AgentKit ကို မိတ်ဆက်ခြင်း

ယနေ့တွင် ကျွန်ုပ်တို့သည် developers များနှင့် enterprises များအတွက် အေးဂျင့်များကို တည်ဆောက်ရန်၊ deploy လုပ်ရန်နှင့် အကောင်းဆုံးပြုလုပ်ရန် ကိရိယာအစုံအလင်ဖြစ်သော AgentKit ကို မိတ်ဆက်ထုတ်လုပ်လိုက်ပါသည်။ ယခုအချိန်မတိုင်မီ အေးဂျင့်များကို တည်ဆောက်ခြင်းဆိုသည်မှာ versioning မရှိသော ရှုပ်ထွေးသည့် orchestration၊ custom connectors များ၊ လက်ဖြင့် eval pipeline များ၊ တုံ့ပြန်ညွှန်ကြားချက် tuning နှင့် launch မတိုင်မီ frontend အလုပ် အပတ်ပေါင်းများစွာတို့လို ပြိုကွဲကွဲပြားပြားရှိသော tools များကို တပြိုင်နက် စီမံရခြင်းဖြစ်သည်။ AgentKit ဖြင့် developers များသည် ယခု visual ပုံစံဖြင့် workflows များကို ဒီဇိုင်းဆွဲနိုင်ပြီး အောက်ပါ building blocks အသစ်များကဲ့သို့သော အရာများကို အသုံးပြု၍ agentic UI များကို ပိုမိုမြန်ဆန်စွာ embed လုပ်နိုင်ပါပြီ:

• Agent Builder: multi-agent workflow များကို ဖန်တီးခြင်းနှင့် versioning လုပ်ခြင်းအတွက် visual canvas တစ်ခု
• Connector Registry: OpenAI products များတစ်လျှောက် data နှင့် tools များ ချိတ်ဆက်ပုံကို admins များ စီမံရန် ဗဟိုနေရာတစ်ခု
• ChatKit: သင့် product အတွင်း စိတ်ကြိုက်ပြင်ဆင်နိုင်သော chat-based agent experience များကို embed လုပ်ရန် toolkit တစ်ခု

datasets၊ trace grading၊ automated တုံ့ပြန်ညွှန်ကြားချက် optimization နှင့် third-party model support ကဲ့သို့သော feature အသစ်များဖြင့် အေးဂျင့်စွမ်းဆောင်ရည်ကို တိုင်းတာပြီး မြှင့်တင်ရန် evaluation capabilities များကိုလည်း ကျွန်ုပ်တို့ တိုးချဲ့နေပါသည်။

မတ်လတွင် Responses API and Agents SDK⁠ ကို ထုတ်လွှင့်ပြီးကတည်းက developers များနှင့် enterprises များက နက်နဲစွာ ရှာဖွေခြင်း၊ customer support နှင့် အခြားအရာများအတွက် end-to-end agentic workflow များကို တည်ဆောက်နေကြသည်ကို ကျွန်ုပ်တို့ မြင်တွေ့ခဲ့ရသည်။ Klarna က support အေးဂျင့်တစ်ခုကို တည်ဆောက်ခဲ့ပြီး⁠ ticket အားလုံး၏ သုံးပုံနှစ်ပုံကို ကိုင်တွယ်နေကာ Clay က sales အေးဂျင့်တစ်ခုဖြင့် 10x growth ရရှိခဲ့သည်⁠။ AgentKit သည် Responses API အပေါ် အခြေခံကာ developers များကို အေးဂျင့်များ ပိုမိုထိရောက်စွာနှင့် ယုံကြည်စိတ်ချရစွာ တည်ဆောက်နိုင်ရန် ကူညီပေးသည်။

အေးဂျင့် workflow များ ပိုမိုရှုပ်ထွေးလာသည်နှင့်အမျှ developers များသည် ၎င်းတို့ အလုပ်လုပ်ပုံကို ပိုမိုရှင်းလင်းစွာ မြင်နိုင်ရန် လိုအပ်လာသည်။ Agent Builder⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) သည် drag-and-drop ဆုံမှတ်များဖြင့် logic ကို ဖွဲ့စည်းခြင်း၊ tools များ ချိတ်ဆက်ခြင်းနှင့် custom guardrails များကို ပြင်ဆင်သတ်မှတ်ခြင်းအတွက် visual canvas တစ်ခုကို ပေးသည်။ ၎င်းသည် preview runs၊ inline eval configuration နှင့် full versioning ကို အထောက်အပံ့ပေးသောကြောင့် မြန်ဆန်သော iteration အတွက် အထူးသင့်လျော်သည်။

