เหตุใดเครื่องมือตัวแทน AI ใหม่ของ OpenAI จึงสามารถเปลี่ยนวิธีเขียนโค้ดของคุณได้

OpenAI กําลังเปลี่ยนวิธีการทํางานของตัวแทน AI ด้วย Agents SDK และ Responses API ใหม่ ต่อไปนี้คือวิธีที่เครื่องมือเหล่านี้ปรับปรุงระบบอัตโนมัติ การทํางานร่วมกันแบบหลายตัวแทน และการประสานเวิร์กโฟลว์สําหรับนักพัฒนา

หากคุณเคยเป็นนักพัฒนาการผลิตมาตลอดเวลา คุณจะรู้ว่าอินเทอร์เฟซการเขียนโปรแกรมแอปพลิเคชัน (API) อาจเปลี่ยนแปลงได้ตามความตั้งใจของผู้ให้บริการ

คุณอาจเข้านอนในคืนหนึ่งโดยรู้ว่าแอปของคุณแข็งแกร่งและมีอนาคตที่สดใส จากนั้นคุณตื่นขึ้นมาในตอนเช้าและพบว่าผู้ให้บริการ API รายใดรายหนึ่งของคุณได้ประกาศการเปลี่ยนแปลงที่กําหนดให้คุณต้องใช้เวลาหกเดือนในการเขียนโค้ดแอปใหม่เพื่อทํางานกับ API ที่แก้ไขแล้ว ถามฉันว่าฉันรู้ได้อย่างไร

แอปที่ใช้ AI ไม่รอดพ้นจากกฎชีวิต API ที่ไม่เปลี่ยนแปลงนี้ OpenAI ได้ประกาศเปิดตัว Responses API ซึ่งจะทริกเกอร์การยกเลิก Assistants API ในช่วงปี 2026

เช่นเดียวกับการเปลี่ยนแปลง API ส่วนใหญ่ API ใหม่ทําได้มากขึ้น ทํางานได้ดีขึ้น และมีแคลอรี่น้อยลง อย่างไรก็ตาม แม้จะมีความสามารถเหล่านี้ แต่ API ใหม่ยังคงเพิ่มรายการสิ่งที่ต้องทําขนาดใหญ่ให้กับผู้ใช้ API ก่อนหน้านี้ในช่วงแรกๆ

OpenAI ได้ประกาศชุดคุณสมบัติระดับโปรแกรมเมอร์ใหม่สําหรับการสร้างตัวแทน AI รวมถึง API ก่อนที่เราจะเจาะลึกถึงสิ่งใหม่ มาดูการเปลี่ยนแปลงนี้ในบริบทกัน

คุณอาจสังเกตเห็นว่าตั้งแต่ Generative AI (Gen AI) ปรากฏขึ้นเมื่อไม่กี่ปีที่ผ่านมา ผลิตภัณฑ์และบริการเกือบทั้งหมดดูเหมือนจะเพิ่มฟีเจอร์การเพิ่มยอดขาย AI ให้กับข้อเสนอพื้นฐานอย่างกะทันหัน เป็นส่วนขยายที่ยอดเยี่ยมสําหรับผลิตภัณฑ์และบริการมากมาย แต่ก็ไม่เหมือนกับว่าผู้ขายแต่ละรายมีทีมวิจัย AI ที่สร้างโมเดลภาษาขนาดใหญ่

บริษัทเหล่านี้มี API ที่ได้รับอนุญาตซึ่งให้บริการ AI ในราคาที่คาดเดาได้พอสมควรต่อธุรกรรม โมเดลต่างๆ มีค่าใช้จ่ายต่างกัน แต่โดยประมาณคร่าวๆ นักพัฒนาสามารถสร้างแบบสอบถามการแชททั่วไป GPT-67 จํานวน 4.5 รายการ การสืบค้น GPT-1,176o จํานวน 4 รายการ หรือแบบสอบถามขนาดเล็ก GPT-20,000 จํานวน 4 รายการในราคาหนึ่งดอลลาร์

