OpenAI AgentKit-tutorial met demoproject: bouw een AI-agent

De nieuw geïntroduceerde OpenAI AgentKit is een nieuwe toolkit waarmee ontwikkelaars AI-agents kunnen ontwerpen, koppelen en deployen via een visuele workflow-interface. Het combineert de Agent Builder, ChatKit en ingebouwde toolintegraties (zoals webzoekopdrachten, GitHub en MCP-servers), zodat je snel en efficiënt van idee naar werkende agent gaat.

In deze gids neem ik je mee door een hands-on demo die automatisch repositories scant, open issues classificeert, duplicaten detecteert en alles samenvat in een beknopt rapport. Stap voor stap zie je hoe je:

• Een workflow visueel ontwerpt met de Agent Builder-interface.
• Twee samenwerkende agents configureert: één om GitHub-issues op te halen en te analyseren, en een andere om ze samen te vatten.
• Je workflow uitvoert, test en publiceert via ChatKit voor automatisering in de praktijk.

Aan het einde ziet je AgentKit-workflow er zo uit:

Als je nog niet helemaal vertrouwd bent met OpenAI, raad ik je aan onze OpenAI Fundamentals-skilltrack te bekijken. 

Wat is AgentKit?

AgentKit is OpenAI’s nieuwste framework voor het bouwen, deployen en optimaliseren van AI-agents. Het is ontworpen om je van prototype naar productie te brengen zonder complexe backend-setup.

In de kern draait AgentKit om twee belangrijke componenten: Agent Builder en ChatKit.

Agent Builder is een drag-and-drop visuele interface waarmee je complete AI-workflows kunt ontwerpen zonder code te schrijven. Je kunt meerdere Agent-nodes (aangestuurd door een GPT-model) combineren en in logische volgorde met elkaar verbinden. 

Elke agent kan eigen instructies, tools (zoals Web Search, Code Interpreter of API-calls) en gestructureerde outputschema’s hebben, die je kunt koppelen tot meerstapsautomatiseringen. Agent Builder handelt automatisch contextdoorgifte, modelaanroepen en gegevensopmaak tussen nodes af, waardoor je zelfs complexe pipelines eenvoudig kunt prototypen.

Bron: ChatKit Playground

Zodra je workflow klaar is, maakt ChatKit hem overal inzetbaar. Het fungeert als integratielaag waarmee je je workflow kunt inbedden in een chatinterface, via een API kunt aanbieden of gebruikerssessies kunt beheren via schema-gebaseerde configuratie. 

Je kunt zelfs de SDK downloaden en zelf hosten voor flexibiliteit en controle over hoe je agents draaien. 

AgentKit integreert ook naadloos met het Connector Registry: een centrale hub waarmee beheerders kunnen beheren hoe databronnen en tools koppelen binnen OpenAI-producten. 

Dankzij deze integratie kunnen je agents veilig toegang krijgen tot bedrijfsbronnen zoals GitHub, Notion of interne API’s, zonder inloggegevens hard te coderen of aparte integraties te beheren.

OpenAI AgentKit-demo: een GitHub Issue Review-workflow bouwen

In deze sectie laten we zien hoe je een geautomatiseerde GitHub Issue Review-workflow bouwt met de Agent Builder van AgentKit. Deze workflow combineert twee gekoppelde agents: één die issues uit een GitHub-repository analyseert en een andere die de resultaten samenvat tot een beknopt rapport.

Zo werkt het:

• Voer de GitHub-repository-URL in (bijv. https://github.com/OWNER/REPO).
• De GitHub Agent haalt de nieuwste open issues op, classificeert ze als bug, feature of vraag, en genereert zoekopdrachten om mogelijke duplicaten te vinden.
• Hij stelt ook mogelijke assignees voor op basis van eerdere bijdragers of reageerders.
• De Summary Agent neemt vervolgens deze gestructureerde JSON-output en maakt er een leesbare samenvatting van waar maintainers direct mee aan de slag kunnen.

Aan het eind heb je een volledig functionele workflow met meerdere agents die ruwe GitHub-issues omzet in bruikbare inzichten.

Stap 1: Stel de Agent Builder in

Ga naar de AgentKit Playground en log in of meld je aan met je OpenAI-account. Na inloggen kom je in de visuele workflow-editor, waar je agents kunt ontwerpen, verbinden en configureren in een gebruiksvriendelijke interface.

Laten we nu een workflow aanmaken om te beginnen.

