ਅੱਜ ਅਸੀਂ AgentKit ਲਾਂਚ ਕਰ ਰਹੇ ਹਾਂ, ਜੋ developers ਅਤੇ enterprises ਲਈ ਏਜੰਟ ਬਣਾਉਣ, deploy ਕਰਨ, ਅਤੇ optimize ਕਰਨ ਲਈ tools ਦਾ ਇੱਕ ਪੂਰਾ ਸੈੱਟ ਹੈ। ਹੁਣ ਤੱਕ, ਏਜੰਟ ਬਣਾਉਣ ਦਾ ਮਤਲਬ ਸੀ ਟੁੱਟੇ-ਫੁੱਟੇ tools ਨਾਲ ਜੂਝਣਾ—ਬਿਨਾਂ versioning ਦੀ ਜਟਿਲ orchestration, custom connectors, manual eval pipelines, prompt tuning, ਅਤੇ launch ਤੋਂ ਪਹਿਲਾਂ frontend ਦੇ ਹਫ਼ਤਿਆਂ ਦੇ ਕੰਮ ਨਾਲ। AgentKit ਨਾਲ, developers ਹੁਣ workflows ਨੂੰ visually design ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਇਹਨਾਂ ਵਰਗੇ ਨਵੇਂ building blocks ਦੀ ਵਰਤੋਂ ਕਰਕੇ agentic UIs ਨੂੰ ਹੋਰ ਤੇਜ਼ੀ ਨਾਲ embed ਕਰ ਸਕਦੇ ਹਨ:
- Agent Builder: multi-agent workflows ਬਣਾਉਣ ਅਤੇ version ਕਰਨ ਲਈ ਇੱਕ visual canvas
- Connector Registry: admins ਲਈ ਇੱਕ ਕੇਂਦਰੀ ਥਾਂ, ਜਿੱਥੇ ਉਹ OpenAI products ਵਿੱਚ data ਅਤੇ tools ਦੇ connection ਨੂੰ manage ਕਰ ਸਕਦੇ ਹਨ
- ChatKit: ਤੁਹਾਡੇ product ਵਿੱਚ customizable chat-based agent experiences embed ਕਰਨ ਲਈ ਇੱਕ toolkit
ਅਸੀਂ datasets, trace grading, automated prompt optimization, ਅਤੇ third-party model support ਵਰਗੀਆਂ ਨਵੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨਾਲ evaluation capabilities ਨੂੰ ਵੀ ਵਧਾ ਰਹੇ ਹਾਂ, ਤਾਂ ਜੋ agent performance ਨੂੰ ਮਾਪਿਆ ਅਤੇ ਸੁਧਾਰਿਆ ਜਾ ਸਕੇ.
ਮਾਰਚ ਵਿੱਚ Responses API and Agents SDK ਜਾਰੀ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਅਸੀਂ developers ਅਤੇ enterprises ਨੂੰ ਡੀਪ ਰਿਸਰਚ, customer support, ਅਤੇ ਹੋਰ ਕੰਮਾਂ ਲਈ end-to-end agentic workflows ਬਣਾਉਂਦੇ ਦੇਖਿਆ ਹੈ। Klarna ਨੇ ਇੱਕ support agent ਬਣਾਇਆ ਜੋ ਸਾਰੇ tickets ਵਿੱਚੋਂ ਦੋ-ਤਿਹਾਈ ਸੰਭਾਲਦਾ ਹੈ ਅਤੇ Clay ਨੇ sales agent ਨਾਲ growth ਨੂੰ 10x ਕੀਤਾ। AgentKit, Responses API ‘ਤੇ ਆਧਾਰਿਤ ਹੈ ਤਾਂ ਜੋ developers ਏਜੰਟ ਹੋਰ ਕੁਸ਼ਲ ਅਤੇ ਭਰੋਸੇਯੋਗ ਢੰਗ ਨਾਲ ਬਣਾਉਣ.
ਜਿਵੇਂ-ਜਿਵੇਂ agent workflows ਹੋਰ ਜਟਿਲ ਹੁੰਦੇ ਹਨ, developers ਨੂੰ ਇਹ ਸਮਝਣ ਲਈ ਵੱਧ ਸਪਸ਼ਟਤਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਕਿ ਇਹ ਕਿਵੇਂ ਕੰਮ ਕਰਦੇ ਹਨ। Agent Builder(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) drag-and-drop ਨੋਡਾਂ ਨਾਲ logic ਬਣਾਉਣ, tools ਨੂੰ connect ਕਰਨ, ਅਤੇ custom guardrails configure ਕਰਨ ਲਈ ਇੱਕ visual canvas ਦਿੰਦਾ ਹੈ। ਇਹ preview runs, inline eval configuration, ਅਤੇ full versioning ਨੂੰ support ਕਰਦਾ ਹੈ—ਤੇਜ਼ iteration ਲਈ ਬਿਲਕੁਲ ਉਚਿਤ.
