၂၀၂၅ မေ ၂၁

New tools and features in the Responses API

ဖွင့်နေသည်…

ယနေ့တွင် ကျွန်ုပ်တို့သည် အေးဂျင့်အခြေပြု application များ တည်ဆောက်ရန်အတွက် အဓိက API primitive ဖြစ်သော Responses API ထဲသို့ built-in tool အသစ်များကို ထည့်သွင်းနေပါသည်။ ၎င်းတွင် အဝေးမှ Model Context Protocol (MCP) server များအားလုံး⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) အတွက် ပံ့ပိုးမှုအပြင် ရုပ်ပုံ ထုတ်လုပ်မှု⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်), ကုဒ်အဓိပ္ပာယ်ဖတ်စနစ်⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ကဲ့သို့သော tool များနှင့် file search⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) အတွက် တိုးတက်မှုများလည်း ပါဝင်ပါသည်။ ဤ tool များကို ကျွန်ုပ်တို့၏ GPT‑4o series, GPT‑4.1 series နှင့် OpenAI o-series ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော မော်ဒယ်များတစ်လျှောက် ရရှိနိုင်ပါသည်။ o3 နှင့် o4-mini သည် ယခုအခါ Responses API ထဲတွင် ၎င်းတို့၏ အတွေးကွင်းဆက် အတွင်း tool များနှင့် function များကို တိုက်ရိုက် ခေါ်ယူနိုင်ပြီး၊ ပိုမိုကြွယ်ဝသော context နှင့် ပိုမိုသက်ဆိုင်သော အဖြေများကို ထုတ်ပေးနိုင်ပါသည်။ Responses API နှင့်အတူ o3 နှင့် o4-mini ကို အသုံးပြုခြင်းသည် request များနှင့် tool call များအနှံ့ reasoning token များကို ထိန်းသိမ်းပေးသောကြောင့် မော်ဒယ်၏ ဉာဏ်ရည်ကို မြှင့်တင်ပေးပြီး developer များအတွက် ကုန်ကျစရိတ်နှင့် latency ကို လျှော့ချပေးပါသည်။

ကျွန်ုပ်တို့သည် enterprise များနှင့် developer များအတွက် ယုံကြည်စိတ်ချရမှု၊ မြင်သာနိုင်မှုနှင့် privacy ကို တိုးတက်စေသော Responses API လုပ်ဆောင်ချက်အသစ်များကိုလည်း မိတ်ဆက်ပေးနေပါသည်။ ၎င်းတို့တွင် အချိန်ကြာမြင့်စွာ လုပ်ဆောင်ရသော task များကို asynchronous ပုံစံဖြင့် ပိုမိုယုံကြည်စိတ်ချရစွာ ကိုင်တွယ်ရန် background mode⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်), reasoning summary များ⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) အတွက် ပံ့ပိုးမှုနှင့် encrypted reasoning item များ⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) အတွက် ပံ့ပိုးမှုတို့ ပါဝင်ပါသည်။

2025 ခုနှစ် မတ်လတွင် web search, file search နှင့် computer use ကဲ့သို့သော tool များနှင့်အတူ Responses API ကို ထုတ်ပြန်ခဲ့ပြီးကတည်းက developer သိန်းနှင့်ချီက ကျွန်ုပ်တို့၏ မော်ဒယ်များတစ်လျှောက် token သန်းပေါင်းများစွာကို process လုပ်ရန် API ကို အသုံးပြုခဲ့ကြသည်။ Customer များသည် API ကို အသုံးပြု၍ Zencoder⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ၏ coding agent, Revi⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ၏ private equity နှင့် investment banking အတွက် market intelligence agent, နှင့် MagicSchool AI⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်)'s education assistant စသည့် အေးဂျင့်အခြေပြု application မျိုးစုံကို တည်ဆောက်ခဲ့ကြပြီး၊ ၎င်းတို့အားလုံးသည် ၎င်းတို့၏ app ထဲသို့ သက်ဆိုင်ပြီး နောက်ဆုံးပေါ် အချက်အလက်များကို ဆွဲယူရန် web search ကို အသုံးပြုကြသည်။ ယခုအခါ developer များသည် ယနေ့ ထုတ်ပြန်လိုက်သော tool နှင့် လုပ်ဆောင်ချက်အသစ်များကို အသုံးပြုနိုင်သဖြင့် ပိုမိုအသုံးဝင်ပြီး ယုံကြည်စိတ်ချရသော အေးဂျင့်များကို တည်ဆောက်နိုင်ပါပြီ။

