21 Mei 2025

New tools and features in the Responses API

Lagi dimuat…

Dina iki, kita nambah tool bawaan anyar menyang Responses API—primitif API inti kita kanggo mbangun aplikasi agentic. Iki kalebu dhukungan kanggo kabeh server Model Context Protocol (MCP) remot⁠(mbukak ing jendhela anyar), uga tool kaya generasi gambar⁠(mbukak ing jendhela anyar), Code Interpreter⁠(mbukak ing jendhela anyar), lan perbaikan kanggo telusur file⁠(mbukak ing jendhela anyar). Tool iki kasedhiya ing seri GPT‑4o, seri GPT‑4.1, lan model nalar OpenAI o-series kita. o3 lan o4-mini saiki bisa nelpon tool lan fungsi langsung ing ranté pikiran ing Responses API, ngasilake jawaban sing luwih sugih konteks lan relevan. Nggunakake o3 lan o4-mini karo Responses API njaga token nalar antar panjalukan lan panggilan tool, nambah kapinteran model lan nyuda biaya lan latensi kanggo developer.

Kita uga ngenalake fitur anyar ing Responses API sing nambah reliabilitas, visibilitas, lan privasi kanggo perusahaan lan developer. Iki kalebu mode latar mburi⁠(mbukak ing jendhela anyar) kanggo nangani tugas sing mlaku suwe kanthi asinkron lan luwih andal, dhukungan kanggo ringkesan nalar⁠(mbukak ing jendhela anyar), lan dhukungan kanggo item nalar terenkripsi⁠(mbukak ing jendhela anyar).

Wiwit ngrilis Responses API ing Maret 2025 nganggo tool kaya telusur web, telusur file, lan panggunaan komputer, atusan ewu developer wis nggunakake API iki kanggo ngolah triliunan token ing model kita. Pelanggan wis nggunakake API iki kanggo mbangun macem-macem aplikasi agentic, kalebu agen coding saka Zencoder⁠(mbukak ing jendhela anyar), agen intelijen pasar saka Revi⁠(mbukak ing jendhela anyar) kanggo private equity lan investment banking, lan asisten pendidikan saka MagicSchool AI⁠(mbukak ing jendhela anyar)—kabèh nggunakake telusur web kanggo narik informasi sing relevan lan paling anyar menyang app-e. Saiki developer bisa mbangun agen sing luwih migunani lan andal kanthi akses menyang tool lan fitur anyar sing dirilis dina iki.

Dhukungan anyar kanggo server MCP remot

Kita nambah dhukungan kanggo server MCP remot⁠(mbukak ing jendhela anyar) ing Responses API, nerusake rilis dhukungan MCP ing Agents SDK⁠(mbukak ing jendhela anyar). MCP yaiku protokol mbukak sing mbakukan cara aplikasi nyedhiyakake konteks menyang LLM. Kanthi ndhukung server MCP ing Responses API, developer bakal bisa nyambungake model kita menyang tool sing di-host ing server MCP apa wae mung nganggo sawetara baris kode. Ing ngisor iki ana sawetara conto sing nuduhake carane developer bisa nggunakake server MCP remot karo Responses API dina iki:

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)

Blemish Toner Pads wis ditambahake menyang kranjangmu! Sampeyan bisa nerusake menyang checkout ing kene:

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.

Server MCP remot sing populer kalebu Cloudflare⁠(mbukak ing jendhela anyar), HubSpot⁠(mbukak ing jendhela anyar), Intercom⁠(mbukak ing jendhela anyar), PayPal⁠(mbukak ing jendhela anyar), Plaid⁠(mbukak ing jendhela anyar), Shopify⁠(mbukak ing jendhela anyar), Stripe⁠(mbukak ing jendhela anyar), Square⁠(mbukak ing jendhela anyar), Twilio⁠(mbukak ing jendhela anyar), Zapier⁠(mbukak ing jendhela anyar), lan liya-liyane. Kita ngarep ekosistem server MCP remot bakal tuwuh cepet ing sawetara wulan ngarep, supaya luwih gampang kanggo developer mbangun agen sing kuat lan bisa nyambung menyang tool lan sumber data sing wis diandelake panggunane. Kanggo ndhukung ekosistem iki kanthi paling apik lan melu nyumbang marang standar sing lagi berkembang iki, OpenAI uga wis gabung karo steering committee MCP.

Kanggo sinau carane nggawe server MCP remotmu dhewe, delengen pandhuan iki saka Cloudflare⁠(mbukak ing jendhela anyar). Kanggo sinau carane nggunakake tool MCP ing Responses API, delengen pandhuan⁠(mbukak ing jendhela anyar) iki ing API Cookbook kita.