Ramp တွင် အဖွဲ့သည် blank canvas မှ buyer အေးဂျင့်တစ်ခုထိ နာရီအနည်းငယ်အတွင်း ရောက်ရှိနိုင်ခဲ့သည်:

အလားတူပင် ဂျပန်နည်းပညာနှင့် အင်တာနက်ဝန်ဆောင်မှု ကုမ္ပဏီခေါင်းဆောင်တစ်ခုဖြစ်သော LY Corporation သည် Agent Builder ဖြင့် work assistant အေးဂျင့်တစ်ခုကို နှစ်နာရီမပြည့်မီ တည်ဆောက်ခဲ့သည်။

enterprises များအတွက် အလုပ်နေရာများနှင့် အဖွဲ့အစည်းများစွာတစ်လျှောက် data ကို ထိန်းချုပ်စီမံပြီး ထိန်းသိမ်းရန် Connector Registry ကိုလည်း ကျွန်ုပ်တို့ စတင်မိတ်ဆက်နေပါသည်။ Connector Registry⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) သည် ChatGPT နှင့် API တစ်လျှောက်ရှိ data sources များကို admin panel တစ်ခုတည်းထဲသို့ စုစည်းပေးသည်။ registry တွင် Dropbox၊ Google Drive၊ Sharepoint နှင့် Microsoft Teams ကဲ့သို့သော pre-built connectors အားလုံးအပြင် third-party MCPs များလည်း ပါဝင်သည်။

developers များသည် Agent Builder တွင် Guardrails⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ကိုလည်း ဖွင့်နိုင်သည်—၎င်းသည် open-source ဖြစ်ပြီး modular safety layer တစ်ခုဖြစ်ကာ အေးဂျင့်များကို မရည်ရွယ်ထားသော သို့မဟုတ် အန္တရာယ်ရှိသော အပြုအမူများမှ ကာကွယ်ရန် ကူညီပေးသည်။ Guardrails သည် PII ကို mask လုပ်နိုင်သလို flag လုပ်နိုင်ပြီး jailbreak များကို detect လုပ်ကာ အခြား safeguard များကိုလည်း အသုံးချနိုင်သောကြောင့် ယုံကြည်စိတ်ချရပြီး လုံခြုံသော အေးဂျင့်များကို ပိုမိုလွယ်ကူစွာ တည်ဆောက်ပြီး deploy လုပ်နိုင်စေသည်။ Guardrails ကို standalone အဖြစ်သော်လည်းကောင်း Python⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) နှင့် JavaScript⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) အတွက် guardrails library မှတစ်ဆင့်သော်လည်းကောင်း deploy လုပ်နိုင်သည်။

အေးဂျင့်များအတွက် chat UI များကို deploy လုပ်ခြင်းသည် အံ့အားသင့်ဖွယ် ရှုပ်ထွေးနိုင်သည်—streaming response များကို ကိုင်တွယ်ရခြင်း၊ threads များကို စီမံရခြင်း၊ မော်ဒယ်၏ စဉ်းစားပုံကို ပြသရခြင်းနှင့် ဆွဲဆောင်မှုရှိသော in-chat experience များကို ဒီဇိုင်းဆွဲရခြင်းတို့ကြောင့် ဖြစ်သည်။ ChatKit⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) သည် သင့် product နှင့် သဘာဝကျကျ ကိုက်ညီသည့် chat-based အေးဂျင့်များကို အလွယ်တကူ embed လုပ်နိုင်စေသည်။ ၎င်းကို apps သို့မဟုတ် websites များအတွင်း embed လုပ်နိုင်ပြီး သင့် theme သို့မဟုတ် brand နှင့် ကိုက်ညီအောင် စိတ်ကြိုက်ပြင်ဆင်နိုင်သည်။

ChatKit သည် internal knowledge assistants များနှင့် onboarding guides များမှ customer support နှင့် research အေးဂျင့်များအထိ အသုံးပြုမှုများစွာတွင် အသုံးပြုနေပြီဖြစ်သည်။ HubSpot⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ၏ customer support အေးဂျင့်သည် ဥပမာတစ်ခုဖြစ်သည်:

ယုံကြည်စိတ်ချရပြီး production-ready ဖြစ်သော အေးဂျင့်များကို တည်ဆောက်ရန် တင်းကျပ်သော performance evaluation များ လိုအပ်သည်။ မနှစ်က ကျွန်ုပ်တို့သည် developers များကို prompts များ စမ်းသပ်ရန်နှင့် မော်ဒယ်အပြုအမူကို တိုင်းတာရန် ကူညီပေးသော Evals⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ကို စတင်မိတ်ဆက်ခဲ့သည်။ ယခု ကျွန်ုပ်တို့သည် evals တည်ဆောက်မှုကို ပိုမိုလွယ်ကူစေမည့် capability အသစ်လေးခုကို ထပ်မံထည့်သွင်းနေပါသည်:

• Datasets–အစကနေ အေးဂျင့် evals များကို မြန်မြန်တည်ဆောက်ပြီး automated graders များနှင့် လူ့မှတ်ချက်များဖြင့် အချိန်ကြာလာသည်နှင့်အမျှ ချဲ့ထွင်နိုင်သည်..
• Trace grading–agentic workflow များ၏ end-to-end assessment များကို လုပ်ဆောင်ပြီး ချို့ယွင်းချက်များကို တိတိကျကျ ဖော်ထုတ်ရန် grading ကို automated လုပ်နိုင်သည်။
• Automated prompt optimization–လူ့မှတ်ချက်များနှင့် grader output များအပေါ် အခြေခံ၍ ပိုမိုကောင်းမွန်သော တုံ့ပြန်ညွှန်ကြားချက်များကို ဖန်တီးပေးသည်။
• Third-party model support–OpenAI Evals platform အတွင်း အခြား provider များ၏ မော်ဒယ်များကို အကဲဖြတ်နိုင်သည်။

Evals ကို အသုံးပြုနေသော customers များထံမှ စွမ်းဆောင်ရည် တိုးတက်မှုကြီးများကို ကျွန်ုပ်တို့ မြင်တွေ့ခဲ့ရပြီးဖြစ်သည်။

အားဖြည့် မွမ်းမံပြင်ဆင်ခြင်း⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) (RFT) သည် developers များအား ကျွန်ုပ်တို့၏ ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော မော်ဒယ်များကို စိတ်ကြိုက်ပြင်ဆင်နိုင်စေသည်။ ၎င်းကို OpenAI o4-mini တွင် ယေဘုယျအသုံးပြုနိုင်ပြီး GPT‑5 အတွက် private beta အဖြစ် ရရှိနိုင်သည်။ ပိုမိုကျယ်ပြန့်စွာ မထုတ်လွှင့်မီ GPT‑5 အတွက် RFT ကို ပိုမိုကောင်းမွန်စေရန် customers ဒါဇင်များစွာနှင့် ကျွန်ုပ်တို့ နီးကပ်စွာ လုပ်ဆောင်နေပါသည်။

ယနေ့တွင် အေးဂျင့်စွမ်းဆောင်ရည်ကို ပိုမိုမြှင့်တင်ရန် ရည်ရွယ်ထားသော ထို RFT beta အတွင်း feature အသစ်နှစ်ခုကို မိတ်ဆက်ပေးလိုက်ပါသည်:

• Custom tool calls–ပိုမိုကောင်းမွန်သော reasoning အတွက် မှန်ကန်သောအချိန်တွင် မှန်ကန်သော tools များကို ခေါ်ယူရန် မော်ဒယ်များကို လေ့ကျင့်ပေးသည် 
• Custom graders–သင့် use case အတွက် အရေးအကြီးဆုံးအရာများကို စိတ်ကြိုက်အကဲဖြတ်စံနှုန်းများဖြင့် သတ်မှတ်နိုင်သည်

ယနေ့မှစတင်၍ ChatKit နှင့် Evals capability အသစ်များကို developers အားလုံးအတွက် ယေဘုယျအသုံးပြုနိုင်ပါပြီ။ Agent Builder ကို beta အဖြစ် ရရှိနိုင်ပြီး Connector Registry ကို API, ChatGPT Enterprise နှင့် Edu customers အချို့ထံ Global Admin Console⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) (Global Owners များက domains၊ SSO၊ API orgs အများအပြားကို စီမံနိုင်သည့်နေရာ) ဖြင့် beta rollout စတင်နေပါသည်။ Connector Registry ကို ဖွင့်အသုံးပြုရန် Global Admin console သည် pre-requisite တစ်ခုဖြစ်သည်။ ဤ tools အားလုံးကို စံ API model pricing အတွင်း ထည့်သွင်းပေးထားသည်။

ChatGPT တွင် standalone Workflows API နှင့် အေးဂျင့် deployment option များကို မကြာမီ ထပ်ထည့်သွင်းရန် ကျွန်ုပ်တို့ စီစဉ်ထားပါသည်။

သင်တို့ တည်ဆောက်မည့်အရာများကို မြင်တွေ့ရရန် ကျွန်ုပ်တို့ မစောင့်နိုင်တော့ပါ။