono-agent et multi-agent

Des outils d'observabilité intégrés(ouvre une nouvelle fenêtre) pour tracer et inspecter l'exécution des flux de travail des agents

Ces nouveaux outils rationalisent la logique, l'orchestration et les interactions de base des agents, ce qui facilite considérablement la tâche des développeurs dans la création d'agents. Au cours des semaines et des mois à venir, nous prévoyons de mettre à disposition des outils et des capacités supplémentaires afin de simplifier et d'accélérer la création d'applications agentiques sur notre plateforme.

Présentation de l'API Responses

L'API Responses est notre nouvelle primitive d'API pour tirer parti des outils intégrés d'OpenAI afin de créer des agents. Elle combine la simplicité des complétions de chat avec les capacités d'utilisation d'outils de l'API Assistants. Au fur et à mesure que les capacités du modèle continuent d'évoluer, nous pensons que l'API Responses fournira une base plus flexible aux développeurs qui construisent des applications agentiques. Avec un seul appel à l'API Responses, les développeurs seront en mesure de résoudre des tâches de plus en plus complexes à l'aide de plusieurs outils et modèles.

Pour commencer, l'API Responses prendra en charge de nouveaux outils intégrés tels que la recherche sur le Web, la recherche de fichiers et l'utilisation de l'ordinateur. Ces outils sont conçus pour fonctionner ensemble afin de relier les modèles au monde réel, ce qui les rend plus utiles dans l'accomplissement des tâches. L'API Responses apporte également plusieurs améliorations en termes de convivialité, notamment une conception unifiée basée sur les éléments, un polymorphisme plus simple, des événements de flux intuitifs et des aides SDK telles que response.output_text pour accéder facilement à la sortie texte du modèle.

L'API Responses est conçue pour les développeurs qui souhaitent combiner facilement les modèles OpenAI et les outils intégrés dans leurs applications, sans la complexité de l'intégration de plusieurs API ou de fournisseurs externes. L'API facilite également le stockage des données sur OpenAI afin que les développeurs puissent évaluer les performances de l'agent à l'aide de fonctions telles que le traçage et les évaluations. Pour rappel, nous n'entraînons pas nos modèles sur des données commerciales par défaut, même lorsque les données sont stockées sur OpenAI. L'API est disponible pour tous les développeurs à partir d'aujourd'hui et n'est pas facturée séparément - les jetons et les outils sont facturés aux tarifs standard spécifiés sur notre page de tarification (s'ouvre dans une nouvelle fenêtre). Consultez le guide de démarrage rapide de l'API Responses(s'ouvre dans une nouvelle fenêtre) pour en savoir plus.

Ce que cela signifie pour les API existantes

Chat Completions API(ouvre une nouvelle fenêtre) : Chat Completions reste notre API la plus largement adoptée, et nous nous engageons pleinement à la soutenir avec de nouveaux modèles et de nouvelles fonctionnalités. Les développeurs qui n'ont pas besoin d'outils intégrés peuvent continuer à utiliser Chat Completions en toute confiance. Nous continuerons à publier de nouveaux modèles pour Chat Completions chaque fois que leurs capacités ne dépendront pas d'outils intégrés ou d'appels de modèles multiples. Cependant, l'API Responses est un super-ensemble(s'ouvre dans une nouvelle fenêtre) de Chat Completions avec les mêmes excellentes performances, donc pour les nouvelles intégrations, nous vous recommandons de commencer avec l'API Responses.

API Assistants(ouvre une nouvelle fenêtre) : En nous basant sur les commentaires des développeurs de la version bêta de l'API Assistants, nous avons intégré des améliorations clés à l'API Réponses, la rendant plus flexible, plus rapide et plus facile à utiliser. Nous travaillons à l'obtention d'une parité totale des fonctionnalités entre les assistants et l'API Responses, y compris la prise en charge des objets de type assistant et de type thread, ainsi que de l'outil d'interprétation du code. Une fois cette étape franchie, nous prévoyons d'annoncer officiellement la suppression de l'API "Assistants", avec une date d'expiration prévue pour la mi-2026. Nous fournirons alors un guide de migration clair de l'API Assistants vers l'API Réponses qui permettra aux développeurs de préserver toutes leurs données et de migrer leurs applications. Jusqu'à l'annonce officielle de la suppression, nous continuerons à fournir de nouveaux modèles à l'API Assistants. L'API Responses représente la direction future pour la construction d'agents sur OpenAI.

