2025是Agent的元年，上周Manus的爆火让大家真实体验了一把什么是Agent，同时也让Anthropic去年就提出的MCP协议再次爆火了一把。本周OpenAI也出了大招，开源了一系列Agent套件。观察下来，感觉这次发布会真正开源了一些可以实战应用的效率工具，同时也开放了两款搜索模型，今天我们详细讲讲这些更新具体为我们带来了哪些有价值的东西~
1、主要功能和受益场景
智能客服：这个应该是最大受益的场景了，距离真实业务场景也最近，知识库问答、呼唤客服、批量下单、取消订单等等可以提供一站式服务；
开源DeepResearch：基于搜索和规划的能力，我们可以快速实现类似openAI-DeepResearch的功能；
AIPC和AI手机：CUA工具(Computer Using Agent)借助playwright，可以快速让我们的电脑智能化。当然目前只看到电脑，手机的效果期待更多更新；CUA我们后面专门出一期来讲。
关键核心小工具：
个性化AI护栏：比如家长可以自定义设置禁止使用gpt帮助学生做数学题，来避免孩子偷懒?；
对话的自主路由：自动函数路由、切换会话、基础工具调用等等；
监控工具：目前没有openAI后台权限，这里只能从代码debugging大致观察一下；
2、核心特点
2.1 核心概念
1）原子概念
Agents(代理): 配置了指令、工具、Guardrails（护栏）和Handoffs（交接）的大型语言模型（LLMs），是多种功能的集合体。整体可以看做一个装备齐全且易于配置的LLM，具有清晰的指令和内置工具；
Handoffs(交接): 允许代理将控制权转移给其他代理以执行特定任务，用于智能体之间的智能控制转移；
Guardrails(护栏): 可配置的安全检查机制，用于输入和输出的验证；
Tracing(追踪): 内置的代理运行跟踪功能，允许查看、调试和优化工作流程，通过可视化智能体执行轨迹来调试和优化性能；
2）循环机制
当调用 `Runner.run()` 时，AgentSDK会运行一个循环，直到获得最终输出。
sdk使用代理(agent)上的模型和设置以及消息历史记录（message history）来调用 LLM（Large Language Model）。
LLM 返回一个响应，该响应可能包含工具调用（tool calls）；
如果响应包含最终输出（final output），会返回它并结束循环；
如果响应包含交接（handoff），将代理（agent）设置为新的代理，并回到步骤 1；
处理工具调用（如果有），并将工具响应消息（tool responses messages）附加到消息历史记录中，然后回到步骤 1；
通过 `max_turns` 参数，可以用来限制循环执行的次数；
2.2 核心特性
核心特性可以用一句话概括：一个全新API、三个内置工具，以及一个开源SDK。具体包括：
全新Responses API：将Chat Completions API简单性与Assistants API工具使用功能相结合，用于构建智能体
内置三大工具：网络搜索、文件搜索和计算机使用
全新Agents SDK：用于编排单智能体和多智能体工作流程
3、MCP对比
2024 年 11 月，Anthropic 发布了MCP协议，强调其目标是 打破信息孤岛，解决传统集成中因数据源多样性导致的扩展难题。
用通俗的话讲，MCP就像是专为AI应用设计的通用接口，类似我们日常使用的USB-C。正如USB-C简化了不同设备与计算机的连接方式，MCP简化了AI模型与数据、工具和服务之间的交互方式。通过MCP，AI助手不仅能够「读懂」代码，还能「理解」团队讨论、涉及文档等外部信息，提供更加精准的回答。
具体实现起来并没有那么复杂，形式上跟flask没有特别大的差异：
python的mcp-sdk提供了一个高阶的客户端界面用来连接MCP服务器，下面是一个具体的例子：
总体来看，MCP更多在于提出了一种交互标准，而AgentSDK则更多的给了Agent交互具体的实现，入门程度更低且更偏向于实际应用。如果ResponseAPI更早一点，感觉OWL和OpenManus可能会更优先选择后者了。
4、实际效果演示
4.1 接口的变化
从接口输入来看，与completion接口的主要差别是入参从messages替换成inputs参数，这样可以覆盖更多的属性，例如tools/function都可以作为参数传递进来。
4.2、完整调用链路
我们通过官方给的一个case调用来解析下一次请求具体做了哪些事情。
我们通过守住与openAI最终交互的入口处，来监控AgentSDK的具体动作：
${HomePython}/site-packages/openai/resources/responses/responses.py-1414行，使用pycharm加入一个断点：
1、调用调用栈
整体看起来更像是一个异步消息的分发处理机制，这个整体跟chatgpt出现之前的rasa框架很类似，多线程和协程搭配工作，然后对每一步失败后按照最大重试次数进行重试。
2、路由链路
通过triage_agent将问题路由到shopping_agent，发生一次handoff交接处理；
3、搜索链路
shopping_agent调用WebSearchTool联网查询问题；
这里的tools参数type=web_search_preview是一个调用联网模型的过程，搜索引擎直接返回结果目前没有直接透出。这里看起来是一个多步的操作，先调用搜索引擎，然后加工处理，最后透出输出结果。貌似没有看到openAI前台页面可以选择不同搜索引擎的参数。
4、后处理链路
shopping_agent处理返回结果保存成消息输出，下图为变量ouput的最终结果，包括前文介绍的统一结构的item，可以结合代码具体观察一下。
存在的一些问题：
在实际应用的时候，需要考虑到比较多的兜底路由情况，如果不能完整定义调用链路，那么很容易导致模型产生错误的路由。比如上面这个case中，我问的天气，但是最后路由到shop的agent下。如果客户的输入比较随意，可能会导致一些意料之外的事情，会出现比较尴尬的事情。
5、商用案例
开发者可以使用计算机使用工具，来自动化基于浏览器的工作流程，如执行网络应用程序的质量保证或在传统系统中执行数据录入任务。对于那些缺乏API和标准化数据的企业，就可以利用计算机使用工具自动化复杂的运营流程。
在最近与一家主要社区服务组织的试点项目中，Luminai仅用几天时间就实现了申请处理和用户注册流程的自动化——这是传统 RPA（机器人流程自动化）经过数月努力都难以实现的。
Coinbase使用Agents SDK快速开发并部署了 AgentKit，这是一个让AI智能体能够无缝连接加密钱包和各种区块链活动的工具包。Coinbase仅用几小时就将其开发者平台SDK的自定义操作集成到了一个功能完备的智能体中。AgentKit的精简架构简化了添加新智能体操作的流程，让开发者能够更专注于有价值的集成，而不是消耗在复杂的智能体配置上。
未来小编就准备把之前做过的RAG和查询、搜索类工具结合AgentSDK做一个无缝的集成，大大降低代码复杂度。