Stap 2: Maak een workflow

Voordat we agents bouwen, hebben we eerst een workflow nodig die bepaalt hoe agents verbinden en samenwerken. Een workflow fungeert als de besturingsstroom tussen verschillende nodes, zoals input, verwerking en output.

Begin door te klikken op + Create om een nieuwe workflow te maken, en geef hem een naam zoals GitHub Issue Assistant. Na het aanmaken zie je een leeg canvas met een Start-node, die fungeert als het startpunt voor alle acties in je workflow.

Ons canvas is klaar en nu kunnen we meerdere nodes toevoegen en verbinden om de logica van de workflow op te bouwen.

Stap 3: Maak een GitHub-agent

In deze stap voegen we een GitHub Agent-node toe naast de Start -node om de door de gebruiker ingevoerde repositorylink te verwerken. Zo doe je dat in 6 eenvoudige stappen:

1. Klik in de zijbalk op Agent en voeg een agent-node toe naast de Start-node. 

2. Dubbelklik op de agent-node om de parameters te openen en wijzig de agentnaam in “GitHub Agent”.

3. Voeg de volgende instructies toe aan het instructievak:

You are a GitHub Issue Triage agent.
Input: a public GitHub repository URL (e.g., https://github.com/OWNER/REPO).
Task:
1) Find the repository and the 10–20 most recent *open* issues.
2) For each issue, produce:
   - `label`: one of ["bug","feature","question","chore","docs"]. Be strict.
   - `summary`: 1–2 sentences in plain English that restates the problem or request.
   - `duplicate_query`: a GitHub search string likely to find duplicates. Use:
       repo:OWNER/REPO is:issue (STATE OR KEYWORDS …)
     Prefer 2–4 high-signal tokens from the issue title/body; include synonyms.
   - `assignee_hints`: array of up to 3 GitHub usernames to consider assigning.
       Heuristics: past commit/file authors, most recent commenters with code
       context, codeowners, or frequent resolvers of similar issues.
   - `evidence`: an array of `{url, title}` for 1–3 canonical links
       (the issue URL itself is allowed; add one extra context link if useful).
   - `confidence`: 0–1 float confidence for your label.
3) If fewer than 3 issues are open, expand to the last 30 days including closed.
Constraints & quality bar:
- Do not invent usernames. Only output handles you can infer from the repo or issues.
- Prefer precise duplicate queries over long ones.
- Keep `summary` ≤ 280 chars.
- Include citations for any non-issue links you add.

4. Ga onder het tabblad Tools naar + en schakel de Web Search-tool in voor deze agent.

5. Klik tot slot op de toggle-knop bij het tabblad output format en selecteer JSON voor een gestructureerde output. Er opent een Excel-achtige pop-up. Vul daarin de volgende parameters in zoals weergegeven:

Je kunt op Generate klikken om GPT dit schema automatisch te laten invullen.

6. Klik op Update om de instellingen op te slaan.

Onze GitHub-agent is nu klaar om repositories te analyseren en hun issues te categoriseren.

Stap 4: Maak een samenvattingsagent

Laten we vervolgens alles wat je GitHub Agent produceert samenvatten in een rapport. Daarvoor zetten we een samenvattingsagent op die de JSON-output van de vorige node inneemt en als output een tekstuele samenvatting teruggeeft. 

1. Klik in de zijbalk op Agent en voeg een agent-node toe naast de startnode. 
2. Dubbelklik op de agent-node om de parameters te openen en wijzig de agentnaam in “Summary Agent”.
3. Voeg de volgende instructies toe aan het instructietabblad:

You are a Release Manager assistant.
You will receive the JSON produced by the previous GitHub Agent. Create a concise triage report that a maintainer can act on immediately.
Report format:
- Repo header with link.
- Triage table (or bullet list) grouped by label in the order: bug, feature, question, chore, docs.
  For each issue: #number, title (link), 1-line summary, confidence (0–1), and a clickable “Duplicates” GitHub search using duplicate_query.
- “Suggested assignees” section: aggregate the top usernames across all issues and list why they were suggested (e.g., “owns file X”, “fixed similar Y”).
- “Notable risks” section: 2–4 bullets calling out breaking risks or customer impact.
- Keep the whole report under 400 words.
Rules:
- Do not invent data not present in the JSON input.
- If error is set or the issues array is empty, output a short diagnostic instead.

4. Selecteer het uitvoerformaat Text.

Je Summary Agent genereert nu een ontwikkelaarsklare samenvatting, en je definitieve workflow ziet er zo uit:

Stap 5: Voorvertonen en publiceren

Om deze workflow uit te voeren, klik je op Preview en test je de workflow interactief.