ابزارهای جدید OpenAI برای ساخت مامورهای هوش مصنوعی

معرفی ابزارهای جدید OpenAI برای ساخت مامورهای هوش مصنوعی سفارشی

OpenAI اخیراً مجموعه‌ای از ابزارهای جدید را معرفی کرده است که برای توانمندسازی توسعه‌دهندگان در ایجاد مامورهای هوش مصنوعی (AI agents) پیچیده و آماده‌ی تولید طراحی شده‌اند. این ابزارها شامل Responses API، Agents SDK و ویژگی‌های مشاهده‌پذیری (observability) بهبودیافته هستند. این پیشرفت‌ها به چالش‌های حیاتی در توسعه‌ی مامورها، مانند هماهنگ‌سازی سفارشی و مدیریت تکرار پرامپت (prompt iteration) در وظایف پیچیده و چندمرحله‌ای، می‌پردازند.

ظهور مامورهای هوش مصنوعی در نیروی کار

OpenAI آینده‌ای را متصور است که در آن مامورهای هوش مصنوعی عمیقاً در نیروی کار ادغام شده‌اند و بهره‌وری را در صنایع مختلف به میزان قابل توجهی افزایش می‌دهند. انتظار می‌رود این مامورها با بهره‌گیری از قابلیت‌های پیشرفته‌ای مانند استدلال و تعاملات چندوجهی (multi-modal interactions)، وظایف پیچیده‌ای را انجام دهند. ابزارهای جدیدی که راه‌اندازی شده‌اند، به‌طور خاص برای ساده‌سازی توسعه‌ی گردش‌های کاری مبتنی بر مامور با استفاده از پلتفرم OpenAI طراحی شده‌اند.

معرفی Responses API

Responses API یک گام مهم رو به جلو است که قابلیت‌های تکمیل چت (chat completions) را با قابلیت‌های دستیار (assistant capabilities) ادغام می‌کند. OpenAI به توسعه‌دهندگان توصیه می‌کند که برای پروژه‌های جدید، این API را در اولویت قرار دهند.

مزایای کلیدی Responses API:

• انعطاف‌پذیری: این API یک پایه‌ی سازگارتر برای ساخت برنامه‌های کاربردی مبتنی بر مامور ارائه می‌دهد.
• مدیریت پیچیدگی: یک فراخوانی واحد Responses API به توسعه‌دهندگان امکان می‌دهد تا با استفاده از چندین ابزار و نوبت‌های مدل (model turns)، وظایف به‌طور فزاینده پیچیده‌ای را انجام دهند.
• پشتیبانی داخلی از ابزار: این API پشتیبانی بومی از ابزارهای خارجی، از جمله جستجوهای وب، دسترسی به فایل‌های محلی و کنترل کامپیوتر (با استفاده از ماوس و کیبورد) را فراهم می‌کند.
• بهبودهای مبتنی بر بازخورد توسعه‌دهندگان: بر اساس بازخورد مدل‌های قبلی، این API دارای طراحی یکپارچه، چندریختی (polymorphism) ساده‌شده، پخش جریانی (streaming) بهبودیافته و کمک‌کننده‌های (helpers) مختلف SDK است.

قابلیت‌های جستجوی وب

برای قابلیت جستجوی وب، Responses API از همان مدل‌هایی استفاده می‌کند که جستجوی ChatGPT، پیش‌نمایش جستجوی GPT-4o و پیش‌نمایش جستجوی کوچک GPT-4o را تقویت می‌کنند. این مدل‌ها دقت چشمگیری را در معیار SimpleQA نشان داده‌اند و به امتیازهای 90% و 88% دست یافته‌اند. این به‌طور قابل‌توجهی از مدل‌های GPT ‘plain-vanilla’ که معمولاً بین 15% تا 63% امتیاز می‌گیرند، بهتر عمل می‌کند.

محدودیت‌های کنترل کامپیوتر

در حالی که قابلیت‌های جستجوی وب قوی هستند، ابزار استفاده از کامپیوتر جای پیشرفت دارد. در حال حاضر امتیاز 38.1% را در معیار OSWorld کسب می‌کند، که نشان می‌دهد این مدل هنوز برای خودکارسازی وظایف در سیستم‌عامل‌ها بسیار قابل اعتماد نیست.

تکامل API: تغییر در تمرکز

اگرچه Chat Completions API و Assistants API در حال حاضر در دسترس خواهند بود، OpenAI متعهد به بهبود Chat Completions API با مدل‌ها و ویژگی‌های جدید است. با این حال، این شرکت اعلام کرده است که Assistants API سال آینده منسوخ خواهد شد، که نشان‌دهنده‌ی یک تغییر آشکار به سمت Responses API به عنوان ابزار اصلی برای توسعه‌ی مامور است.

