メインコンテンツにスキップ
OpenAI

エージェントの全行程の構築を1つのプラットフォームで

製品および組織全体で、実用準備が整ったエージェントをより速く、より信頼性高くリリースしましょう。

青とオレンジのグラデーションの背景に配置された、シンプルなエージェントワークフローを示す図の一部フローは、3つのノード(緑の「スタート」ボタン、青の「エージェントのカテゴライズ」ステップ、次のアクションを示す黄褐色のブランチアイコン)に接続されています。

トップ組織がエージェントの構築に OpenAI を使用

「Agent Builder により、何か月も要してきたオーケストレーション、カスタムコード、手動最適化が数時間になり、半年ではなく、2回のスプリントでエージェントを本番環境に移行できるようなりました。」

Brice Challamel 氏

AI 製品・プラットフォーム責任者

70%

イテレーションサイクルの減少

40%

エージェント評価 スケジュールの迅速化

2週間

エージェントの構築時に短縮されたフロントエンド UI のカスタム作業

30%

評価によるエージェントの 正確性の向上

75%

エージェント型ワークフロー開発 における時間の節約

エージェント開発の完全なプラットフォーム

AgentKit では、エージェント型ワークフローの構築、UI のデプロイ、パフォーマンスの最適化を迅速かつ確実に実施するためのツールを提供しています。

AI システム開発のワークフローを示す3段階の図。最上部には、「構築」とラベルされ、次の4つのボックスが含まれています。モデル、ツール、プロンプト、ガードレール。中央部には「デプロイ」とラベルされ、「ユーザーインターフェース」というボックスが1つ含まれています。最下部には、「最適化」とラベルされ、最適化、オーケストレーション、オブザーバビリティという3つのボックスが点線矢印で連結され、オブザーバビリティから最適化にループして戻っています。

Agent Builder とエージェント SDK による構築

ビジュアル優先の canvas またはコード優先の環境でエージェントを設計できます。いずれも Responses API がベースになっています。

Agent Builder でのシンプルな自動構築を示すフロー図。シーケンスは緑の「スタート」ノードから始まり、次にオレンジの「顧客検索」コネクターが続きます。これは、青の「請求分析」ノードとグレーアウトの「過去の請求なし」ノードに分岐します。
ビジュアル優先
Agent Builder

ノードのドラッグアンドドロップ、バージョニング、ガードレールによりワークフローを視覚的に構築できます。テンプレートを使用することも、空白の canvas から始めることもできます。

エージェント SDK を使用したシンプルな Python 例を示す、グラデーションの背景に表示されたコードスニペット。スクリプトは Agent と Runner をインポートし、俳句でのみ応答するという指示が与えられた、「Assistant」という名前のエージェントを作成する非同期関数を定義しています。このエージェントを再帰的なプロンプトで実行し、最終的な出力を表示します。
コード優先
エージェント SDK

手動でのプロンプトとツールのセットアップよりも4倍速いタイプセーフなライブラリを使用して、Node、Python、または Go 言語でエージェントを構築できます。

タスクをよりスマートにする組み込みツール

当社のモデルは応答をより正確で有益にする関連性の高いコンテキストを取り込むツールを使用しています。

ウェブ検索

インターネットから、最新で引用が明確な回答にアクセスします。

ファイル検索

社内ファイルから関連性の高い情報を検索します。

画像生成

自然言語で画像を生成し、高い精度で繰り返します。

コード インタープリター

Python コードを高い精度で繰り返し実行します。

コンピューターの使用

人に代わってブラウザー関連のタスクを遂行する、コンピューターを使用するエージェントを構築します。

コネクターおよび MCP サーバー

人気のあるビジネスアプリや MCP サーバーに接続し、社内および外部のコンテキストをモデルに取り込みます。

ChatKit でのデプロイ

ドラッグアンドドロップでのカスタマイズが可能な、完全統合型チャット体験がリリースされました。

AgentKit を基盤とした Ramp のバイヤーエージェント

評価による最適化

新しいツールを使用すれば、より正確に効率よくエージェントをテストし改良することができます。

上昇傾向を示すアイコン

評価

[評価](https://platform.openai.com/docs/guides/evals?api-mode=responses) を実行し、[カスタムグレーダー](https://platform.openai.com/docs/guides/graders) を設定することで、特定のユースケースでエージェントが期待通りに性能を発揮するかを判断します。

Icon representing a tuning fork

プロンプトの最適化

評価の実行結果に基づいた、[プロンプトの自動最適化](https://platform.openai.com/docs/guides/prompt-optimizer) によりプロンプトを改善します。

Icon representing grading

採点のトレース

合格基準を一度設定したら、後は LLM グレーダーにワークフローの最後の100件の実行(または1,000件の実行)を評価させます。