21. toukokuuta 2025

Responses API:n uusia työkaluja ja ominaisuuksia

Esittelyssä kehittäjille ja yrityksille mallikontekstiprotokollan (MCP)<b> </b>palvelintuki, kuvien luonti, koodintulkitsin ja paljon muuta Responses API:ssa.

Ladataan...

Tänään lisäämme uusia sisäänrakennettuja työkaluja Responses API:in, joka on agenttisovellusten rakentamiseen tarkoitettu keskeinen API-alkeistiedosto. Se sisältää tuen kaikille etäkäyttöisille Model Context Protocol (MCP) -palvelimille⁠(avautuu uudessa ikkunassa) sekä työkaluja, kuten kuvien luonnin⁠(avautuu uudessa ikkunassa) ja kooditulkitsimen⁠(avautuu uudessa ikkunassa) sekä parannuksia tiedostohakuun⁠(avautuu uudessa ikkunassa). Nämä työkalut ovat saatavilla GPT‑4o‑ ja GPT‑4.1‑sarjoissamme sekä OpenAI o-sarjan päättelymalleissamme. o3 ja o4-mini voivat nyt kutsua työkaluja ja funktioita suoraan ajatusketjussaan Responses API:ssa, mikä tuottaa kontekstuaalisesti rikkaampia ja osuvampia vastauksia. o3:n ja o4-mini:n käyttö Responses API:n kanssa säilyttää päättelytunnisteet pyyntöjen ja työkalukutsujen välillä, mikä parantaa mallien älykkyyttä ja vähentää kustannuksia ja viivettä kehittäjille.

Esittelemme myös Responses API:in uusia ominaisuuksia, jotka parantavat luotettavuutta, näkyvyyttä ja tietosuojaa yrityksille ja kehittäjille. Niitä ovat taustatila⁠(avautuu uudessa ikkunassa) pitkään jatkuvien tehtävien käsittelemiseksi asynkronisesti ja luotettavammin, tuki päättelyjen yhteenvedoille⁠(avautuu uudessa ikkunassa) ja tuki salatuille päättelynimikkeille⁠(avautuu uudessa ikkunassa).

Sen jälkeen, kun Responses API julkaistiin maaliskuussa 2025 työkaluineen, kuten verkkohaku, tiedostohaku ja tietokoneen käyttö, sadattuhannet kehittäjät ovat käyttäneet API:a käsitelläkseen biljoonia tunnisteita eri malleissamme. Asiakkaat ovat käyttäneet API:a useiden agenttisovellusten rakentamiseen, mukaan lukien Zencoder⁠(avautuu uudessa ikkunassa)-koodausagentin, Revi⁠(avautuu uudessa ikkunassa)-markkinatietoagentin pääomasijoitus- ja investointipankkitoiminnalle sekä MagicSchool AI:n⁠(avautuu uudessa ikkunassa) koulutusavustimen, jotka kaikki käyttävät verkkohakua hakeakseen olennaista ja ajantasaista tietoa sovellukseensa. Tänään julkaistujen uusien työkalujen ja ominaisuuksien avulla kehittäjät voivat nyt rakentaa entistä hyödyllisempiä ja luotettavampia agentteja.

Uusi tuki etäkäyttöisille Model Context Protocol (MCP) -palvelimille

Lisäämme vastausten API:in tuen etäkäyttöisille MCP-palvelimille⁠(avautuu uudessa ikkunassa) Agents SDK:n MCP-tuen⁠(avautuu uudessa ikkunassa) julkaisun pohjalta. MCP on avoin protokolla, joka standardoi, miten sovellukset tarjoavat kontekstia laajoille kielimalleille (LLM). Tukemalla MCP-palvelimia Responses API:ssa kehittäjät voivat yhdistää mallimme millä tahansa MCP-palvelimella isännöityihin työkaluihin vain muutamalla koodirivillä. Tässä on esimerkkejä siitä, miten kehittäjät voivat käyttää etäkäyttöisiä MCP-palvelimia Responses API:n avulla jo tänään:

Python

1response = client.responses.create(
2  model="gpt-4.1",
3  tools=[{
4    "type": "mcp",
5    "server_label": "shopify",
6    "server_url": "https://pitchskin.com/api/mcp",
7  }],
8  input="Add the Blemish Toner Pads to my cart"
9)

The Blemish Toner Pads have been added to your cart! You can proceed to checkout here:

Pitch. Skin checkout page showing express options (Shop Pay, PayPal, G Pay), contact and delivery form fields, and an order summary for one ‘Blemish Toner Pads 200 mL (120 pads)’ priced at AUD $49.