အဝေးမှ MCP server ပံ့ပိုးမှုအသစ်

ကျွန်ုပ်တို့သည် အဝေးမှ MCP server များ⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) အတွက် Responses API တွင် ပံ့ပိုးမှု ထည့်သွင်းနေပြီး၊ Agents SDK တွင် MCP ပံ့ပိုးမှု⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ထုတ်ပြန်ခဲ့မှုအပေါ် ဆက်လက်တည်ဆောက်ထားပါသည်။ MCP သည် application များက LLM များသို့ context ပေးပို့ပုံကို စံသတ်မှတ်ပေးသော open protocol တစ်ခုဖြစ်သည်။ Responses API တွင် MCP server များကို ပံ့ပိုးခြင်းကြောင့် developer များသည် code လိုင်းအနည်းငယ်မျှဖြင့် မည်သည့် MCP server ပေါ်တွင်မဆို host လုပ်ထားသော tool များနှင့် ကျွန်ုပ်တို့၏ မော်ဒယ်များကို ချိတ်ဆက်နိုင်မည်ဖြစ်သည်။ ယနေ့ Responses API နှင့်အတူ အဝေးမှ MCP server များကို developer များ မည်သို့အသုံးပြုနိုင်သည်ကို ပြသသော ဥပမာအချို့မှာ အောက်ပါအတိုင်းဖြစ်သည်-

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 ကို သင့် cart ထဲသို့ ထည့်ပြီးပါပြီ။ ဤနေရာတွင် checkout ဆက်လုပ်နိုင်ပါသည်-

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.

နာမည်ကြီး အဝေးမှ MCP server များတွင် Cloudflare⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်), HubSpot⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်), Intercom⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်), PayPal⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်), Plaid⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်), Shopify⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်), Stripe⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်), Square⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်), Twilio⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်), Zapier⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) နှင့် အခြားများစွာ ပါဝင်သည်။ လာမည့်လများတွင် အဝေးမှ MCP server ecosystem သည် လျင်မြန်စွာ ကြီးထွားလာမည်ဟု ကျွန်ုပ်တို့ မျှော်လင့်ထားပြီး၊ ၎င်းကြောင့် developer များအနေဖြင့် သုံးစွဲသူများက ယခင်ကတည်းက အားထားအသုံးပြုနေသော tool များနှင့် data source များသို့ ချိတ်ဆက်နိုင်သော အားကောင်းသည့် အေးဂျင့်များကို ပိုမိုလွယ်ကူစွာ တည်ဆောက်နိုင်မည်ဖြစ်သည်။ Ecosystem ကို အကောင်းဆုံး ပံ့ပိုးကူညီနိုင်ရန်နှင့် ဖွံ့ဖြိုးလာနေသော ဤစံနှုန်းသို့ ပံ့ပိုးကူညီရန် OpenAI သည် MCP အတွက် steering committee သို့လည်း ဝင်ရောက်ခဲ့ပါသည်။

သင်၏ ကိုယ်ပိုင် အဝေးမှ MCP server ကို မည်သို့ စတင်တည်ဆောက်ရမည်ကို လေ့လာလိုပါက Cloudflare⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ၏ ဤလမ်းညွှန်ကို ကြည့်ပါ။ Responses API ထဲတွင် MCP tool ကို မည်သို့ အသုံးပြုရမည်ကို လေ့လာလိုပါက ကျွန်ုပ်တို့၏ API Cookbook ထဲမှ ဤ လမ်းညွှန်⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ကို ကြည့်ပါ။

ရုပ်ပုံ ထုတ်လုပ်မှု၊ ကုဒ်အဓိပ္ပာယ်ဖတ်စနစ် နှင့် file search အပ်ဒိတ်များ

Responses API ထဲရှိ built-in tool များဖြင့် developer များသည် API call တစ်ကြိမ်တည်းဖြင့် ပိုမိုစွမ်းဆောင်ရည်မြင့်သော အေးဂျင့်များကို လွယ်ကူစွာ ဖန်တီးနိုင်ပါသည်။ ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားနေစဉ် tool များစွာကို ခေါ်ယူအသုံးပြုနိုင်ခြင်းကြောင့် မော်ဒယ်များသည် Humanity’s Last Exam ကဲ့သို့သော လုပ်ငန်းစံ benchmark များတွင် tool calling performance ကို သိသိသာသာ မြင့်မားစွာ ရရှိနေပြီဖြစ်သည် (source)။ ယနေ့တွင် ကျွန်ုပ်တို့သည် အောက်ပါ tool အသစ်များကို ထည့်သွင်းနေပါသည်-