ด้วย API ของ OpenAI (และ API ของบริษัท AI อื่น ๆ ) สามารถเพิ่มฟังก์ชัน AI ลงในโค้ดด้วยการเรียกใช้ฟังก์ชันง่ายๆ และบัตรเครดิต ซึ่งช่วยลดการพัฒนาระยะสั้นและโครงสร้างพื้นฐานและค่าใช้จ่ายในการวิจัยหลายล้านดอลลาร์

API การตอบกลับใหม่

จนถึงตอนนี้ OpenAI ได้เสนอ API ซึ่งเป็น Chat Completions API สําหรับส่งคําถามพร้อมท์การแชทไปยัง ChatGPT และรับการตอบกลับ OpenAI ยังเสนอ API ซึ่งเป็น Assistants API ที่ช่วยให้ตัวแทนสามารถให้เหตุผลหลายขั้นตอนและเข้าถึงไฟล์ได้

Responses API ใหม่รวมฟีเจอร์ของ API ก่อนหน้านี้ทั้งสองเข้าด้วยกัน แม้ว่า Chat Completions API จะยังคงอยู่ แต่บริษัทได้ประกาศแผนการที่จะยกเลิก Assistants API โดยเร็วที่สุดในปีหน้าเพื่อสนับสนุน Responses API ที่มีความสามารถมากขึ้น

อัตราค่าบริการสําหรับการใช้ Responses API อยู่ในหน้าราคาของ OpenAI และแตกต่างกันไปตามรุ่นและการใช้งาน

Responses API มีเครื่องมือในตัวสามอย่างที่โปรแกรมเมอร์สามารถเรียกใช้ได้ ได้แก่ การค้นหาเว็บ การค้นหาไฟล์ และการใช้คอมพิวเตอร์

เครื่องมือค้นหาเว็บ

หากคุณเคยใช้ ChatGPT เพื่อค้นหาเว็บและรวบรวมคําตอบ คุณจะรู้ว่าเครื่องมือค้นหาเว็บทําอะไร ในกรณีของ Responses API จะช่วยให้โปรแกรมเมอร์สามารถเริ่มการสืบค้นดังกล่าวได้จากภายในโปรแกรมของตน

เมื่อใช้ API จะให้ข้อความเป็นการตอบกลับ และลิงก์ไปยังแหล่งที่มาและการอ้างอิงแบบอินไลน์ คําตอบเหล่านี้หลายอย่างควรถูกต้อง บริษัทอ้างถึงแผนภูมิที่แสดงให้เห็นว่าการทดสอบการค้นหาเว็บด้วย GPT-4o นั้นถูกต้องเพียง 38% (โปรดทราบว่าในครั้งต่อไปที่คุณใช้ ChatGPT เพื่อค้นหา) แต่การค้นหาโดยใช้ตัวอย่างการค้นหา GPT-4o และตัวอย่างการค้นหาขนาดเล็ก GPT-4o นั้นถูกต้องเก้าในสิบครั้ง

ส่วนใหญ่ดีก็ดีใช่มั้ย?

เครื่องมือค้นหาไฟล์

ถัดไปคือเครื่องมือค้นหาไฟล์ ซึ่งจะค้นหาไลบรารีเอกสารของบริษัทของคุณ และใช่ ฉันรู้ว่าคุณกําลังคิดอะไรอยู่ OpenAI กล่าวว่าไม่ได้ฝึก AI เกี่ยวกับข้อมูลทางธุรกิจ ดังนั้นคุณควรค่อนข้างมั่นใจว่าการอัปโหลดข้อมูลทั้งหมดของคุณจะปลอดภัยและจะไม่ปรากฏในการตอบสนองของคนอื่นต่อข้อความแจ้ง

มีปัญหาแม้ว่าจะมีปัญหา ประการหนึ่งที่ $0.10 ต่อกิ๊กต่อเดือน พื้นที่เก็บข้อมูลไฟล์นั้นไม่ถูก ฐานข้อมูลเอกสารองค์กรของบริษัทเล็ก ๆ ของฉันมีขนาด 57TB หากฐานข้อมูลนั้นถูกอัปโหลดไปยัง OpenAI สําหรับการค้นหา AI เฉพาะบริบท พื้นที่จัดเก็บจะมีค่าใช้จ่ายเกือบ 6,000 ดอลลาร์ต่อเดือน และบริษัทของฉันมีพนักงานเพียงสองคน

