12,617 文字
OpenAIがライブストリームを終えたところです。彼らは新しいエージェント機能、特にAPI経由の機能をたくさん発表しました。一緒に見ながら私の考えをお伝えします。
私たちは開発者が信頼性の高い便利なエージェントを簡単に構築できるようにする多くの新しいツールをリリースすることを嬉しく思います。エージェントと言う時、私たちはあなたに代わってタスクを独立して実行できるシステムを意味しています。
この定義が気に入りました。つまり、「独立して行動し、あなたに代わってタスクを達成できるシステム」ということです。これはエージェントを説明するとても良い方法だと思います。通常は自律的に物事を行え、ツールを持ち、記憶があり、もちろん中核となるモデルを中心に構築されているといった要素が含まれますが、この定義も本当に気に入りました。
最初のツールは「オペレーター」で、ウェブを閲覧し、ウェブ上であなたに代わって操作することができます。二つ目は「Deep Research」で、どんなトピックについても詳細なレポートを作成することができます。ちなみに、オペレーターはかろうじて使える程度で、まあまあですが、多くの場合うまく機能しません。一方、Deep Researchは素晴らしいツールで、私はいつも使っています。私にとって非常に価値があり、日常的に使用している実際のユースケースがたくさんあります。
これらのフィードバックは素晴らしいものでしたが、私たちはこれらのツールとさらに多くのツールをAPIを通して開発者に提供したいと考えています。私たちは過去数ヶ月間、世界中の開発者に会いに行き、エージェントを簡単に構築する方法について話し合ってきました。そして私たちが聞いたのは、モデルは準備ができているということです。高度な推論能力やマルチモーダルな理解力により、私たちのモデルは現在、エージェントに必要な複雑な多段階のワークフローを実行できるようになっています。
そうですね、これはこのビデオで強調されていない重要なポイントかもしれません。モデルは準備ができているのです。Manisを見てください。ManisはおそらくClaudeをベースにした素晴らしいプロジェクトですが、これらのモデルの中核となる知性は十分に優れており、今必要なのはモデルの周りのインフラを構築することです。ツールの使用やmCPサーバー、ローカル環境など、実際にコードを書いて実行し、テストしてディレクトリを作成できるようにするためのものです。これもManisが非常に上手に行っていることです。つまり、中核となるモデルの周りのアーキテクチャこそが今構築する必要があるものなのです。
一方で、開発者たちは異なるソースからさまざまな低レベルのAPIをつなぎ合わせなければならないと感じています。それは難しく、遅く、脆いことが多いです。そこで今日、私たちはそれらをまとめて一連のツールと新しいAPIとオープンソースのSDKとして提供し、これをより簡単にすることを嬉しく思います。それでは、チームを紹介します。
こんにちは、私はイーランです。開発者エクスペリエンスチームのエンジニアです。私はスティーブです。APIチームのエンジニアです。私はニックです。API製品チームで働いています。
今日私たちがローンチするすべてのものについて詳しく見ていきましょう。ケビンが言及したように、私たちには3つの新しい組み込みツール、新しいAPI、そしてオープンソースのSDKがあります。まず組み込みツールから始めましょう。今日発表する最初のツールはウェブ検索ツールと呼ばれるものです。ウェブ検索ツールにより、私たちのモデルはインターネットから情報にアクセスできるため、あなたが得る応答と出力は最新かつ事実に基づいたものになります。
そうですね、これはどんなAIシステムにも必要な最も基本的なツールです。ウェブを検索する能力を持つことで、静的で完全に時間が凍結された情報源から、実際にリアルタイム情報を持ち、学習し、改善できるようになるからです。そしてこれらすべてにはウェブを検索する能力が必要です。