Pembaruan kanggo generasi gambar, Code Interpreter, lan telusur file

Kanthi tool bawaan ing Responses API, developer bisa gampang nggawe agen sing luwih mumpuni mung nganggo siji panggilan API. Kanthi nelpon pirang-pirang tool nalika nalar, model saiki nggayuh performa panggilan tool sing luwih dhuwur banget ing benchmark standar industri kaya Humanity’s Last Exam (sumber). Dina iki, kita nambah tool anyar kalebu:

Generasi gambar: Saliyane nggunakake Images API⁠(mbukak ing jendhela anyar), developer saiki bisa ngakses model generasi gambar paling anyar kita—gpt-image-1—minangka tool ing Responses API. Tool iki ndhukung streaming wektu nyata—supaya developer bisa ndeleng pratinjau gambar nalika lagi digenerasi—lan edit multi-turn—supaya developer bisa menehi prompt marang model kanggo nyaring gambar iki kanthi rinci langkah demi langkah. Sinau luwih lengkap⁠(mbukak ing jendhela anyar).
Code Interpreter: Developer saiki bisa nggunakake tool Code Interpreter⁠(mbukak ing jendhela anyar) ing Responses API. Tool iki migunani kanggo analisis data, ngrampungake masalah matematika lan coding sing kompleks, lan mbantu model mangerteni lan ngolah gambar kanthi jero (umpamane, mikir nganggo gambar). Kemampuan model kaya o3 lan o4-mini kanggo nggunakake tool Code Interpreter ing ranté pikirané wis ngasilake peningkatan performa ing sawetara benchmark kalebu Humanity’s Last Exam (sumber). Sinau luwih lengkap⁠(mbukak ing jendhela anyar).
Telusur file: Developer saiki bisa ngakses tool telusur file⁠(mbukak ing jendhela anyar) ing model nalar kita. Telusur file ngidini developer narik potongan dokumen sing relevan menyang konteks model adhedhasar pitakon pangguna. Kita uga ngenalake pembaruan kanggo tool telusur file sing ngidini developer nindakake panelusuran ing pirang-pirang vector store lan ndhukung panyaringan atribut nganggo array. Sinau luwih lengkap⁠(mbukak ing jendhela anyar).

Fitur anyar ing Responses API

Saliyane tool anyar kasebut, kita uga nambah dhukungan kanggo fitur anyar ing Responses API, kalebu:

Mode latar mburi: Kaya sing katon ing produk agentic kaya Codex, panaliten jero, lan Operator, model nalar bisa mbutuhake sawetara menit kanggo ngrampungake masalah sing kompleks. Developer saiki bisa nggunakake mode latar mburi kanggo mbangun pengalaman sing padha ing model kaya o3 tanpa kuwatir timeout utawa masalah konektivitas liyane—mode latar mburi miwiti tugas iki kanthi asinkron. Developer bisa mriksa obyek iki kanthi polling kanggo ngecek apa wis rampung, utawa miwiti streaming event kapan wae aplikasi butuh nggayuh status paling anyar. Sinau luwih lengkap⁠(mbukak ing jendhela anyar).

Python

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

Ringkesan nalar: Responses API saiki bisa ngasilake ringkesan sing cekak lan nganggo basa alami saka ranté pikiran internal model, padha karo sing sampeyan deleng ing ChatGPT. Iki nggampangake developer kanggo debug, audit, lan mbangun pengalaman pangguna pungkasan sing luwih apik. Ringkesan nalar kasedhiya tanpa biaya tambahan. Sinau luwih lengkap⁠(mbukak ing jendhela anyar).

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)

Item nalar terenkripsi: Pelanggan sing layak kanggo Retensi Data Nol (ZDR)⁠(mbukak ing jendhela anyar) saiki bisa nggunakake maneh item nalar antar panjalukan API—tanpa ana item nalar sing disimpen ing server OpenAI. Kanggo model kaya o3 lan o4-mini, nggunakake maneh item nalar ing antarane panggilan fungsi nambah kapinteran, nyuda panggunaan token, lan ningkatake cache hit rate, sing asilé biaya lan latensi luwih murah. Sinau luwih lengkap⁠(mbukak ing jendhela anyar).

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)

Rega lan kasedhiyan

Kabeh tool lan fitur iki saiki kasedhiya ing Responses API, didhukung ing seri GPT‑4o, seri GPT‑4.1, lan model nalar OpenAI o-series kita (o1, o3, o3‑mini, lan o4-mini). Generasi gambar mung didhukung ing o3 saka seri model nalar kita.

Rega kanggo tool sing wis ana tetep padha. Biaya generasi gambar yaiku $5.00/1M token input teks, $10.00 / 1M token input gambar, lan $40.00 / 1M token output gambar, kanthi diskon 75% kanggo token input cache. Code Interpreter regane $0.03 saben container. Telusur file regane $0.10/GB panyimpenan vektor saben dina lan $2.50/1k panggilan tool. Ora ana biaya tambahan kanggo nelpon tool server MCP remot—sampeyan mung ditagih kanggo token output saka API. Sinau luwih lengkap babagan rega⁠(mbukak ing jendhela anyar) ing dokumen kita.

Kita seneng banget ndeleng apa sing sampeyan bangun!

Penulis

OpenAI