OpenAI 推出 AgentKit：拖拽画布搭智能体，自带评测与微调

过去一年里，想要给业务搭一个真正能跑的 AI Agent，过程往往像在工地上捡砖头。你得自己写编排脚本，自己拼各家接口，在终端里调 Prompt，再花上几个星期手搓一套聊天前端界面。

在 10 月 6 日的 DevDay 上，OpenAI 试图把这些零碎的积木整合成一整套毛坯房。他们正式推出了全套开发工具包 AgentKit，核心目标很直接：让开发者把 Agent 从原型推向生产环境的摩擦力降到最低。

这套工具并不额外收费，全部包含在现有的 API 基础调用价格里。

画布拖拽，八分钟搭两个 Agent

AgentKit 最显眼的部分是进入测试阶段的 Agent Builder。Sam Altman 在台上把它形容成「Agent 界的 Canva」，用拖拽节点的方式把多个 Agent 的协作逻辑串联起来。

在发布会现场，OpenAI 工程师 Christina Huang 登台演示，在不到八分钟里搭起了一整套工作流，并配置了两个协同运作的 Agent。

企业案例也搬出了具体数字。金融平台 Ramp 表示，过去需要几个月编写自研代码和手动调优的采购 Agent，现在只花了几个小时就完成了搭建，内部迭代周期缩短了 70%。日本互联网公司 LY Corporation 也在不到两小时内拼出了一个多 Agent 协作的工作助理。

除了画布，这套工具包还包括开源的 Guardrails 安全防护层，支持 Python 和 JavaScript，用来拦截提示词越狱或脱敏个人身份信息。面向前端的 ChatKit 也在今天正式全面开放，开发者可以直接把支持打字流式输出、显示模型思考过程的聊天窗口嵌入自家产品。

在后端治理方面，OpenAI 推出了 Connector Registry。管理员可以在一个后台统管 Dropbox、Google Drive、Sharepoint 以及各类第三方 MCP 工具连接，目前面向拥有全局管理控制台的 ChatGPT 企业版及 Edu 用户开放测试。

评测升级与推理微调

光搭出来不算完，怎么证明 Agent 真的靠谱才是企业落地的痛点。OpenAI 这次把 Evals 评测平台推向了全面可用，新增了四个关键能力。

现在开发者可以做链路跟踪打分，精准定位多步调用中哪一步掉了链子；系统还支持基于人工标注自动优化 Prompt，并破天荒地允许开发者在 OpenAI 平台上直接测试第三方模型。

对于需要极致性能的场景，OpenAI 把强化微调技术开放给了 o4-mini，GPT-5 则继续处于小范围测试中。这次微调 beta 允许开发者定制工具调用时机以及专用打分器，专门训练模型在复杂任务中知道何时调用哪个工具。

不过值得留意的是，OpenAI 后来在一份更新中提到，Agent Builder 和 Evals 将在 2026 年 11 月底停止服务。对于继续依靠代码的开发流，官方更建议直接使用底层 Agents SDK，而自然语言场景则建议转向 ChatGPT 中的 Workspace Agents。

为什么重要

我们认为，AgentKit 解决的核心问题不是「模型能不能做」，而是「团队愿不愿意承担上线的工程磨损」。

对于中小团队和初创公司来说，ChatKit 加上拖拽式编排能省掉好几个星期的全栈开发时间。一个产品经理和几个懂业务的同事，不需要在终端里配测试框架，就能把一套多 Agent 客服或销售助理捏出雏形并跑通打分，这在过去几乎不可想象。

对整个行业而言，OpenAI 正式把手伸进了 LangChain、LlamaIndex 等中间件公司的核心地盘。当底层模型厂商自己提供编排画布、连接器管理、前端组件和评测闭环时，第三方纯包装型工具的生存空间会被严重压缩。

但看起来，这种全面包办的做法在内部也存在路线博弈。OpenAI 后续决定关停可视化画布并回归纯代码 SDK，恰恰说明了一个隐患：可视化拖拽虽然能让演示在八分钟内惊艳全场，但在严肃的企业级工程里，真正的复杂逻辑最终还是要回到代码版本管理和底层控制中去。