Suosittuja MCP-etäpalvelimia ovat mm. Cloudflare⁠(avautuu uudessa ikkunassa), HubSpot⁠(avautuu uudessa ikkunassa), Intercom⁠(avautuu uudessa ikkunassa), PayPal⁠(avautuu uudessa ikkunassa), Plaid⁠(avautuu uudessa ikkunassa), Shopify⁠(avautuu uudessa ikkunassa), Stripe⁠(avautuu uudessa ikkunassa), Square⁠(avautuu uudessa ikkunassa), Twilio⁠(avautuu uudessa ikkunassa), Zapier⁠(avautuu uudessa ikkunassa) ja monet muut. Odotamme etäkäyttöisten MCP-palvelimien ekosysteemin kasvavan nopeasti tulevina kuukausina, mikä auttaa kehittäjiä rakentamaan tehokkaita agentteja, jotka voivat muodostaa yhteyden käyttäjien jo olemassa oleviin työkaluihin ja tietolähteisiin. Tukeakseen ekosysteemiä parhaalla mahdollisella tavalla ja edistääkseen tätä kehittyvää standardia OpenAI on liittynyt myös MCP:n ohjausryhmään.

Lisätietoja oman etäkäyttöisen MCP-palvelimen käynnistämisestä on tästä Cloudflare⁠(avautuu uudessa ikkunassa)-oppaasta. Saat lisätietoja MCP-työkalun käytöstä Responses API:ssa tutustumalla tähän oppaaseen⁠(avautuu uudessa ikkunassa) API-ohjekirjassamme.

Päivityksiä kuvien luontiin, koodintulkitsimeen ja tiedostohakuun

Responses API:n sisäänrakennettujen työkalujen avulla kehittäjät voivat helposti luoda tehokkaampia agentteja yhdellä API-kutsulla. Kutsumalla useita työkaluja päättelyn aikana mallit saavuttavat nyt huomattavasti paremman työkalujen kutsumissuorituskyvyn alan standardien mukaisissa vertailuarvoissa, kuten Humanity’s Last Exam (lähde). Tänään lisäämme uusia työkaluja, kuten:

Kuvien luonti: Images API:n⁠(avautuu uudessa ikkunassa) lisäksi kehittäjät voivat nyt käyttää uusinta kuvien luontimalliamme gpt-image-1 työkaluna Responses API:ssa. Tämä työkalu tukee reaaliaikaista suoratoistoa, jonka avulla kehittäjät voivat nähdä kuvan esikatselun sen luomisen aikana, sekä monikierroksista muokkausta, joiden avulla kehittäjät voivat kehottaa mallia tarkentamaan näitä kuvia askel askeleelta. Lue lisää⁠(avautuu uudessa ikkunassa).
Koodintulkitsin: Kehittäjät voivat nyt käyttää koodintulkitsinta⁠(avautuu uudessa ikkunassa) työkaluna vastausten API:ssa. Tämä työkalu on hyödyllinen data-analyysiin, monimutkaisten matemaattisten ja koodausongelmien ratkaisemiseen sekä mallien auttamiseen kuvien syvällisessä ymmärtämisessä ja käsittelyssä (esim. kuvien avulla ajattelussa). o3- ja o4-mini-mallien kyky käyttää kooditulkitsinta työkaluna ajatteluketjussaan on parantanut suorituskykyä useissa vertailutesteissä, mukaan lukien Humanity’s Last Exam (lähde). Lue lisää⁠(avautuu uudessa ikkunassa).
Tiedostohaku: Kehittäjät voivat nyt käyttää tiedostohakua⁠(avautuu uudessa ikkunassa) työkaluna päättelymalleissamme. Tiedostohaun avulla kehittäjät voivat viedä asiakirjojensa olennaisia osia mallin kontekstiin käyttäjän kyselyn perusteella. Esittelemme myös tiedostohakutyökaluun päivityksiä, joiden avulla kehittäjät voivat suorittaa hakuja useista vektoritallennustiloista ja jotka tukevat attribuuttisuodatusta taulukoiden avulla. Lue lisää⁠(avautuu uudessa ikkunassa).