Builders ਇੱਕ blank canvas ਨਾਲ ਜਾਂ prebuilt templates ਨਾਲ ਸ਼ੁਰੂਆਤ ਕਰ ਸਕਦੇ ਹਨ.
Ramp ਵਿੱਚ, ਟੀਮ ਸਿਰਫ਼ ਕੁਝ ਘੰਟਿਆਂ ਵਿੱਚ blank canvas ਤੋਂ buyer agent ਤੱਕ ਪਹੁੰਚ ਗਈ:
Agent Builder ਨੇ ਉਹ ਕੰਮ, ਜਿਸ ਲਈ ਪਹਿਲਾਂ ਜਟਿਲ orchestration, custom code, ਅਤੇ manual optimizations ਦੇ ਮਹੀਨੇ ਲੱਗਦੇ ਸਨ, ਸਿਰਫ਼ ਕੁਝ ਘੰਟਿਆਂ ਵਿੱਚ ਬਦਲ ਦਿੱਤਾ। ਵਿਜ਼ੂਅਲ canvas ਨੇ product, legal, ਅਤੇ engineering ਨੂੰ ਇੱਕੋ ਸਫ਼ੇ ‘ਤੇ ਰੱਖਿਆ, iteration cycles ਨੂੰ 70% ਘਟਾਇਆ ਅਤੇ ਏਜੰਟ ਨੂੰ ਦੋ quarters ਦੀ ਬਜਾਇ ਦੋ sprints ਵਿੱਚ live ਕਰ ਦਿੱਤਾ।”
ਇਸੇ ਤਰ੍ਹਾਂ, LY Corporation—ਜਪਾਨ ਦੀ ਇੱਕ ਅਗੇਤੀ technology ਅਤੇ internet services ਕੰਪਨੀ—ਨੇ Agent Builder ਨਾਲ ਦੋ ਘੰਟਿਆਂ ਤੋਂ ਘੱਟ ਸਮੇਂ ਵਿੱਚ ਇੱਕ work assistant agent ਬਣਾਇਆ.
“Agent Builder ਨੇ ਸਾਨੂੰ ਏਜੰਟਾਂ ਨੂੰ ਇੱਕ ਬਿਲਕੁਲ ਨਵੇਂ ਢੰਗ ਨਾਲ orchestrate ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੱਤੀ, ਜਿੱਥੇ engineers ਅਤੇ subject matter experts ਇੱਕੋ ਇੰਟਰਫੇਸ ਵਿੱਚ ਮਿਲਕੇ ਕੰਮ ਕਰਦੇ ਹਨ। ਅਸੀਂ ਆਪਣਾ ਪਹਿਲਾ multi-agentic workflow ਦੋ ਘੰਟਿਆਂ ਤੋਂ ਘੱਟ ਸਮੇਂ ਵਿੱਚ ਬਣਾਇਆ ਅਤੇ ਚਲਾਇਆ, ਜਿਸ ਨਾਲ ਏਜੰਟ ਬਣਾਉਣ ਅਤੇ deploy ਕਰਨ ਦਾ ਸਮਾਂ ਕਾਫ਼ੀ ਤੇਜ਼ ਹੋ ਗਿਆ।”
ਅਸੀਂ enterprises ਲਈ ਇੱਕ Connector Registry ਵੀ ਲਾਂਚ ਕਰ ਰਹੇ ਹਾਂ, ਤਾਂ ਜੋ ਕਈ ਵਰਕਸਪੇਸਾਂ ਅਤੇ organizations ਵਿੱਚ data ਦਾ governance ਅਤੇ maintenance ਕੀਤਾ ਜਾ ਸਕੇ। Connector Registry(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ChatGPT ਅਤੇ API ਵਿੱਚ data sources ਨੂੰ ਇੱਕੋ admin panel ਵਿੱਚ ਇਕੱਠਾ ਕਰਦਾ ਹੈ। registry ਵਿੱਚ Dropbox, Google Drive, Sharepoint, ਅਤੇ Microsoft Teams ਵਰਗੇ ਸਾਰੇ pre-built connectors ਦੇ ਨਾਲ third-party MCPs ਵੀ ਸ਼ਾਮਲ ਹਨ.