ウェブ検索ツールはChatGPT検索と同じツールであり、内部で微調整されたモデルによって動作しています。これはウェブから取得された大量のデータを見て、関連する情報を見つけ、その応答で明確に引用することが非常に得意なGPT-4oまたは4o miniの微調整されたモデルです。このタイプのことを測定するベンチマーク、Simple QAと呼ばれるものでは、GPT-4が使われています。
これは非常に興味深いです。ウェブ検索ツールに特別に微調整されたモデルが使われていることを知りませんでした。ここを見てください。これはSimple QA、つまり単純な質問と回答の精度を表しています。最先端のモデルであるGPT-4.5、GPT-4o、01、03 miniでもあまり良いスコアを出していませんが、検索機能を追加すると、これらのモデルははるかに良くなります。Boroは最先端のスコアである90%のENTを達成しています。
それが最初のツールです。スティーブ、二つ目のツールについて教えてくれますか？
二つ目のツールは私のお気に入りのツールで、ファイル検索ツールです。私たちは昨年、Assistants APIでファイル検索ツールをリリースしました。これは開発者がドキュメントをアップロード、チャンク化、埋め込みし、それらのドキュメントに対して非常に簡単にRAGを実行するための方法です。今日、私たちはファイル検索ツールに2つの新機能をリリースすることを嬉しく思います。
一つ目はメタデータフィルタリングです。メタデータフィルタリングを使用すると、ファイルに属性を追加して、クエリに最も関連するものだけに簡単にフィルタリングすることができます。二つ目は直接検索エンドポイントです。これで、クエリがモデルによってフィルタリングされることなく、ベクトルストアを直接検索できるようになりました。
素晴らしいですね。パブリックデータ用のウェブ検索と、プライベートデータ用のファイル検索があります。両方とも非常に便利なツールです。そして今、メタデータを持つことができるようになりました。例えば、ファイルやディレクトリにタグを付けて、より簡単に検索できるようになったのだと思います。
エージェントSDKの発表パートナーの一つはBoxでした。これは今日のビデオのスポンサーでもあります。彼らはエージェントSDKを使用して、エンタープライズがBoxに保存された非構造化データを検索し、クエリを実行し、インサイトを抽出できるようにする素晴らしいことをしています。もう少し詳しくお話しします。
Boxからの「Box AI」を紹介します。すべてのビジネスは膨大な量の非構造化データの上に成り立っていますが、そのデータの真の可能性はまだほとんど活用されていません。問題は、これらすべての非構造化データを分析することが非常に難しいということです。今までは。ここでBox AIの出番です。
Box AIを使用すると、開発者や企業は最新のAIのブレークスルーを活用して、ドキュメント処理ワークフローを自動化し、コンテンツからインサイトを抽出し、そのコンテンツに対するカスタムAIエージェントを構築するなど、さらに多くのことができます。Box AIはすべての主要モデルプロバイダーと連携するため、常に最新のAIをコンテンツに使用していることを確信できます。
契約書、請求書、財務文書、履歴書などからキーとなるメタデータフィールドを抽出してワークフローを自動化するために使用できます。また、セールスプレゼンテーションや長いリサーチレポートなど、Boxエコシステム内にあるコンテンツについて質問することもできます。開発者の場合は、Box AIのAPIを活用して、独自のコンテンツの上に本当にクールな自動化やアプリケーションを構築できます。Box AIは、あなたのためにRAGパイプライン全体を処理します。これらすべてを行いながら、115,000以上の企業が信頼する最高レベルのセキュリティ、コンプライアンス、データガバナンスを維持します。Boxによるインテリジェントなコンテンツ管理でコンテンツのパワーを解き放ちましょう。
Boxに再度感謝します。ビデオに戻りましょう。
そして私たちがリリースする3つ目のツールはコンピューター使用ツールです。コンピューター使用ツールはAPIにおけるオペレーターですが、操作しているコンピューターを制御することができます。これは仮想マシンかもしれませんし、グラフィカルユーザーインターフェースを持つレガシーアプリケーションで、APIアクセスがないものかもしれません。そのようなタスクを自動化し、その上にアプリケーションを構築したい場合は、コンピューター使用モデルを備えたコンピューター使用ツールを使用できます。