Image generation: Images API⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ကို အသုံးပြုခြင်းအပြင် developer များသည် ယခု ကျွန်ုပ်တို့၏ နောက်ဆုံးပေါ် ရုပ်ပုံ ထုတ်လုပ်မှု မော်ဒယ်—gpt-image-1—ကို Responses API အတွင်း tool တစ်ခုအဖြစ် အသုံးပြုနိုင်ပြီဖြစ်သည်။ ဤ tool သည် real-time streaming ကို ပံ့ပိုးပေးသဖြင့် developer များက ရုပ်ပုံ ထုတ်လုပ်နေစဉ် preview များကို မြင်နိုင်ပြီး multi-turn edit များကိုလည်း ပံ့ပိုးပေးသဖြင့် developer များက မော်ဒယ်အား အဆင့်လိုက် အသေးစိတ် ပြင်ဆင်ရန် တုံ့ပြန်ညွှန်ကြားချက် ပေးနိုင်ပါသည်။ ပိုမိုလေ့လာရန်⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်)။
Code Interpreter: Developer များသည် ယခု Code Interpreter⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) tool ကို Responses API အတွင်း အသုံးပြုနိုင်ပါသည်။ ဤ tool သည် data analysis, ရှုပ်ထွေးသော သင်္ချာနှင့် coding ပြဿနာများကို ဖြေရှင်းရန်၊ နှင့် မော်ဒယ်များအား ရုပ်ပုံများကို နက်နက်ရှိုင်းရှိုင်း နားလည်စေရန်နှင့် ကိုင်တွယ်စေရန် (ဥပမာ ရုပ်ပုံများဖြင့် စဉ်းစားခြင်း) အထူးအသုံးဝင်ပါသည်။ o3 နှင့် o4-mini ကဲ့သို့သော မော်ဒယ်များက Code Interpreter tool ကို ၎င်းတို့၏ အတွေးကွင်းဆက် အတွင်း အသုံးပြုနိုင်ခြင်းကြောင့် Humanity’s Last Exam အပါအဝင် benchmark များစွာတွင် performance ကောင်းမွန်လာခဲ့သည် (source)။ ပိုမိုလေ့လာရန်⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်)။
File search: Developer များသည် ယခု ကျွန်ုပ်တို့၏ ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော မော်ဒယ်များတွင် file search⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) tool ကို အသုံးပြုနိုင်ပါသည်။ File search သည် user query အပေါ် မူတည်၍ ၎င်းတို့၏ document များထဲမှ သက်ဆိုင်သော အပိုင်းများကို မော်ဒယ်၏ context ထဲသို့ ဆွဲယူရန် developer များကို ကူညီပေးသည်။ ထို့အပြင် developer များအား vector store များစွာအနှံ့ search လုပ်နိုင်စေရန်နှင့် array များဖြင့် attribute filtering ကို ပံ့ပိုးပေးရန် file search tool အတွက် update များကိုလည်း မိတ်ဆက်ပေးနေပါသည်။ ပိုမိုလေ့လာရန်⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်)။

Responses API ထဲရှိ လုပ်ဆောင်ချက်အသစ်များ

tool အသစ်များအပြင် ကျွန်ုပ်တို့သည် Responses API ထဲရှိ လုပ်ဆောင်ချက်အသစ်များအတွက်လည်း ပံ့ပိုးမှု ထည့်သွင်းနေပါသည်၊ ၎င်းတို့မှာ-

Background mode: Codex, deep research နှင့် Operator ကဲ့သို့သော အေးဂျင့်အခြေပြု product များတွင် မြင်ရသကဲ့သို့ ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော မော်ဒယ်များသည် ရှုပ်ထွေးသော ပြဿနာများကို ဖြေရှင်းရန် မိနစ်အနည်းငယ်ကြာနိုင်ပါသည်။ ယခု developer များသည် timeout သို့မဟုတ် အခြား connectivity ပြဿနာများကို စိုးရိမ်စရာမလိုဘဲ o3 ကဲ့သို့သော မော်ဒယ်များပေါ်တွင် ဆင်တူသော experience များကို တည်ဆောက်ရန် background mode ကို အသုံးပြုနိုင်ပြီး—background mode သည် ဤ task များကို asynchronous ပုံစံဖြင့် စတင်ဆောင်ရွက်ပေးပါသည်။ Developer များသည် completion ဖြစ်ပြီးမဖြစ်ကို စစ်ဆေးရန် ဤ object များကို poll လုပ်နိုင်သလို၊ ၎င်းတို့၏ application က နောက်ဆုံး state ကို လိုအပ်သည့်အချိန်တိုင်း event များကို streaming စတင်နိုင်ပါသည်။ ပိုမိုလေ့လာရန်⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်)။

