OpenAI 推出 AgentKit：拖拽畫布搭智慧體，自帶評測與微調

過去一年裡，想要給業務搭一個真正能跑的 AI Agent，過程往往像在工地上撿磚頭。你得自己寫編排指令碼，自己拼各家介面，在終端裡調 Prompt，再花上幾個星期手搓一套聊天前端介面。

在 10 月 6 日的 DevDay 上，OpenAI 試圖把這些零碎的積木整合成一整套毛坯房。他們正式推出了全套開發工具包 AgentKit，核心目標很直接：讓開發者把 Agent 從原型推向生產環境的摩擦力降到最低。

這套工具並不額外收費，全部包含在現有的 API 基礎呼叫價格裡。

畫布拖拽，八分鐘搭兩個 Agent

AgentKit 最顯眼的部分是進入測試階段的 Agent Builder。Sam Altman 在臺上把它形容成「Agent 界的 Canva」，用拖拽節點的方式把多個 Agent 的協作邏輯串聯起來。

在釋出會現場，OpenAI 工程師 Christina Huang 登臺演示，在不到八分鐘裡搭起了一整套工作流，並配置了兩個協同運作的 Agent。

企業案例也搬出了具體數字。金融平臺 Ramp 表示，過去需要幾個月編寫自研程式碼和手動調優的採購 Agent，現在只花了幾個小時就完成了搭建，內部迭代週期縮短了 70%。日本網際網路公司 LY Corporation 也在不到兩小時內拼出了一個多 Agent 協作的工作助理。

除了畫布，這套工具包還包括開源的 Guardrails 安全防護層，支援 Python 和 JavaScript，用來攔截提示詞越獄或脫敏個人身份資訊。面向前端的 ChatKit 也在今天正式全面開放，開發者可以直接把支援打字流式輸出、顯示模型思考過程的聊天視窗嵌入自家產品。

在後端治理方面，OpenAI 推出了 Connector Registry。管理員可以在一個後臺統管 Dropbox、Google Drive、Sharepoint 以及各類第三方 MCP 工具連線，目前面向擁有全域性管理控制台的 ChatGPT 企業版及 Edu 使用者開放測試。

評測升級與推理微調

光搭出來不算完，怎麼證明 Agent 真的靠譜才是企業落地的痛點。OpenAI 這次把 Evals 評測平臺推向了全面可用，新增了四個關鍵能力。

現在開發者可以做鏈路跟蹤打分，精準定位多步呼叫中哪一步掉了鏈子；系統還支援基於人工標註自動最佳化 Prompt，並破天荒地允許開發者在 OpenAI 平臺上直接測試第三方模型。

對於需要極致效能的場景，OpenAI 把強化微調技術開放給了 o4-mini，GPT-5 則繼續處於小範圍測試中。這次微調 beta 允許開發者定製工具呼叫時機以及專用打分器，專門訓練模型在複雜任務中知道何時呼叫哪個工具。

不過值得留意的是，OpenAI 後來在一份更新中提到，Agent Builder 和 Evals 將在 2026 年 11 月底停止服務。對於繼續依靠程式碼的開發流，官方更建議直接使用底層 Agents SDK，而自然語言場景則建議轉向 ChatGPT 中的 Workspace Agents。

為什麼重要

我們認為，AgentKit 解決的核心問題不是「模型能不能做」，而是「團隊願不願意承擔上線的工程磨損」。

對於中小團隊和初創公司來說，ChatKit 加上拖拽式編排能省掉好幾個星期的全棧開發時間。一個產品經理和幾個懂業務的同事，不需要在終端裡配測試框架，就能把一套多 Agent 客服或銷售助理捏出雛形並跑通打分，這在過去幾乎不可想像。

對整個行業而言，OpenAI 正式把手伸進了 LangChain、LlamaIndex 等中介軟體公司的核心地盤。當底層模型廠商自己提供編排畫布、聯結器管理、前端元件和評測閉環時，第三方純包裝型工具的生存空間會被嚴重壓縮。

但看起來，這種全面包辦的做法在內部也存在路線博弈。OpenAI 後續決定關停視覺化畫布並回歸純程式碼 SDK，恰恰說明了一個隱患：視覺化拖拽雖然能讓演示在八分鐘內驚豔全場，但在嚴肅的企業級工程裡，真正的複雜邏輯最終還是要回到程式碼版本管理和底層控制中去。