本当にクールですね。コンピューター使用は便利で、またManisについて考えさせられます。明らかに、私はManisをテストし尽くしたところなので、それについて多く考えています。ここで見ているのは、これらすべての異なるものを一つにまとめたフレームワークやAPIで、基本的にこれらすべてを自分で構築することができます。
つまり、コンピューターを制御する能力が与えられます。おそらくセッションごとに新しい環境を立ち上げたいと思うでしょう。これはManisが行うことと非常に似ています。そして、あなたのタスクに関する最新の情報をウェブで検索し、それらすべての情報をローカルに保存し、メモを書いたりコードを書いたりして、それらすべてをローカルコンピューターやコンテナ化された環境、何であれ、ファイルに保存することができます。
これはChatGPTのオペレーターが使用しているのと同じモデルです。OS World、WebARA、Web Voyagerに関するSODAベンチマークがあります。Kuaモデルとツールに関する初期ユーザーからのフィードバックは非常に非常にポジティブなものでした。皆さんがこれを使って何を構築するか、とても楽しみにしています。
さて、それが3つのツールです。そして、これらのツールを構築し、提供することを考えている間、私たちはこれらのツールに最適なAPIを設計するために基本原則からのアプローチを取りたいと考えました。
私たちは2023年3月にGPT-3.5 Turboと一緒にチャット補完をリリースしました。そして当時のすべてのAPI相互作用は、テキストを入力してテキストを出力するだけのものでした。それ以来、私たちはマルチモダリティを導入しました。画像、音声があり、今日はツールを導入しています。また、01 Pro、Deep Research、オペレーターなどの製品があり、これらは舞台裏で複数のモデルターンと複数のツール呼び出しを行います。
そこで私たちは、複数のターン、ツールをサポートするのに十分に柔軟なAPI基本要素を構築したいと考えました。そして、この新しいAPIをレスポンスAPIと呼んでいます。レスポンスAPIをお見せするために、スティーブにバトンを渡します。
では、レスポンスAPIを見てみましょう。チャット補完を使用したことがある方には、これは非常に馴染みのあるものに見えるでしょう。補完エンドポイントは現在、ウェブ上のAIの標準です。APIを通じて使用しているどのモデルも、おそらくOpenAIの標準を使用しており、それが補完エンドポイント標準です。コンテキストを選択し、モデルを選んで、応答を得ます。とてもシンプルで分かりやすいです。そして常に面白いです。たぶん面白くないかもしれませんが、分かりません。
レスポンスAPIのパワーを示すために、一種のパーソナルスタイリストアシスタントを構築します。まずはいくつかの指示を与えることから始めましょう。あなたはパーソナルスタイリストです…今、約5万人の前で入力しているだけですから、心配しないでくださいね…
これを消して、「最新のトレンドは何ですか」と言いましょう。補完エンドポイントで行うこととは何も変わりません。唯一の違いは、ここでレスポンスを使用していることが分かります。しかし、彼らはそれを拡張する予定です。見てみましょう。
ジョークをコンテキストに入れましょう…何と言っているか見てみましょう。良いですね、素晴らしい。しかし、ユーザーが何を好むかを理解していなければ、完全なパーソナルスタイリストアシスタントとは言えません。
これを示すために、チーム内の人々が着ていたものについての日記のようなエントリーを持つベクトルストアを作成しました。全く奇妙なことではありません。オフィス内で人々の周りを歩き回り、彼らが何をしていたのかを理解しています。はい、チームがいます。
では、ファイル検索ツールを追加してみましょう。これが新しいものです。レスポンスAPIコールに直接ツールを挿入することができます。ここでは、type file Search toolとVector store IDsを使用しています。ここでは、使用したいベクトルを具体的に指定することができます。そして彼らはfilを持っています。これはメタデータフィルタだと思います。