Présentation des outils intégrés dans l'API Responses

Recherche sur le Web

Les développeurs peuvent désormais obtenir des réponses rapides et actualisées avec des citations claires et pertinentes du Web. Dans l'API Responses, la recherche Web est disponible en tant qu'outil lorsque vous utilisez gpt-4o et gpt-4o-mini, et peut être associée à d'autres outils ou appels de fonction.

JavaScript

1

const response = await openai.responses.create({

2

modèle : "gpt-4o",

3

tools : [ { type : "web_search_preview" } ],

4

input : "Quelle est la nouvelle positive qui s'est produite aujourd'hui ?",

5

}) ;

6

7

console.log(response.output_text) ;

Au cours des premiers tests, nous avons vu des développeurs utiliser la recherche sur le Web pour divers cas d'utilisation, notamment pour les assistants d'achat, les agents de recherche et les agents de réservation de voyages, c'est-à-dire toute application nécessitant des informations opportunes sur le Web.

Par exemple, Hebbia(opens in a new window) exploite l'outil de recherche web pour aider les gestionnaires d'actifs, les sociétés de capital-investissement et de crédit, ainsi que les cabinets d'avocats à extraire rapidement des informations exploitables à partir de vastes ensembles de données publiques et privées. En intégrant des capacités de recherche en temps réel dans leurs flux de recherche, Hebbia fournit des informations de marché plus riches et spécifiques au contexte et améliore continuellement la précision et la pertinence de leurs analyses, surpassant ainsi les références actuelles.

La recherche sur le web dans l'API est alimentée par le même modèle que celui utilisé pour la recherche ChatGPT. Sur SimpleQA, un benchmark qui évalue la précision des LLM en répondant à des questions courtes et factuelles, GPT-4o search preview et GPT-4o mini search preview obtiennent respectivement 90% et 88%.

Précision SimpleQA (plus elle est élevée, mieux c'est)

63%

38%

47%

15%

90%

88%

0

20

40

60

80

100

Précision

GPT-4.5

GPT-4o

OpenAI o1

OpenAI o3-mini

GPT-4o

aperçu de la recherche

GPT-4o mini

aperçu de la recherche

Les réponses générées par la recherche web dans l'API incluent des liens vers des sources, telles que des articles d'actualité et des billets de blog, ce qui permet aux utilisateurs d'en savoir plus. Grâce à ces citations claires et en ligne, les utilisateurs peuvent accéder à l'information d'une nouvelle manière, tandis que les propriétaires de contenu bénéficient de nouvelles opportunités pour atteindre un public plus large.

Tout site web ou éditeur peut choisir d'apparaître dans la recherche web dans l'API.

L'outil de recherche web est disponible pour tous les développeurs en avant-première dans l'API Responses. Nous donnons également aux développeurs un accès direct à nos modèles de recherche affinés dans l'API Chat Completions via gpt-4o-search-preview et gpt-4o-mini-search-preview. Les prix (s'ouvre dans une nouvelle fenêtre) commencent respectivement à 30 $ et 25 $ par millier de requêtes pour GPT-4o search et 4o-mini search. Découvrez la recherche web dans le Playground(s'ouvre dans une nouvelle fenêtre) et apprenez-en plus dans notre documentation(s'ouvre dans une nouvelle fenêtre).

Recherche de fichiers

Les développeurs peuvent désormais facilement récupérer des informations pertinentes dans de grands volumes de documents grâce à l'outil de recherche de fichiers amélioré. Grâce à la prise en charge de plusieurs types de fichiers, à l'optimisation des requêtes, au filtrage des métadonnées et au reclassement personnalisé, cet outil peut fournir des résultats de recherche rapides et précis. De plus, grâce à l'API Responses, l'intégration ne nécessite que quelques lignes de code.