Developers Agent Builder ਵਿੱਚ Guardrails(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਵੀ enable ਕਰ ਸਕਦੇ ਹਨ—ਇੱਕ open-source, modular safety layer ਜੋ ਏਜੰਟਾਂ ਨੂੰ ਅਣਚਾਹੇ ਜਾਂ malicious behavior ਤੋਂ ਬਚਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਦੀ ਹੈ। Guardrails PII ਨੂੰ mask ਜਾਂ flag ਕਰ ਸਕਦੇ ਹਨ, jailbreaks ਨੂੰ detect ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ ਹੋਰ safeguards ਲਾਗੂ ਕਰ ਸਕਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਭਰੋਸੇਯੋਗ ਅਤੇ ਸੁਰੱਖਿਅਤ ਏਜੰਟ ਬਣਾਉਣਾ ਅਤੇ deploy ਕਰਨਾ ਆਸਾਨ ਹੁੰਦਾ ਹੈ। Guardrails ਨੂੰ standalone ਜਾਂ Python(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਅਤੇ JavaScript(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਲਈ guardrails library ਰਾਹੀਂ deploy ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ.
ਏਜੰਟਾਂ ਲਈ chat UIs deploy ਕਰਨਾ ਹੈਰਾਨੀਜਨਕ ਤੌਰ ‘ਤੇ ਜਟਿਲ ਹੋ ਸਕਦਾ ਹੈ—streaming responses ਸੰਭਾਲਣਾ, threads manage ਕਰਨਾ, ਮਾਡਲ ਦੀ thinking ਦਿਖਾਉਣਾ, ਅਤੇ engaging in-chat experiences ਡਿਜ਼ਾਇਨ ਕਰਨਾ। ChatKit(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) chat-based ਏਜੰਟਾਂ ਨੂੰ embed ਕਰਨਾ ਆਸਾਨ ਬਣਾਉਂਦਾ ਹੈ ਜੋ ਤੁਹਾਡੇ product ਦਾ ਹੀ ਹਿੱਸਾ ਲੱਗਦੇ ਹਨ। ਇਸਨੂੰ apps ਜਾਂ websites ਵਿੱਚ embed ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਤੁਹਾਡੀ theme ਜਾਂ brand ਦੇ ਮੁਤਾਬਕ customize ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ.
“ਅਸੀਂ ChatKit ਨਾਲ ਆਪਣੀ Canva Developers community ਲਈ support agent ਬਣਾਉਣ ਵਿੱਚ ਦੋ ਹਫ਼ਤਿਆਂ ਤੋਂ ਵੱਧ ਸਮਾਂ ਬਚਾਇਆ, ਅਤੇ ਇਸਨੂੰ ਇੱਕ ਘੰਟੇ ਤੋਂ ਘੱਟ ਵਿੱਚ integrate ਕਰ ਦਿੱਤਾ। ਇਹ support agent developers ਦੇ ਸਾਡੇ docs ਨਾਲ ਜੁੜਨ ਦੇ ਢੰਗ ਨੂੰ ਬਦਲ ਦੇਵੇਗਾ, ਇਸਨੂੰ conversational experience ਵਿੱਚ ਬਦਲ ਕੇ Canva ‘ਤੇ apps ਅਤੇ integrations ਬਣਾਉਣਾ ਆਸਾਨ ਕਰੇਗਾ।”
ChatKit ਪਹਿਲਾਂ ਹੀ ਕਈ use cases ਨੂੰ power ਕਰਦਾ ਹੈ, ਅੰਦਰੂਨੀ knowledge assistants ਅਤੇ onboarding guides ਤੋਂ ਲੈ ਕੇ customer support ਅਤੇ research agents ਤੱਕ। HubSpot(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਦਾ customer support agent ਇਸਦਾ ਇੱਕ ਉਦਾਹਰਨ ਹੈ:
ਭਰੋਸੇਯੋਗ, production-ready ਏਜੰਟ ਬਣਾਉਣ ਲਈ ਕੜੇ performance evaluations ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਪਿਛਲੇ ਸਾਲ, ਅਸੀਂ Evals(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਲਾਂਚ ਕੀਤਾ ਸੀ ਤਾਂ ਜੋ developers ਪ੍ਰੌੰਪਟ ਟੈਸਟ ਕਰ ਸਕਣ ਅਤੇ ਮਾਡਲ ਦੇ behavior ਨੂੰ ਮਾਪ ਸਕਣ। ਹੁਣ ਅਸੀਂ ਚਾਰ ਨਵੀਆਂ capabilities ਸ਼ਾਮਲ ਕਰ ਰਹੇ ਹਾਂ, ਜੋ evals ਬਣਾਉਣਾ ਹੋਰ ਵੀ ਆਸਾਨ ਕਰਦੀਆਂ ਹਨ:
- Datasets–scratch ਤੋਂ agent evals ਤੇਜ਼ੀ ਨਾਲ ਬਣਾਓ ਅਤੇ automated graders ਅਤੇ human annotations ਨਾਲ ਸਮੇਂ ਦੇ ਨਾਲ ਉਹਨਾਂ ਨੂੰ ਵਧਾਓ.