ประโยชน์ของการมีเครื่องมือค้นหา AI คือความสามารถในการทําลายไซโล แต่ถ้าไซโลเป็นสิ่งที่ทําให้การจัดเก็บข้อมูลมีราคาไม่แพงขึ้นโดยการอัปโหลดเฉพาะข้อมูลที่เลือกราคานี้อาจจํากัดประโยชน์ของคุณลักษณะนี้

เครื่องมือการใช้งานคอมพิวเตอร์

ในที่สุด OpenAI ก็มีเครื่องมือการใช้งานคอมพิวเตอร์ ซึ่งเป็นเครื่องมือดูหน้าจอและคลิกซึ่งเป็นหัวใจสําคัญของข้อเสนอตัวแทนผู้ให้บริการ

สิ่งนี้ควรจะสามารถอ่านหน้าจอและตามเนื้อหาของหน้าจอ จากการสาธิต โดยเฉพาะอย่างยิ่งในตัวอย่างการประกาศปัจจุบัน ดูเหมือนว่าเครื่องมือนี้จะมีหนทางอีกยาวไกลก่อนที่จะมีประโยชน์ในระดับสากล

คอยติดตามคุณสมบัตินี้

SDK ตัวแทน

API คือชุดของปลายทางหรือการเรียกใช้ฟังก์ชันสําหรับการโต้ตอบกับระบบภายนอก SDK (ชุดพัฒนาซอฟต์แวร์) เป็นคอลเลกชันที่กว้างขึ้น ซึ่งมักจะรวมถึงเครื่องมือซอฟต์แวร์ API ไลบรารี และยูทิลิตี้บางอย่าง ซึ่งทั้งหมดทํางานร่วมกัน

OpenAI ประกาศ Agents SDK ซึ่งเป็นชุดเครื่องมือสําหรับการสร้าง การดีบัก และการตรวจสอบการทํางานของตัวแทน ชุดประกอบด้วย Responses API และเพิ่มการประสานเวิร์กโฟลว์ ช่วยให้ผู้เขียนโค้ดสามารถให้เหตุผลหลายขั้นตอนและการดําเนินการงานได้

ชุดนี้ยังช่วยให้ผู้เขียนโค้ดสามารถสร้างทีมตัวแทน ซึ่งแต่ละคนได้รับมอบหมายให้รับผิดชอบเฉพาะ ฟังก์ชัน "การส่งมอบ" ช่วยให้ตัวแทนคนหนึ่งสามารถทํางานบางอย่าง จากนั้นส่งต่อการประมวลผลไปยังตัวแทนอีกคนหนึ่ง เป็นต้น

นอกจากนี้ และฉันคิดว่านี่เป็นหนึ่งในคุณสมบัติที่สําคัญที่สุด แดชบอร์ดการตรวจสอบช่วยให้นักพัฒนาสามารถดูการโต้ตอบแต่ละครั้งกับ AI ระบุว่าตัวแทนใดถูกใช้เพื่ออะไร และพวกเขาได้รับมอบหมายงานอย่างไร ด้วยความแพร่หลายของภาพหลอน AI สิ่งสําคัญคือต้องสามารถติดตามได้ว่างานอิสระเหล่านั้นกําลังทําอะไรอยู่

คุณคิดอย่างไรเกี่ยวกับการอัปเดตล่าสุดของ OpenAI?

คุณวางแผนที่จะรวม Responses API เข้ากับโครงการของคุณหรือคุณกังวลเกี่ยวกับการยกเลิก Assistants API ของ OpenAI หรือไม่

คุณรู้สึกอย่างไรเกี่ยวกับเครื่องมือในตัว เช่น การค้นหาเว็บ การค้นหาไฟล์ และการใช้คอมพิวเตอร์ พวกเขาแก้ปัญหาจริงหรือแนะนําความท้าทายใหม่ๆ หรือไม่?

แล้วตัวแทน SDK ล่ะ? คุณเห็นว่ามันเป็นตัวเปลี่ยนเกมสําหรับการพัฒนาตัวแทน AI หรือคุณสมบัติบางอย่างยังขาดอยู่? แจ้งให้เราทราบในความคิดเห็นด้านล่าง