OpenAI的ResponseAPI介绍

2025是Agent的元年，上周Manus的爆火让大家真实体验了一把什么是Agent，同时也让Anthropic去年就提出的MCP协议再次爆火了一把。本周OpenAI也出了大招，开源了一系列Agent套件。观察下来，感觉这次发布会真正开源了一些可以实战应用的效率工具，同时也开放了两款搜索模型，今天我们详细讲讲这些更新具体为我们带来了哪些有价值的东西~

1、主要功能和受益场景

• 智能客服：这个应该是最大受益的场景了，距离真实业务场景也最近，知识库问答、呼唤客服、批量下单、取消订单等等可以提供一站式服务；

• 开源DeepResearch：基于搜索和规划的能力，我们可以快速实现类似openAI-DeepResearch的功能；

• AIPC和AI手机：CUA工具(Computer Using Agent)借助playwright，可以快速让我们的电脑智能化。当然目前只看到电脑，手机的效果期待更多更新；CUA我们后面专门出一期来讲。

• 关键核心小工具：

• 个性化AI护栏：比如家长可以自定义设置禁止使用gpt帮助学生做数学题，来避免孩子偷懒?；

• 对话的自主路由：自动函数路由、切换会话、基础工具调用等等；

• 监控工具：目前没有openAI后台权限，这里只能从代码debugging大致观察一下；

2、核心特点

2.1 核心概念

1）原子概念

• Agents(代理): 配置了指令、工具、Guardrails（护栏）和Handoffs（交接）的大型语言模型（LLMs），是多种功能的集合体。整体可以看做一个装备齐全且易于配置的LLM，具有清晰的指令和内置工具；

• Handoffs(交接): 允许代理将控制权转移给其他代理以执行特定任务，用于智能体之间的智能控制转移；

• Guardrails(护栏): 可配置的安全检查机制，用于输入和输出的验证；

• Tracing(追踪): 内置的代理运行跟踪功能，允许查看、调试和优化工作流程，通过可视化智能体执行轨迹来调试和优化性能；

2）循环机制

当调用 `Runner.run()` 时，AgentSDK会运行一个循环，直到获得最终输出。

• sdk使用代理(agent)上的模型和设置以及消息历史记录（message history）来调用 LLM（Large Language Model）。  

• LLM 返回一个响应，该响应可能包含工具调用（tool calls）；

• 如果响应包含最终输出（final output），会返回它并结束循环；

• 如果响应包含交接（handoff），将代理（agent）设置为新的代理，并回到步骤 1；

• 处理工具调用（如果有），并将工具响应消息（tool responses messages）附加到消息历史记录中，然后回到步骤 1；

通过 `max_turns` 参数，可以用来限制循环执行的次数；

2.2 核心特性

核心特性可以用一句话概括：一个全新API、三个内置工具，以及一个开源SDK。具体包括：

• 全新Responses API⁠：将Chat Completions API简单性与Assistants API工具使用功能相结合，用于构建智能体

• 内置三大工具：网络搜索⁠、文件搜索⁠和计算机使用

• 全新Agents SDK⁠：用于编排单智能体和多智能体工作流程

  
  

3、MCP对比

2024 年 11 月，Anthropic 发布了MCP协议，强调其目标是 打破信息孤岛，解决传统集成中因数据源多样性导致的扩展难题。

用通俗的话讲，MCP就像是专为AI应用设计的通用接口，类似我们日常使用的USB-C。正如USB-C简化了不同设备与计算机的连接方式，MCP简化了AI模型与数据、工具和服务之间的交互方式。通过MCP，AI助手不仅能够「读懂」代码，还能「理解」团队讨论、涉及文档等外部信息，提供更加精准的回答。

总体来看，MCP更多在于提出了一种交互标准，而AgentSDK则更多的给了Agent交互具体的实现，入门程度更低且更偏向于实际应用。如果ResponseAPI更早一点，感觉OWL和OpenManus可能会更优先选择后者了。

4、实际效果演示

4.1 接口的变化

从接口输入来看，与completion接口的主要差别是入参从messages替换成inputs参数，这样可以覆盖更多的属性，例如tools/function都可以作为参数传递进来。

4.2、完整调用链路

我们通过官方给的一个case调用来解析下一次请求具体做了哪些事情。

我们通过守住与openAI最终交互的入口处，来监控AgentSDK的具体动作：

${HomePython}/site-packages/openai/resources/responses/responses.py-1414行，使用pycharm加入一个断点：

1、调用调用栈

整体看起来更像是一个异步消息的分发处理机制，这个整体跟chatgpt出现之前的rasa框架很类似，多线程和协程搭配工作，然后对每一步失败后按照最大重试次数进行重试。

2、路由链路

    通过triage_agent将问题路由到shopping_agent，发生一次handoff交接处理；

3、搜索链路

    shopping_agent调用WebSearchTool联网查询问题；

4、后处理链路

    shopping_agent处理返回结果保存成消息输出，下图为变量ouput的最终结果，包括前文介绍的统一结构的item，可以结合代码具体观察一下。

存在的一些问题：

在实际应用的时候，需要考虑到比较多的兜底路由情况，如果不能完整定义调用链路，那么很容易导致模型产生错误的路由。比如上面这个case中，我问的天气，但是最后路由到shop的agent下。如果客户的输入比较随意，可能会导致一些意料之外的事情，会出现比较尴尬的事情。

5、商用案例

开发者可以使用计算机使用工具，来自动化基于浏览器的工作流程，如执行网络应用程序的质量保证或在传统系统中执行数据录入任务。对于那些缺乏API和标准化数据的企业，就可以利用计算机使用工具自动化复杂的运营流程。

在最近与一家主要社区服务组织的试点项目中，Luminai仅用几天时间就实现了申请处理和用户注册流程的自动化——这是传统 RPA（机器人流程自动化）经过数月努力都难以实现的。

Coinbase⁠使用Agents SDK快速开发并部署了 AgentKit，这是一个让AI智能体能够无缝连接加密钱包和各种区块链活动的工具包。Coinbase仅用几小时就将其开发者平台SDK的自定义操作集成到了一个功能完备的智能体中。AgentKit的精简架构简化了添加新智能体操作的流程，让开发者能够更专注于有价值的集成，而不是消耗在复杂的智能体配置上。

未来小编就准备把之前做过的RAG和查询、搜索类工具结合AgentSDK做一个无缝的集成，大大降低代码复杂度。

6、参考

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

systemcard-https://openai.com/index/operator-system-card/

api介绍-https://openai.github.io/openai-agents-python/ref/tool/

agents-api-git-https://github.com/openai/openai-agents-python

cua-git-https://github.com/openai/openai-cua-sample-app

openai-cookbook-https://github.com/openai/openai-cookbook/blob/main/examples/responses_api/responses_example.ipynb

套件全解析-https://mp.weixin.qq.com/s/2IOCuuEyYSUi0JEiwTHPtw

发布会介绍-https://mp.weixin.qq.com/s/BwFC7TvT34yo5gt6DsrLMQ

mcp详细介绍-https://mp.weixin.qq.com/s/YRcZTU-uzXNG64fv5HIcwg