Vastausten API:n uudet ominaisuudet:

Uusien työkalujen lisäksi lisäämme tuen myös uusille ominaisuuksille vastausten API:ssa, mukaan lukien:

Taustatila: Aivan kuten agenttipohjaisissa tuotteissa, esimerkiksi Codexissa, syvätutkimuksessa ja Operatorissa on nähty, päättelymalleilla voi kestää useita minuutteja ratkaista monimutkaisia ongelmia. Kehittäjät voivat nyt käyttää taustatilaa rakentaakseen vastaavia kokemuksia malleissa, kuten o3, murehtimatta aikakatkaisuista tai muista yhteysongelmista, koska taustatila käynnistää nämä tehtävät asynkronisesti. Kehittäjät voivat joko kysellä näitä objekteja tarkastaakseen niiden valmistumisen tai aloittaa tapahtumien suoratoiston aina, kun heidän sovelluksensa tarvitsee pysyä ajan tasalla viimeisimmästä tilasta. Lue lisää⁠(avautuu uudessa ikkunassa).

Python

1response = client.responses.create(
2  model="o3",
3  input="Write me an extremely long story.",
4  reasoning={ "effort": "high" },
5  background=True
6)

Perustelujen yhteenvedot: Vastausten API voi nyt luoda ytimekkäitä, luonnollisella kielellä kirjoitettuja yhteenvetoja mallin sisäisestä ajatusketjusta, samalla tavalla kuin ChatGPT:ssä. Se helpottaa kehittäjien virheenkorjausta, auditointia ja parempien loppukäyttäjäkokemusten rakentamista. Perustelujen yhteenvedot ovat saatavilla ilman lisäkustannuksia. Lue lisää⁠(avautuu uudessa ikkunassa).

Python

1response = client.responses.create(
2    model="o4-mini",
3    tools=[
4        {
5            "type": "code_interpreter",
6            "container": {"type": "auto"}
7        }
8    ],
9    instructions=(
10        "You are a personal math tutor. "
11        "When asked a math question, run code to answer the question."
12    ),
13    input="I need to solve the equation `3x + 11 = 14`. Can you help me?",
14    reasoning={"summary": "auto"}
15)

Salatut päättelynimikkeet: Asiakkaat, jotka ovat oikeutettuja tietojen määräaikainen säilyttämiseen (ZDR)⁠(avautuu uudessa ikkunassa) voivat nyt käyttää perusteluelementtejä uudelleen API-pyyntöjen välillä ilman, että perusteluelementtejä tallennetaan OpenAI:n palvelimille. Malleissa, kuten o3 ja o4-mini päättelynimikkeiden uudelleenkäyttö funktiokutsujen välillä parantaa älykkyyttä, vähentää tunnisteiden käyttöä ja lisää välimuistin osuvuusprosenttia, mikä johtaa alhaisempiin kustannuksiin ja viiveeseen. Lue lisää.

Python

1response = client.responses.create(
2  model="o3",
3  input="Implement a simple web server in Rust from scratch.",
4  store=False,
5  include=["reasoning.encrypted_content"]
6)

Hinnoittelu ja saatavuus

Kaikki nämä työkalut ja ominaisuudet ovat nyt saatavilla vastausten API:ssa, ja niitä tuetaan GPT‑4o‑ ja GPT‑4.1‑sarjassamme sekä OpenAI:n o-sarjan päättelymalleissamme (o1, o3, o3‑mini ja o4-mini). Kuvien luontia tuetaan vain päättelymallisarjamme o3‑versiossa.

Nykyisten työkalujen hinnat pysyvät ennallaan. Kuvien luominen maksaa 5,00 dollaria / 1 miljoonaa tekstinsyöttötunnistetta, 10,00 dollaria / 1 miljoonaa kuvasyöttötunnistetta ja 40,00 dollaria / 1 miljoonaa kuvatulostustunnistetta. Välimuistissa olevista syöttötunnisteista saa 75 % alennuksen. Kooditulkitsin maksaa 0,03 dollaria säilöä kohden. Tiedostohaku maksaa 0,10 dollaria/Gt vektoritallennustilaa päivässä ja 2,50 dollaria/1 000 työkalukutsua. Etäkäyttöisen MCP-palvelintyökalun kutsumisesta ei aiheudu lisäkustannuksia. Siitä veloitetaan vain API:n tuotostunnisteista. Lue lisää hinnoittelusta⁠(avautuu uudessa ikkunassa) asiakirjoistamme.

Odotamme innolla, mitä rakennat!

Tekijä

OpenAI