私のベクトルストアIDをコピーします。そうですね。ここで実際にこのベクトルストア内のファイルを、スタイルを決めたい人に関連するものだけにフィルタリングすることができます。この場合、イーランから始めましょう。彼のユーザー名でフィルタリングします。
これが先ほど言及していたメタデータフィルタです。ここに戻ってリフレッシュし、「イーランが着るのが好きなものを簡単に要約してくれますか」と言いましょう。私はよくChatGPTにこの質問をしますが、それは決して知りません。しかし今、それは実際にあなたに伝えることができます。
すごいですね。アロンはマイアミシックと特徴づけられる明確で一貫したスタイルを持っています。素晴らしいです。そしてファイル検索呼び出しを見ることができます。「イーランは何を着るのが好きですか」という質問に対して、「イーランの衣類の好み、スタイルの要約、ファッションの選択」という回答が得られました。ツールはインライン表示されています。
ファイル検索ツールはあなたのアプリケーションにユーザーに関する情報をもたらす素晴らしい方法ですが、このパーソナルスタイリストのために本当に良いアプリケーションを作るためには、ウェブから新鮮なデータをもたらしたいと思います。そうすることで、最新の情報と、ユーザーに本当に関連する情報の両方を持つことができます。
これを示すために、ウェブ検索ツールを追加します。あなたのユーザーがどこにいるかについてのデータも追加できます。他の誰かで試してみましょう。ケビン、近々旅行に行きますか？東京へ行くとしましょう。ここに東京を入れて、ケビンに切り替えます。
レスポンスAPIは本当にクールです。それは一度に複数のことを行うことができます。ファイル検索ツールを呼び出し、ウェブ検索ツールを呼び出し、1つのAPI応答で最終的な答えを提供することができます。何が欲しいのかを正確に伝えるために、いくつかの指示を与えましょう。コードをうまく書けるといいのですが。
「あなたはエンジニアですね」「ええ、訓練中です」
私たちが望むのは、モデルが製品を推奨するように求められた時、ファイル検索ツールを使用してケビンが何を好むかを理解し、次にウェブ検索ツールを使用して、彼が興味を持ちそうなものを購入できる近くの店舗を見つけることです。
これはかなりクールです。ツールを定義し、興味深いことにGPT-4oを使用していることに変わりはありません。そして指示の中で、APIにツールをどのように使ってほしいかを明示的に示しています。ユーザーの好みを得るためにファイル検索ツールを使用し、次にユーザーの近くの店舗を見つけるためにウェブ検索ツールを使用します。
この情報はすべておそらくファイル検索ツールに保存されています。ケビン・ワイルド（KW）に関する情報があることがわかります。視聴を続けましょう。
戻って「私が好きそうなジャケットを近くで見つけてください」と言いましょう。モデルがすることは、ケビンがどのような服を着るのが好きかを理解するためにファイル検索ツールを呼び出し、次にウェブ検索ツールを呼び出して、彼がいる場所に基づいてケビンが好きそうなものを見つけることです。
モデルは1つのAPIコール内で、ケビンのために東京にたくさんのパタゴニアの店舗を見つけることができました。これは実際にケビンの好みに対応しています。彼はオフィスでたくさんのパタゴニアを着ています。
しかし、パーソナルスタイリストアシスタントとして完全なものは、あなたに代わって実際に購入もできるべきです。そのために、コンピューター使用ツールをデモンストレーションしましょう。これを追加します。コンピューター使用プレビューモデルとコンピューター使用プレビューツールを使用しています。
これはかなりクールです。表示高さと表示幅を指定する必要があります。もちろん、クリックするつもりならば、その環境の境界を知る必要があるからです。しかし、はい、今APIを通じてコンピューター使用ができます。