JavaScript

1 const productDocs = await openai.vectorStores.create({

2 name : "Product Documentation",

3 file_ids : [file1.id, file2.id, file3.id],

4 }) ;

5

6 const response = await openai.responses.create({

7 modèle : "gpt-4o-mini",

8 outils : [{

9 type : "file_search",

10 vector_store_ids : [productDocs.id],

11 }],

12 input : "Qu'est-ce que la recherche approfondie par OpenAI ?",

13 }) ;

14

15 console.log(response.output_text) ;

L'outil de recherche de fichiers peut être utilisé pour une variété de cas d'utilisation dans le monde réel, notamment pour permettre à un agent d'assistance à la clientèle d'accéder facilement aux FAQ, pour aider un assistant juridique à référencer rapidement des cas antérieurs pour un professionnel qualifié, et pour aider un agent de codage à interroger la documentation technique. Par exemple, Navan(opens in a new window) utilise la recherche de fichiers dans son agent de voyage piloté par l'IA pour fournir rapidement à ses utilisateurs des réponses précises à partir d'articles de la base de connaissances (comme la politique de voyage de leur entreprise). Grâce à l'optimisation et au reclassement intégrés des requêtes, l'entreprise est en mesure de mettre en place un puissant pipeline RAG (retrieval-augmented generation) sans réglage ou configuration supplémentaire. Avec des magasins de vecteurs dédiés à chaque groupe d'utilisateurs, Navan est en mesure d'adapter les réponses aux paramètres des comptes individuels et aux rôles des utilisateurs, ce qui permet aux clients et à leur personnel de gagner du temps tout en fournissant une assistance précise et personnalisée.

Cet outil est disponible dans l'API Responses pour tous les développeurs. L'utilisation est facturée (s'ouvre dans une nouvelle fenêtre) à 2,50 $ par millier de requêtes et le stockage de fichiers à 0,10 $/Go/jour, le premier Go étant gratuit. L'outil reste disponible dans l'API Assistants. Enfin, nous avons également ajouté un nouveau point d'accès de recherche aux objets de l'API Vector Store pour interroger directement vos données afin de les utiliser dans d'autres applications et API. Pour en savoir plus, consultez notre documentation (s'ouvre dans une nouvelle fenêtre) et commencez à tester dans le terrain de jeu (s'ouvre dans une nouvelle fenêtre).

Utilisation sur ordinateur

Pour créer des agents capables d'effectuer des tâches sur un ordinateur, les développeurs peuvent désormais utiliser l'outil d'utilisation de l'ordinateur dans l'API Responses, qui s'appuie sur le même modèle d'agent d'utilisation de l'ordinateur (CUA) que celui qui permet de créer Operator. Ce modèle de prévisualisation de la recherche a établi un nouveau record de pointe, atteignant 38,1 % de réussite sur OSWorld(s'ouvre dans une nouvelle fenêtre) pour les tâches d'utilisation complète d'un ordinateur, 58,1 % sur WebArena(s'ouvre dans une nouvelle fenêtre) et 87 % sur WebVoyager(s'ouvre dans une nouvelle fenêtre) pour les interactions basées sur le web.

L'outil intégré d'utilisation de l'ordinateur capture les actions de la souris et du clavier générées par le modèle, ce qui permet aux développeurs d'automatiser les tâches d'utilisation de l'ordinateur en traduisant directement ces actions en commandes exécutables dans leurs environnements.

JavaScript

1 const response = await openai.responses.create({

2 modèle : "computer-use-preview",

3 tools : [{

4 type : "computer_use_preview",

5 largeur d'affichage : 1024,

6 hauteur d'affichage : 768,

7 environnement : "browser",

8 }],

9 troncature : "auto",

10 input : "Je cherche un nouvel appareil photo. Aidez-moi à trouver le meilleur",

11 }) ;

12

13 console.log(response.output) ;

Les développeurs peuvent utiliser l'outil d'utilisation de l'ordinateur pour automatiser les flux de travail basés sur le navigateur, comme l'assurance qualité des applications web ou l'exécution de tâches de saisie de données dans des systèmes existants. Par exemple, Unify(opens in a new window) est un système d'action visant à augmenter les revenus qui utilise des agents pour identifier les intentions, rechercher des comptes et entrer en contact avec les acheteurs. Grâce à l'outil d'utilisation informatique d'OpenAI, les agents d'Unify peuvent accéder à des informations qui étaient auparavant inaccessibles via les API, par exemple en permettant à une société de gestion immobilière de vérifier, à l'aide de cartes en ligne, si une entreprise a étendu son empreinte immobilière. Cette recherche agit comme un signal personnalisé pour déclencher une approche personnalisée, permettant aux équipes de marketing direct d'engager les acheteurs avec précision et à grande échelle.

