2025年，AI Agent 爆发之年。
AI Agent，国内有一个很“雅致”的名字：智能体。
关于 AI Agent，OpenAI 首席产品官（CPO）Kevin Weil 给出了这样的定义：能够自主执行任务的系统。
其实 agent 一词在英文中愿意为“代理”，AI Agent，即 AI 代理，意为能够代理你独立自主地执行任务的 AI。这样是不是更好理解了。
OpenAI 自2025年以来已经发布了两款基于 ChatGPT 的 AI Agent：
可以代替你操作浏览器，自主执行任务的 Operator：OpenAI正式发布Operator，一款能操作浏览器的AI，打响2025智能体大战第一枪！
可以帮助你做深入的研究，整合海量在线信息，生成专业研究报告的 Deep Research：OpenAI的第二个AI Agent：Deep Research完全解读！
遗憾的是，尽管 OpenAI 吹得再响，这两个 AI Agent 并没有在市场上激起特别大的浪花。
反而是来自我国的 Manus AI，火得破了圈。好不好用不知道，但火，那是真火。
OpenAI 急啊，恐怕是急的要跳脚，遂于北京时间3月12日凌晨，突然的、毫无预热的、不符合其风格的举行了一场直播发布会。
整场发布会时长19分钟，发布的内容总结起来就是“3 + 1 + 1”：三个工具（tools）；一个新 API（Responses API）；一个新 SDK（Agents SDK）。
1. Web Search Tool（联网搜索工具）
大语言模型本身是不能联网搜索的，只能依据其训练数据生成答案。但为什么有的 AI 产品，比如 DeepSeek，就支持联网搜索实时内容，然后回答？
因为联网搜索工具。
联网搜索工具，也就是这次发布的 Web Search Tool，能够提供给模型实时的互联网上的内容作为上下文/背景信息，从而使得模型的回答更加实时和准确。
OpenAI 的这个联网搜索工具由经过微调的 GPT-4o 或 GPT-4o mini 提供支持，和 ChatGPT 中的搜索功能是一样的。
这个工具对于构建需要实时、公开的外部数据支持的 AI Agent 很有用。不过，类似的替代品也有很多，比如谷歌搜索、Perplexity API 等等。
在 SimpleQA 基准测试中，GPT-4o + 联网搜索工具 达到了90% 的 SOTA（state-of-the-art）准确率。
2. File Search Tool（文件搜索工具）
严格来说，这不是一个新功能。OpenAI 早在去年就在 Assistants API 中推出了该功能，支持开发者上传、切分、嵌入文档，实现高效的 RAG（Retrieval-Augmented Generation，检索增强生成）。
想让一份非结构化文档，比如 PDF，变成 AI-ready 的数据，RAG 是绕不开的话题。
OpenAI 这一次是在之前的基础上增加了两个新功能：
元数据过滤（Metadata Filtering） ：更丰富的元数据，意味着更精准、高效的查询和筛选。
直接搜索端点（Direct Search Endpoint） ：有了它，开发者就可以直接在向量存储（Vector Store）中查询，而无需经过模型预处理。
3. Computer Use Tool（计算机操作工具）
高能预警，接下来出场的这位是重磅选手：Computer Use Tool。
如何让 AI 模型像真人一样操作你的电脑？
传统的方案是 API 接口调用。但这并不适用于大模型，因为太死板。
这里就要用到这个叫做“Computer Use”的工具。最早提出这个概念和工具的其实并不是 OpenAI，而是开发 Claude 的 Anthropic。
OpenAI 算是把这个概念给“发扬光大”了，直接把 Computer Use Tool 用到了前面提到的 Operator 这个 AI Agent 里。简单来说，这个工具就是借助了 GPT-4o 模型的视觉能力，让 AI 能够看懂电脑当前的页面内容，然后模拟真实用户进行鼠标和键盘操作，最终实现“操作电脑”的效果。OpenAI 把这个新模型称为 CUA（Computer-Using Agent）。
4. 全新的 Responses API
上面介绍的三个 AI Agent 工具很香，但如果想要同时调用它们怎么办？
OpenAI 原本的 Chat Completions API 肯定是无法满足这个需求的。
基于此，OpenAI 推出了全新的、更灵活易用的 Responses API。
Responses API 使用起来极其简单，支持多步操作，多个工具调用，并且支持多模态输入。
比如，Responses API 可以同时调用 RAG 和 联网搜索工具。
再比如，Responses API 可以直接调用 Computer Use Tool 在浏览器中自动完成商品购买流程。这是活脱脱复刻了一个小版的 Operator 啊。
5. 全新的 Agents SDK
Agents SDK，听起来高大上，但不是一个新东西。
Agents SDK 的原型是 OpenAI 去年10月发布并开源的（是的，你没有看错，是开源）一个多智能体工具：Swarm。详情看这里：OpenAI低调发布多智能体工具Swarm：让多个智能体协同工作！
Swarm 的主要用途是构建、管理和编排多个 AI Agents。此前 Swarm 一直处于实验性阶段，而现在 OpenAI 正式发布，并给它取了一个好听的名字：Agents SDK。
Agents SDK 让创建 Agent 变得更简单。同时支持多智能体编排（Agent Orchestration），允许不同 Agent 之间切换（Handoff）。
比如，可以从专门负责客户支持的 Agent 自动切换到专门负责退款的 Agent，以完成不同的任务。
同时，Agents SDK 配有一套 Tracing UI（监控界面），用于监测和调试 Agents 的功能。