「友人のケビンに新しいパタゴニアのジャケットを見つけてください。好きな色は何ですか、ケビン？」「黒にしましょう。黒いパタゴニアのジャケットがたくさんあっても困りません。」
モデルはスクリーンショットを要求します。このコンピューターでローカルに実行しているDockerコンテナがあり、そのスクリーンショットをモデルに送信します。モデルはコンピューターの状態を見て、別のアクション、クリックを発行します。
これは本当にクールです。オペレーティングシステムに依存しないと思います。ブラウザにも依存しないはずです。表示高さと幅を提供する限り、それは機能するはずです。なぜなら、その上に座標をオーバーレイして、カーソルが実際にどこに行く必要があるかを推測することができるからです。ドラッグ、移動、入力、そしてそのアクションを実行し、別のスクリーンショットを取ってモデルに送り返します。そしてモデルはタスクが完了したと感じるまでこの方法で続け、最終的な答えを返します。
これが進行中ですが、ヌンに戻しましょう。
素晴らしいですね。これらは本当にクールなツールであり、エージェントを構築するための非常に柔軟なAPIです。素晴らしい構築ブロックがあります。しかし、より複雑なアプリケーションを構築した方々、例えばカスタマーサポートエージェントを構築している場合、それは単にパーソナルスタイリストのような1つのエージェントを持つことだけではありません。
返金を行うエージェントアプリケーション、カスタマーサポートのFAQクエリに答える別のもの、注文と請求を扱う別のものなどがあります。そして、これらのアプリケーションを簡単に構築するために、昨年「swarm」と呼ばれるSDKをリリースしました。swarmはエージェントのオーケストレーションを簡単にするためのものでした。これは実験的で教育的なものであるはずでしたが、多くの方々がそれを本番環境に持っていきました。
あなたたちは私たちを強制しているようなものです。そこで、swarmを取り上げて本番環境に対応させ、多くの新機能を追加し、「エージェントSDK」としてリブランディングすることにしました。
実は私はswarmを使用したことはありませんでした。多くの人がそれを試していることは知っていましたが、実際には使っていなかったので、これは私にとって新しいことです。イーランはswarmを構築し、構築を手伝いました。それがどのように機能するかをより詳しく彼に説明してもらいましょう。
ありがとう、ヌン。はい、OpenAIでの私の時間の中で、企業やビルダーと一緒にエージェント体験を構築するのを手伝ってきました。そして、シンプルなアイデアが実際に実装しようとすると複雑さが増すということを直接見てきました。
エージェントSDKのアイデアは、シンプルなアイデアを実装するのを簡単に保ちながら、より複雑で堅牢なアイデアを構築することも、まだかなり簡単で分かりやすい方法で行えるようにすることです。
スティーブがデモで示したものを、エージェントSDKを使用して実装したものを見てみましょう。最初は非常に似ています。ここにエージェントが定義されており、いくつかの指示があり、以前に持っていた両方のツール、ファイル検索ツールとウェブ検索ツールもあります。
「これはレスポンスを内部で使用していますか？」「はい、デフォルトではレスポンスAPIを使用していますが、実際には複数のベンダーをサポートしています。チャット補完の形に合うものなら何でもエージェントSDKで動作します。」「素晴らしいですね。」
練習の実行中に、実際に多くのパタゴニアを誤って注文してしまいました。申し訳ありません。問題は何でしょう？私たちはあなたを助けているのです。いくつかを返品したいのですが、それをするために、普通なら返品ツールを追加してこのプロンプトにもっと追加して動作させることができます。
しかし、問題はビジネスロジックをすべて混ぜてしまうことで、それによってエージェントのテストが少し難しくなることです。これが複数のエージェントのパワーで、実際に関心事を分離し、別々に開発してテストすることができます。
そのためには、具体的に返品を扱うエージェントを導入しましょう。私のものをロードします。素晴らしい。以前のエージェントがまだありますが、ここに新しいカスタマーサポートエージェントもあることがわかります。それに使うためのいくつかのツールを定義しました。過去の注文を取得し、返金リクエストを送信します。
