
OpenAI از عرضه عمومی نسخه بتا Agents API خبر داد؛ ابزاری که ساخت و اجرای ایجنتهای ابری را تنها با یک فراخوانی API ممکن میکند. این قابلیت میتواند توسعه ایجنتهای هوشمند را برای کسبوکارها و توسعهدهندگان سادهتر و سریعتر کند و زیرساخت و مدیریت را به طور کامل به OpenAI بسپارد.
خبر در یک نگاه
- OpenAI نسخه بتا عمومی Agents API را برای ساخت ایجنتهای ابری معرفی کرد.
- در نمونههای واقعی، مهاجرت به این API باعث کاهش ۶۰ درصدی هزینه هر پرونده و کاهش ۸۶ درصدی پاسخهای ناموفق شده است.
- این API مدیریت زیرساخت، هماهنگی سابایجنتها و استفاده از ابزارها را ساده و قابل اطمینان میکند.
چه اتفاقی افتاد؟
OpenAI امروز Agents API را در نسخه بتا عمومی عرضه کرد. این API به توسعهدهندگان اجازه میدهد تنها با یک فراخوانی، ایجنتهای ابری را با مشخصکردن مدل، ابزارها و محیط اجرا بسازند و اجرا کنند. زیرساخت و مدیریت ایجنتها به طور کامل توسط OpenAI انجام میشود.
Agents API بر پایه harness متنباز Codex ساخته شده و همان زیرساختی را که Codex و ChatGPT for Work را پشتیبانی میکند، در اختیار توسعهدهندگان قرار میدهد. این API امکان اجرای ایجنتها در محیطهای مختلف، از جمله sandboxهای مدیریتشده توسط OpenAI یا زیرساخت اختصاصی کاربر را فراهم میکند.
در نقلقولی از Bhavyansh Sabharwal، عضو تیم SafetyKit آمده است: «پس از مهاجرت به Agents API، شاهد کاهش ۶۰ درصدی هزینه هر پرونده، کاهش تأخیر و بهبود چشمگیر کارایی توکن بودیم.»
قابلیتهایی مانند مدیریت جلسات طولانی، استفاده بهینه از ابزارها، موازیسازی کار با سابایجنتها و فشردهسازی خودکار context از جمله ویژگیهای کلیدی این API هستند. توسعهدهندگان میتوانند با انتخاب محیط مناسب و ابزارهای موردنیاز، ایجنتهایی با کارایی بالا و قابلیت اطمینان بسازند.
اعداد کلیدی
- کاهش هزینه هر پرونده: ۶۰٪ | پس از مهاجرت به Agents API | SafetyKit
- کاهش پاسخهای ناموفق: ۸۶٪ | با جداسازی harness از sandbox | Hypha
عرضه Agents API نقطه عطفی برای توسعه ایجنتهای هوشمند در فضای ابری است. پیش از این، ساخت ایجنتهایی با قابلیت مدیریت جلسات طولانی، هماهنگی سابایجنتها و استفاده بهینه از ابزارها نیازمند توسعه زیرساخت اختصاصی و صرف زمان و هزینه زیاد بود. اکنون با Agents API، این پیچیدگیها به OpenAI سپرده میشود و توسعهدهندگان میتوانند تمرکز خود را بر منطق کسبوکار و ابزارهای اختصاصی بگذارند. کاهش چشمگیر هزینه و خطا در نمونههای واقعی، نشاندهنده پتانسیل بالای این API برای بهبود بهرهوری و کاهش ریسک در پروژههای هوش مصنوعی است. همچنین، انعطاف در انتخاب محیط اجرا و پشتیبانی از اکوسیستم گسترده، امکان استفاده در صنایع و کاربردهای متنوع را فراهم میکند.