Agents SDK: هماهنگ‌سازی گردش‌های کاری مامورمحور

در کنار Responses API، OpenAI، Agents SDK جدید را راه‌اندازی کرده است. این SDK برای تسهیل هماهنگ‌سازی گردش‌های کاری مامورمحور (agentic workflows) با ارائه‌ی ابزارهایی برای موارد زیر طراحی شده است:

• تعریف مامورهای متمایز: ایجاد مامورهای تخصصی برای وظایف خاص.
• مدیریت انتقال کنترل (Handoffs): انتقال یکپارچه‌ی کنترل بین مامورهای مختلف.
• پیاده‌سازی بررسی‌های ایمنی (Guardrails): تعریف بررسی‌های ورودی و خروجی برای جلوگیری از رفتار نامربوط، مضر یا نامطلوب.
• فعال کردن تعاملات انسان در حلقه (Human-in-the-Loop): در صورت لزوم، مداخله‌ی انسانی را در نظر بگیرید.

کاربردهای دنیای واقعی Agents SDK:

Agents SDK برای طیف گسترده‌ای از کاربردهای عملی، از جمله موارد زیر، مناسب است:

• خودکارسازی پشتیبانی مشتری
• تحقیقات چندمرحله‌ای
• تولید محتوا
• بازبینی کد
• چشم‌انداز فروش

سازگاری مدل و ابزار

Agents SDK از تمام مدل‌های فعلی OpenAI، از جمله o1، o3-mini، GPT-4.5، GPT-4o و GPT-4o-mini پشتیبانی می‌کند. همچنین به توسعه‌دهندگان اجازه می‌دهد تا مامورهای خود را با دانش خارجی و پایدار از طریق جاسازی‌ها (embeddings) و Knowledge API تقویت کنند. با بهره‌گیری از Responses API، Agents SDK از همان ابزارهای خارجی برای جستجوهای وب، دسترسی به فایل‌های محلی و کنترل کامپیوتر پشتیبانی می‌کند.

جایگزینی فریم‌ورک‌های قبلی

Agents SDK جایگزین نسخه‌های قبلی خود می‌شود و با هر API به سبک Chat Completions، از جمله Responses API و APIهای شخص ثالث، سازگار است.

واکنش‌های جامعه و ملاحظات استراتژیک

انتشار این ابزارهای جدید بحث‌هایی را در جامعه‌ی توسعه‌دهندگان برانگیخته است. برخی از اعضای جامعه‌ی Hacker News (HN) ابراز نگرانی کرده‌اند که حرکت OpenAI به دور از Chat Completions API ممکن است منجر به افزایش قفل شدن (lock-in) با پلتفرم آنها شود.

نگرانی‌ها در مورد قفل شدن:

برخی از توسعه‌دهندگان پیشنهاد می‌کنند که حذف تدریجی Assistant API اهمیت ایجاد هماهنگ‌سازی سفارشی را برجسته می‌کند. این رویکرد امکان انعطاف‌پذیری بیشتر و توانایی جایگزینی LLM زیربنایی را در صورت نیاز فراهم می‌کند.

رویکرد ‘خودت بساز’ (Roll Your Own):

چندین خواننده‌ی HN اشاره کردند که پذیرش Agents SDK یا سایر میان‌افزارهای مامورمحور می‌تواند اساساً به معنای برون‌سپاری منطق اصلی یک برنامه باشد. آنها استدلال می‌کنند که توسعه‌دهندگان ممکن است ترجیح دهند با ساختن راه‌حل‌های خود، کنترل بیشتری داشته باشند.

بررسی عمیق‌تر Responses API

Responses API چیزی بیش از ترکیبی از ویژگی‌های موجود است. این نشان‌دهنده‌ی یک تغییر اساسی در نحوه‌ی تعامل توسعه‌دهندگان با مدل‌های OpenAI است. این API طوری طراحی شده است که سنگ بنای توسعه‌ی مامورمحور باشد و سطحی از کنترل و انعطاف‌پذیری را ارائه دهد که قبلاً در دسترس نبود.

کنترل دقیق بر رفتار مدل

یکی از مزایای کلیدی Responses API، کنترل دقیقی است که بر رفتار مدل ارائه می‌دهد. توسعه‌دهندگان اکنون می‌توانند دستورالعمل‌ها و محدودیت‌های دقیقی را مشخص کنند و پاسخ‌های مدل را با دقت بیشتری هدایت کنند. این امر به‌ویژه برای وظایف پیچیده‌ای که به مراحل و تعاملات متعدد نیاز دارند، مهم است.

مهندسی پرامپت پیشرفته

Responses API مهندسی پرامپت (prompt engineering) پیچیده‌تری را تسهیل می‌کند. توسعه‌دهندگان می‌توانند پرامپت‌هایی را ایجاد کنند که چندین ابزار و منبع داده را در خود جای دهند و به مدل اجازه دهند پاسخ‌های آگاهانه‌تر و مرتبط‌تری با زمینه تولید کند. این امر امکان ایجاد مامورهایی را فراهم می‌کند که می‌توانند وظایف ظریف و پیچیده‌ای را انجام دهند.