これらは通常のPython関数であることに気づくかもしれません。これは実際にswarmで人々が本当に好きだった機能で、エージェントSDKに引き継がれたものです。Pythonの関数を取り、型推論を見たり型シグネチャを見たりして、モデルがそれらの関数呼び出しを実行するために必要なJsonスキーマを自動的に生成します。そしてそれらが実行された後、実際にコードを実行し、結果を返します。これらの関数をそのまま定義することができます。
今、私たちには2つのエージェントがあります。スタイリストエージェントとカスタマーサポート返金エージェントです。ユーザーとして両方と対話するにはどうすればよいでしょうか？ここでハンドオフの概念が登場します。
ハンドオフは実際にはかなりシンプルなアイデアですが、非常に強力です。あるエージェントが対応している会話があり、それを別のエージェントに引き継ぐ時、会話全体は同じままですが、舞台裏では指示とツールを入れ替えるだけです。これにより、会話を振り分け、会話の各部分に正しいコンテキストをロードする方法が提供されます。
これも非常に馴染みのある感じがします。複数のエージェントを定義し、各エージェントに専門的に行えることの説明、ツールなどを持たせることができます。そして一種のマネージャーエージェント、ディスパッチエージェント、彼らはそれをトリアージエージェントと呼んでいますが、それによってそのエージェントが他のエージェント間を調整することができます。
私たちがここで行ったことは、スタイリストエージェントまたはカスタマーサポートエージェントに引き渡すことができるこのトリアージエージェントを作成したことです。言葉ではなく、実際に動作する様子を見てみましょう。
保存して、「パタゴニアをひとつ多く注文してしまったかもしれません。返品を手伝ってもらえますか？」「理解できません。後でひとつ取ってきますよ。すみません。」
ここで何が起こったかというと、トリアージエージェントから始まり、カスタマーサポートエージェントに転送されました。これは単なる関数呼び出しで、すぐにお見せします。そしてカスタマーサポートエージェントは積極的に過去の注文関数を呼び出し、ケビンのすべてのパタゴニアを見ることができます。大丈夫でしょう。
舞台裏で何が起こったかを実際に見るために、通常は手作業でデバッグステートメントを追加する必要があるかもしれませんが、エージェントSDKがすぐに提供するものの一つがモニタリングとトレーシングです。実際に何が起こったかを見るために、プラットフォーム上のトレーシングUIに移動します。
これらは以前の実行のいくつかです。ページを更新しています。最後のものが見えます。この最後のものでは、何が起こったかを正確に見ることができます。トリアージエージェントから始まり、リクエストを送信し、ハンドオフを行い、そしてカスタマーサポートエージェントに切り替えました。
このUIは非常にクリーンで気に入っています。何が起こっているかを見るのがとても簡単です。もし、OpenAIエージェントSDKだけでなく、Crewなどの他のプラットフォームでもエージェントをトレースできる同様の機能が欲しい場合は、Agent Opsの友人をチェックしてください。彼らは素晴らしいです。このビデオのスポンサーではありませんが。視聴を続けましょう。
元の入力が何だったかを見ることができ、ハンドオフはこのダッシュボードでファーストクラスのオブジェクトなので、どのエージェントに実際に引き継いだかだけでなく、オプションとしてあったがそうしなかったものも見ることができます。これは後でデバッグするために非常に便利な機能です。
カスタマーサポートエージェントにいると、過去の注文機能の呼び出しが表示され、入力パラメータもあります。ここでは何もありませんでした。そして出力は再び、ケビンの非常に単調な履歴です。そして最後に、応答を取得する終わりに到達します。
これらはエージェントSDKで最初から利用できる機能の一部です。他にもいくつかあります。有効にできる組み込みのガードレールもあり、ライフサイクルイベントもあります。そして重要なことに、これはオープンソースのフレームワークなので、私たちはこれを継続的に構築していきます。