Autre exemple, Luminai(s'ouvre dans une nouvelle fenêtre) a intégré l'outil d'utilisation de l'ordinateur pour automatiser des flux de travail opérationnels complexes pour les grandes entreprises dont les systèmes existants ne disposent pas d'API et de données normalisées. Lors d'un récent projet pilote avec une grande organisation de services communautaires, Luminai a automatisé le traitement des demandes et le processus d'inscription des utilisateurs en quelques jours seulement, ce que l'automatisation traditionnelle des processus robotiques (RPA) a eu du mal à réaliser après des mois d'efforts.

Avant de lancer l'AUC dans Operator l'année dernière, nous avons mené des tests de sécurité approfondis et une équipe d'experts, en abordant trois domaines clés de risque : les utilisations abusives, les erreurs de modèle et les risques de frontière. Pour traiter les risques associés à l'extension des capacités d'Operator aux systèmes d'exploitation locaux par le biais de CUA dans l'API, nous avons procédé à des évaluations de sécurité supplémentaires et à des tests en équipe restreinte. Nous avons également ajouté des mesures d'atténuation pour les développeurs, notamment des contrôles de sécurité pour se prémunir contre les injections rapides, des messages de confirmation pour les tâches sensibles, des outils pour aider les développeurs à isoler leurs environnements et une détection améliorée des violations potentielles de la politique. Bien que ces mesures d'atténuation contribuent à réduire les risques, le modèle reste sensible aux erreurs involontaires, en particulier dans les environnements autres que les navigateurs. Par exemple, les performances de l'AUC sur OSWorld, un benchmark conçu pour mesurer les performances des agents d'intelligence artificielle sur des tâches réelles, sont actuellement de 38,1 %, ce qui indique que le modèle n'est pas encore très fiable pour automatiser des tâches sur les systèmes d'exploitation. Une supervision humaine est recommandée dans ces scénarios. Vous trouverez plus de détails sur notre travail de sécurité spécifique à l'API dans notre carte système mise à jour.

Type de repère Repère Utilisation d'un ordinateur (interface universelle) Agents de navigation sur le web Humain

OpenAI CUA Précédent SOTA Précédent SOTA

Utilisation de l'ordinateur OSWorld 38.1% 22.0% - 72.4%

Utilisation du navigateur WebArena 58.1% 36.2% 57.1% 78.2%

WebVoyager 87,0% 56,0% 87,0% -

Les détails de l'évaluation sont décrits ici

À partir d'aujourd'hui, l'outil d'utilisation des ordinateurs est disponible en tant qu'aperçu de recherche dans l'API Responses pour les développeurs sélectionnés dans les niveaux d'utilisation 3 à 5 (s'ouvre dans une nouvelle fenêtre). Le prix d'utilisation(s'ouvre dans une nouvelle fenêtre) est de 3 $/1M de jetons d'entrée et de 12 $/1M de jetons de sortie. Apprenez-en plus dans notre documentation(s'ouvre dans une nouvelle fenêtre) et consultez l'exemple d'application(s'ouvre dans une nouvelle fenêtre) illustrant comment construire avec cet outil.

SDK Agents

En plus de construire la logique de base des agents et de leur donner accès à des outils pour qu'ils soient utiles, les développeurs ont également besoin d'orchestrer les flux de travail des agents. Notre nouveau SDK d'agents open-source simplifie l'orchestration des flux de travail multi-agents et offre des améliorations significatives par rapport à Swarm(opens in a new window), un SDK expérimental que nous avons publié l'année dernière et qui a été largement adopté par la communauté des développeurs et déployé avec succès par de nombreux clients.

Les améliorations sont les suivantes :

Agents : Des LLM facilement configurables avec des instructions claires et des outils intégrés.

Transferts : Transférez intelligemment le contrôle entre les agents.

Garde-fous : Contrôles de sécurité configurables pour la validation des entrées et des sorties.

Traçage et observabilité : Visualisez les traces d'exécution des agents pour déboguer et optimiser les performances.