- Trace grading–agentic workflows ਦੇ end-to-end assessments ਚਲਾਓ ਅਤੇ shortcomings ਪਤਾ ਕਰਨ ਲਈ grading ਨੂੰ automate ਕਰੋ.
- Automated prompt optimization–human annotations ਅਤੇ grader outputs ਦੇ ਆਧਾਰ ‘ਤੇ ਸੁਧਰੇ ਹੋਏ ਪ੍ਰੌੰਪਟ ਬਣਾਓ.
- Third-party model support–OpenAI Evals platform ਦੇ ਅੰਦਰ ਹੋਰ providers ਦੇ ਮਾਡਲਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰੋ.
ਅਸੀਂ ਪਹਿਲਾਂ ਹੀ Evals ਵਰਤਣ ਵਾਲੇ customers ਤੋਂ ਵੱਡੇ performance gains ਦੇਖੇ ਹਨ.
“ਮੁਲਾਂਕਣ platform ਨੇ ਸਾਡੇ multi-agent due diligence framework ‘ਤੇ development time ਨੂੰ 50% ਤੋਂ ਵੱਧ ਘਟਾਇਆ, ਅਤੇ ਏਜੰਟ ਦੀ accuracy 30% ਵਧਾਈ।”
Reinforcement fine-tuning(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) (RFT) developers ਨੂੰ ਸਾਡੇ ਰੀਜ਼ਨਿੰਗ ਮਾਡਲਾਂ ਨੂੰ customize ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ। ਇਹ OpenAI o4-mini ‘ਤੇ ਆਮ ਤੌਰ ‘ਤੇ ਉਪਲਬਧ ਹੈ ਅਤੇ GPT‑5 ਲਈ private beta ਵਿੱਚ ਹੈ। ਅਸੀਂ GPT‑5 ਲਈ RFT ਨੂੰ ਵਿਆਪਕ release ਤੋਂ ਪਹਿਲਾਂ ਸੁਧਾਰਣ ਲਈ ਦਰਜਨਾਂ customers ਨਾਲ ਨੇੜੇ ਕੰਮ ਕਰ ਰਹੇ ਹਾਂ.
ਅੱਜ, ਅਸੀਂ ਉਸ RFT beta ਵਿੱਚ ਦੋ ਨਵੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਪੇਸ਼ ਕਰ ਰਹੇ ਹਾਂ ਜੋ agent performance ਨੂੰ ਹੋਰ ਵੀ ਅੱਗੇ ਵਧਾਉਣ ਲਈ ਡਿਜ਼ਾਇਨ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ:
- Custom tool calls–ਮਾਡਲਾਂ ਨੂੰ ਸਹੀ ਸਮੇਂ ‘ਤੇ ਸਹੀ tools call ਕਰਨ ਲਈ train ਕਰੋ ਤਾਂ ਜੋ ਰੀਜ਼ਨਿੰਗ ਬਿਹਤਰ ਹੋਵੇ
- Custom graders–ਤੁਹਾਡੇ use case ਵਿੱਚ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਚੀਜ਼ਾਂ ਲਈ custom evaluation criteria ਸੈੱਟ ਕਰੋ
ਅੱਜ ਤੋਂ, ChatKit ਅਤੇ ਨਵੀਆਂ Evals capabilities ਸਾਰੇ developers ਲਈ ਆਮ ਤੌਰ ‘ਤੇ ਉਪਲਬਧ ਹਨ। Agent Builder beta ਵਿੱਚ ਉਪਲਬਧ ਹੈ, ਅਤੇ Connector Registry ਕੁਝ API, ChatGPT Enterprise ਅਤੇ Edu customers ਲਈ Global Admin Console(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) (ਦੇ ਨਾਲ ਆਪਣਾ beta rollout ਸ਼ੁਰੂ ਕਰ ਰਿਹਾ ਹੈ, ਜਿੱਥੇ Global Owners domains, SSO, multiple API orgs manage ਕਰ ਸਕਦੇ ਹਨ। Connector Registry enable ਕਰਨ ਲਈ Global Admin console ਇੱਕ pre-requisite ਹੈ। ਇਹ ਸਾਰੇ tools standard API model pricing ਨਾਲ ਸ਼ਾਮਲ ਹਨ.
ਅਸੀਂ ਜਲਦੀ ਹੀ ChatGPT ਵਿੱਚ standalone Workflows API ਅਤੇ agent deployment options ਸ਼ਾਮਲ ਕਰਨ ਦੀ ਯੋਜਨਾ ਬਣਾਈ ਹੈ.
ਅਸੀਂ ਦੇਖਣ ਲਈ ਬੇਸਬਰ ਹਾਂ ਕਿ ਤੁਸੀਂ ਕੀ ਬਣਾਉਂਦੇ ਹੋ.
ਪੜ੍ਹਦੇ ਰਹੋ