すぐに、あるいは今すぐインストールすることができます。「pip install openai-agents」を実行するだけです。JavaScriptのものもすぐに用意します。しかし、これを締めくくるために…
非常にクールなオープンソースですね。OpenAIにこれをオープンソース化してくれたことに感謝します。実際に返金を行いましょう。「申し訳ありません、ケビン、すべて処理します。」「何を着ればいいのですか、ケビンは寒くなりますよ。」見てみましょう。
オープンソースであるため、実際にはOpenAIモデルを使用する必要がないと思います。これは本当に素晴らしいことです。私は複数のモデルを使用するのが好きで、あるモデルは他のものより特定のことに優れています。完全なOpenAIプロジェクトであるため、おそらくOpenAIモデルで最もよく機能するでしょうが、それは自分でテストする必要があるでしょう。
たくさんのものがそこにあります。たくさんのパタゴニアを返品するのに時間がかかりますね。舞台裏では何が起こっているのでしょうか。どうやってデバッグするのですか、何が起こっているのかをもっと理解するにはどうすればいいですか？
はい、トレーシングUIで確認できます。これはこのような体験を構築するための非常に素晴らしい方法です。ジョエル、あなたに戻します。
皆さんがこれらのツールすべてにアクセスできることをとても嬉しく思います。そして締めくくる前に、さらに2つのポイントを追加したいと思います。
まず、レスポンスAPIを導入しましたが、チャット補完APIはなくなりません。新しいモデルと機能でそれをサポートし続けます。組み込みツールの使用を必要とする特定の機能があり、将来リリースする特定のモデルやエージェント製品があり、それらはレスポンスAPIでのみ利用可能になります。
レスポンスAPIの機能はチャット補完がサポートするものの上位集合なので、移行を決めた時はかなり簡単な移行になるはずです。レスポンスAPIの開発者体験を気に入っていただければと思います。私たちはそれについて多くの考えを巡らせました。
2つ目のポイントはAssistants APIに関するものです。私たちはすべてのベータユーザーから得た素晴らしいフィードバックに基づいてAssistants APIを構築しました。Assistants APIフェーズ中のすべての学びなしには、今ここにいることはなかったでしょう。
Assistants APIができるすべてをサポートできるように、レスポンスAPIにさらに多くの機能を追加します。そしてそれが起こったら、Assistantsからレスポンスに機能やデータを失うことなく、アプリケーションを簡単に移行できるようにするための移行ガイドを共有します。
ものを移行するのに十分な時間を与え、それが完了したら、2026年のどこかでAssistants APIの提供を終了する予定です。これについての詳細は別途共有しますが、以上が私からのことです。締めくくりのためにケビンにバトンを渡します。
素晴らしいですね。レスポンスAPIと、RAGとファイル検索からウェブ検索、Kua、そしてオペレーターコンピューター使用APIまで、様々な異なるツールをまとめる強力な単一のAPIというアイデアを発表できることをとても嬉しく思います。
私たちは引き続き強力な新しいモデルを構築し、より優れたエージェントを構築するのに役立つより強力なツールをもたらすことを約束できます。2025年はエージェントの年になるでしょう。ChatGPTと開発者ツールが質問に答えるだけでなく、実際に現実世界であなたのために何かを行う年になります。
私たちはそれについてとても興奮しています。これは始まったばかりです。皆さんもそうだと思います。皆さんが何を構築するか楽しみにしています。
以上です。2025年は間違いなくエージェントの年になります。特に今週は、ManisとOpenAIレスポンスAPIエンドポイント、そしてこれからもっとたくさんのものが登場する間です。この動画を楽しんでいただけたなら、ぜひ「いいね」を押して、購読してください。次の動画でお会いしましょう。
コメント