刚刚，OpenAI 开源了两个 Agent 项目，手搓 Manus 时代来袭 原创

OpenAI 刚刚举办了一场针对开发者的直播活动，推出了全新的 Agent 开发套件，旨在助力开发者打造稳定而强大的 AI Agents。以下是该套件的核心组成部分：

Agents Blog:
 https://openai.com/index/new-tools-for-building-agents

1、内置工具：套件内置了多种工具，包括网页搜索、文件搜索以及电脑操作（Computer Use）功能。

Built-in tools:
 https://platform.openai.com/docs/guides/tools?api-mode=responses

2、Responses API：推出了一款新的响应 API，它融合了 Chat Completions API 的简易性和 Assistants API 的工具使用能力，适用于构建 AI Agents。

Responses API: 
https://platform.openai.com/docs/api-reference/responses

3、Agents SDK：提供了一套用于协调单智能体和多智能体工作流程的 SDK。

Agents SDK 项目：
https://github.com/openai/openai-agents-python

4、监控工具：集成了可观察性工具，用于跟踪和检查 Agent 工作流程的执行情况。

特别值得一提的是，Agents SDK 是开源的，并且 OpenAI 还开源了一个名为 Computer Using Agent 的项目。以下是两个项目的详细介绍：

第一、Agents SDK 项目

OpenAI Agents SDK 是一个轻量级但功能丰富的框架，用于创建多智能体工作流程。

核心概念：

Agent（智能体）：基于大模型（LLMs）的智能体，通过指令进行配置，配备了工具、防护栏和交接功能。

Handoffs（交接）：允许智能体将任务控制权转交给其他智能体。

Guardrails（防护栏）：可配置的安全检查，用于输入和输出的验证。

Tracing（追踪）：内置的智能体运行追踪功能，方便查看、调试和优化工作流程。

Agents SDK 项目：
https://github.com/openai/openai-agents-python

第二、Computer Using Agent 项目

OpenAI 提供了一个示例应用程序，展示了如何使用 OpenAI API 构建计算机使用 Agent（CUA：Computer Using Agent）：

计算机使用工具以循环方式连续运行，发送计算机操作命令（如 click(x,y) 或 type(text)），代码在计算机或浏览器环境中执行这些操作，并将屏幕截图结果返回给大模型。

通过这种方式，代码可以模拟人类在计算机界面上的操作，而大模型则通过屏幕截图来理解环境状态并决定下一步行动。

这种循环机制可以自动执行许多需要点击、输入、滚动等操作的任务，例如预订航班、搜索产品或填写表格。

Computer Using Agent 项目：
https://github.com/openai/openai-cua-sample-app

以下是电脑使用操作的示意图：

本文转载自公众号玄姐聊AGI  作者：玄姐

原文链接：​​https://mp.weixin.qq.com/s/uVHZcrdhXXeyeXYa-YnMpQ​​