Python

1 from agents import Agent, Runner, WebSearchTool, function_tool, guardrail

2

3 @function_tool

4 def submit_refund_request(item_id : str, reason : str) :

5 # Votre logique de remboursement va ici

6 return "success"

7

8 support_agent = Agent(

9 name="Support & Returns",

10 instructions="Vous êtes un agent d'assistance qui peut soumettre des remboursements [...]",

11 tools=[submit_refund_request],

12 )

13

14 shopping_agent = Agent(

15 name="Assistant d'achat",

16 instructions="Vous êtes un assistant d'achat qui peut effectuer des recherches sur le web [...]",

17 tools=[WebSearchTool()],

18 )

19

20 triage_agent = Agent(

21 name="Agent de triage",

22 instructions="Acheminer l'utilisateur vers le bon agent",

23 handoffs=[shopping_agent, support_agent],

24 )

25

26 output = Runner.run_sync(

27 starting_agent=triage_agent,

28 input="Quelles sont les chaussures qui iraient le mieux avec ma tenue actuelle ?",

29 )

Le SDK Agents est adapté à diverses applications du monde réel, notamment l'automatisation de l'assistance à la clientèle, la recherche en plusieurs étapes, la génération de contenu, la révision de code et la prospection commerciale. Par exemple, Coinbase(opens in a new window) a utilisé le SDK Agents pour prototyper et déployer rapidement AgentKit, une boîte à outils permettant aux agents d'intelligence artificielle d'interagir de manière transparente avec les portefeuilles de crypto-monnaie et diverses activités sur la chaîne. En quelques heures seulement, Coinbase a intégré des actions personnalisées issues de leur SDK Developer Platform dans un agent entièrement fonctionnel. L'architecture rationalisée d'AgentKit a simplifié le processus d'ajout de nouvelles actions d'agent, permettant aux développeurs de se concentrer davantage sur des intégrations significatives et moins sur la navigation dans des configurations d'agent complexes.

En quelques jours, Box(opens in a new window) a pu créer rapidement des agents qui exploitent la recherche web et le SDK Agents pour permettre aux entreprises de rechercher, d'interroger et d'extraire des informations à partir de données non structurées stockées dans Box et dans des sources Internet publiques. Cette approche permet aux clients non seulement d'accéder aux informations les plus récentes, mais aussi de rechercher leurs données internes et propriétaires d'une manière sûre et sécurisée qui respecte leurs autorisations internes et leurs politiques de sécurité. Par exemple, une société de services financiers peut créer un agent personnalisé qui fait appel à l'agent Box AI pour intégrer ses analyses de marché internes stockées dans Box avec des actualités en temps réel et des données économiques provenant du web, offrant ainsi à ses analystes une vue d'ensemble pour les décisions d'investissement.

Le SDK Agents fonctionne avec l'API Responses et l'API Chat Completions. Le SDK fonctionnera également avec les modèles d'autres fournisseurs, à condition qu'ils fournissent un point de terminaison API de type Chat Completions. Les développeurs peuvent l'intégrer immédiatement dans leurs bases de code Python, avec une prise en charge Node.js à venir. Pour en savoir plus, consultez notre documentation (s'ouvre dans une nouvelle fenêtre).

Lors de la conception du SDK Agents, notre équipe s'est inspirée de l'excellent travail réalisé par d'autres membres de la communauté, notamment Pydantic(ouvre une nouvelle fenêtre), Griffe(ouvre une nouvelle fenêtre) et MkDocs(ouvre une nouvelle fenêtre). Nous nous engageons à poursuivre la construction du SDK Agents en tant que cadre open source afin que d'autres membres de la communauté puissent développer notre approche.

Prochaine étape : construire la plateforme pour les agents

Nous pensons que les agents feront bientôt partie intégrante de la main-d'œuvre, améliorant considérablement la productivité dans tous les secteurs d'activité. Alors que les entreprises cherchent de plus en plus à exploiter l'IA pour des tâches complexes, nous nous engageons à fournir les éléments de base qui permettent aux développeurs et aux entreprises de créer efficacement des systèmes autonomes qui ont un impact sur le monde réel.

Avec les versions d'aujourd'hui, nous introduisons les premières briques permettant aux développeurs et aux entreprises de construire, déployer et mettre à l'échelle plus facilement des agents d'IA fiables et performants. Au fur et à mesure que les capacités des modèles deviennent de plus en plus agentiques, nous continuerons à investir dans des intégrations plus profondes à travers nos API et dans de nouveaux outils pour aider à déployer, évaluer et optimiser les agents en production. Notre objectif est d'offrir aux développeurs une expérience de plateforme transparente pour créer des agents qui peuvent aider à effectuer une variété de tâches dans n'importe quel secteur d'activité. Nous sommes impatients de voir ce que les développeurs vont créer. Pour commencer, explorez notre documentation (s'ouvre dans une nouvelle fenêtre) et restez à l'écoute pour d'autres mises à jour bientôt.