Python

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

Reasoning summaries: Responses API သည် ယခု ChatGPT တွင် သင်မြင်ရသကဲ့သို့ မော်ဒယ်၏ အတွင်းပိုင်း အတွေးကွင်းဆက် ကို တိုတောင်းပြီး သဘာဝဘာသာစကားဖြင့် အနှစ်ချုပ်များ ထုတ်ပေးနိုင်ပါသည်။ ၎င်းသည် developer များအတွက် debug လုပ်ရန်၊ audit လုပ်ရန်နှင့် end-user experience ပိုကောင်းစေရန် တည်ဆောက်ရန် ပိုမိုလွယ်ကူစေပါသည်။ Reasoning summary များကို အပိုကုန်ကျစရိတ်မရှိဘဲ ရရှိနိုင်ပါသည်။ ပိုမိုလေ့လာရန်⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်)။

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)

Encrypted reasoning items: Zero Data Retention (ZDR)⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) အတွက် အကျုံးဝင်သော customer များသည် ယခု API request များအနှံ့ reasoning item များကို ပြန်လည်အသုံးပြုနိုင်ပြီဖြစ်ပြီး—OpenAI server များပေါ်တွင် reasoning item တစ်ခုမျှ မသိမ်းဆည်းဘဲ အသုံးပြုနိုင်ပါသည်။ o3 နှင့် o4-mini ကဲ့သို့သော မော်ဒယ်များအတွက် function call များအကြား reasoning item များကို ပြန်လည်အသုံးပြုခြင်းသည် ဉာဏ်ရည်ကို မြှင့်တင်ပေးပြီး၊ တိုကင် အသုံးပြုမှုကို လျှော့ချပေးကာ cache hit rate ကို မြှင့်တင်ပေးသဖြင့် ကုန်ကျစရိတ်နှင့် latency ကို လျှော့ချပေးပါသည်။ ပိုမိုလေ့လာရန်⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်)။

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)

စျေးနှုန်းနှင့် ရရှိနိုင်မှု

ဤ tool များနှင့် လုပ်ဆောင်ချက်များအားလုံးကို ယခု Responses API တွင် ရရှိနိုင်ပြီဖြစ်ပြီး၊ ကျွန်ုပ်တို့၏ GPT‑4o series, GPT‑4.1 series နှင့် OpenAI o-series ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော မော်ဒယ်များ (o1, o3, o3‑mini, နှင့် o4-mini) တွင် ပံ့ပိုးထားပါသည်။ ရုပ်ပုံ ထုတ်လုပ်မှုကို ကျွန်ုပ်တို့၏ ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော မော်ဒယ် series များထဲမှ o3 ပေါ်တွင်သာ ပံ့ပိုးထားပါသည်။

ရှိပြီးသား tool များ၏ စျေးနှုန်းမှာ မပြောင်းလဲပါ။ ရုပ်ပုံ ထုတ်လုပ်မှု ကုန်ကျစရိတ်မှာ text input token 1M လျှင် $5.00၊ image input token 1M လျှင် $10.00 နှင့် image output token 1M လျှင် $40.00 ဖြစ်ပြီး cached input token များအတွက် 75% လျှော့ဈေး ရရှိပါသည်။ Code Interpreter သည် container တစ်ခုလျှင် $0.03 ကျသင့်ပါသည်။ File search သည် တစ်နေ့လျှင် vector storage 1GB အတွက် $0.10 နှင့် tool call 1k လျှင် $2.50 ကျသင့်ပါသည်။ အဝေးမှ MCP server tool ကို ခေါ်ယူအသုံးပြုရန် အပိုကုန်ကျစရိတ် မရှိပါ—API မှ output token များအတွက်သာ ကျသင့်မည်ဖြစ်သည်။ ကျွန်ုပ်တို့၏ docs ထဲတွင် စျေးနှုန်း⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) အကြောင်း ပိုမိုလေ့လာနိုင်ပါသည်။

သင် တည်ဆောက်မည့်အရာများကို ကျွန်ုပ်တို့ စိတ်လှုပ်ရှားစွာ စောင့်ကြည့်နေပါသည်!

ရေးသားသူ

OpenAI