گردش کار توسعه‌ی ساده‌شده

طراحی یکپارچه و قابلیت‌های پخش جریانی بهبودیافته‌ی Responses API به یک گردش کار توسعه‌ی ساده‌تر کمک می‌کند. توسعه‌دهندگان می‌توانند سریع‌تر روی پرامپت‌ها و طرح‌های مامور تکرار کنند، که منجر به چرخه‌های توسعه‌ی سریع‌تر و بهبود عملکرد مامور می‌شود.

کاوش دقیق Agents SDK

Agents SDK فقط مجموعه‌ای از ابزارها نیست. این یک فریم‌ورک برای ساخت و مدیریت گردش‌های کاری پیچیده‌ی مامورمحور است. این SDK یک رویکرد ساختاریافته برای توسعه‌ی مامور ارائه می‌دهد و ایجاد برنامه‌های کاربردی قوی و مقیاس‌پذیر را آسان‌تر می‌کند.

طراحی مامور ماژولار

این SDK یک رویکرد ماژولار را برای طراحی مامور تشویق می‌کند. توسعه‌دهندگان می‌توانند مامورهای تخصصی را برای وظایف خاص ایجاد کنند و سپس آنها را برای ایجاد سیستم‌های پیچیده‌تر ترکیب کنند. این ماژولار بودن، نگهداری و به‌روزرسانی مامورها را در طول زمان آسان‌تر می‌کند.

Handoffs: انتقال‌های یکپارچه

مکانیزم handoff یکی از ویژگی‌های مهم Agents SDK است. این امکان انتقال یکپارچه بین مامورهای مختلف را فراهم می‌کند و تضمین می‌کند که وظایف در هر مرحله توسط مناسب‌ترین مامور انجام می‌شوند. این برای ایجاد گردش‌های کاری که شامل مراحل و نقاط تصمیم‌گیری متعدد هستند، ضروری است.

Guardrails: تضمین ایمنی و ارتباط

ویژگی guardrails مکانیزمی برای اعمال محدودیت‌های ایمنی و ارتباط فراهم می‌کند. توسعه‌دهندگان می‌توانند قوانینی را تعریف کنند که از تولید خروجی مضر یا نامطلوب توسط مامور جلوگیری می‌کند. این امر به‌ویژه برای برنامه‌هایی که با کاربران تعامل دارند یا داده‌های حساس را مدیریت می‌کنند، مهم است.

Human-in-the-Loop: بهترینِ هر دو دنیا

توانایی گنجاندن تعاملات human-in-the-loop یک ویژگی قدرتمند Agents SDK است. این به توسعه‌دهندگان اجازه می‌دهد تا مامورهایی را ایجاد کنند که می‌توانند وظایف پیچیده را به‌طور مستقل انجام دهند، اما همچنین می‌توانند در صورت لزوم به مداخله‌ی انسانی واگذار شوند. این ترکیب اتوماسیون و نظارت انسانی برای بسیاری از کاربردهای دنیای واقعی بسیار مهم است.

آینده‌ی توسعه‌ی مامورمحور

ابزارهای جدید OpenAI نشان‌دهنده‌ی یک گام مهم رو به جلو در زمینه‌ی توسعه‌ی مامورمحور هستند. آنها به توسعه‌دهندگان قدرت و انعطاف‌پذیری لازم برای ایجاد مامورهای هوش مصنوعی پیچیده‌ای را می‌دهند که می‌توانند طیف گسترده‌ای از وظایف را انجام دهند. با ادامه‌ی تکامل این فناوری، می‌توان انتظار داشت که شاهد کاربردهای نوآورانه‌تری از مامورهای هوش مصنوعی در صنایع مختلف باشیم.

تغییر به سمت Responses API و Agents SDK نشان‌دهنده‌ی یک روند گسترده‌تر در صنعت هوش مصنوعی است: حرکت به سمت سیستم‌های هوش مصنوعی ماژولارتر، قابل تنظیم‌تر و قابل کنترل‌تر. این روند ناشی از نیاز به راه‌حل‌های هوش مصنوعی است که می‌توانند برای وظایف خاص طراحی شوند و در گردش‌های کاری پیچیده ادغام شوند.

تعهد OpenAI به ارائه‌ی ابزارهایی که توسعه‌دهندگان برای ساخت این سیستم‌ها نیاز دارند، نشانه‌ی مثبتی برای آینده‌ی هوش مصنوعی است. با پذیرش بیشتر این ابزارها توسط توسعه‌دهندگان و کشف قابلیت‌های آنها، می‌توان انتظار داشت که شاهد شتاب سریعی در توسعه و استقرار مامورهای هوش مصنوعی در بخش‌های مختلف باشیم. پتانسیل افزایش بهره‌وری، بهبود کارایی و راه‌حل‌های نوآورانه‌ی جدید بسیار زیاد است. این یک تحول است که پتانسیل تغییر شکل نحوه‌ی کار و تعامل ما با فناوری را دارد. تکامل مامورهای هوش مصنوعی فقط در مورد اتوماسیون نیست. بلکه در مورد تقویت قابلیت‌های انسانی و ایجاد امکانات جدید است.