OpenAI AgentKit 教程与演示项目：构建一个 AI 代理

全新推出的 OpenAI AgentKit 是一套新工具包，允许开发者通过可视化工作流界面来设计、连接并部署 AI 代理。它集成了 Agent Builder、ChatKit，以及内置工具集成（如网页搜索、GitHub 和 MCP 服务器），助您从想法快速高效地走到可用代理。

在本指南中，我将带您动手搭建一个演示：它会自动扫描仓库、对未关闭的 Issue 进行分类、检测重复项，并将一切汇总成简明报告。您将按部就班地学到如何：

使用 Agent Builder 界面以可视化方式设计工作流。
配置两个协作的代理：一个用于获取并分析 GitHub Issue，另一个用于总结归纳。
通过 ChatKit 运行、测试并发布您的工作流，实现现实场景自动化。

完成后，您的 AgentKit 工作流将如下所示：

如果您还在熟悉 OpenAI，建议先查看我们的OpenAI 基础技能路径。

什么是 AgentKit？

AgentKit 是 OpenAI 最新的用于构建、部署和优化 AI 代理的框架。它旨在让您无需复杂的后端搭建，就能从原型走向生产。

AgentKit 的核心由两个关键组件构成：Agent Builder 和 ChatKit。

Agent Builder 是一个拖拽式可视化界面，让您无需写代码即可设计完整的 AI 工作流。您可以组合多个 Agent 节点（由 GPT 模型驱动），并按逻辑顺序连接起来。

每个代理都可拥有自己的指令、工具（如网页搜索、代码解释器或 API 调用）以及结构化输出模式，您可以将它们串联，构建多步骤自动化。Agent Builder 会自动处理节点间的上下文传递、模型调用和数据格式化，使复杂流程的原型搭建也变得轻松。

来源：ChatKit Playground

当您的工作流准备就绪，ChatKit 让它可以随处部署。它充当集成层，使您可以将工作流嵌入聊天界面、通过 API 暴露，或通过基于模式的配置来管理用户会话。

您甚至可以下载 SDK 自行托管，以便灵活掌控代理的运行方式。

AgentKit 还与Connector Registry 无缝集成，这是一个中心化枢纽，使管理员可以统一管理数据源与工具在 OpenAI 各产品间的连接方式。

借助该集成，您的代理可以安全访问企业资源，如 GitHub、Notion 或内部 API，而无需在代码中硬编码凭证或单独维护集成。

OpenAI AgentKit 演示：搭建一个 GitHub Issue 审查工作流

本节将演示如何使用 AgentKit 的 Agent Builder 构建一个自动化的 GitHub Issue 审查工作流。该工作流由两个互联代理组成：一个从 GitHub 仓库分析 Issue，另一个将结果汇总为简明报告。

其工作方式如下：

输入 GitHub 仓库 URL（例如：https://github.com/OWNER/REPO）。
GitHub 代理获取最新未关闭的 Issue，将其分类为 bug、feature 或 question，并生成搜索查询以识别潜在重复项。
它还会基于以往贡献者或评论者建议可能的受理人。
随后，Summary 代理接收该结构化 JSON 输出，生成可读的摘要，便于维护者立即采取行动。

最终，您将拥有一个功能完整的多代理工作流，将原始的 GitHub Issue 转化为可执行洞见。

步骤 1：设置 Agent Builder

前往AgentKit Playground，使用您的 OpenAI 账号登录或注册。登录后，您将进入可视化工作流编辑器，在这里可以轻松设计、连接并配置代理。

现在，让我们创建一个工作流开始动手。

步骤 2：创建工作流

在构建代理之前，我们需要先创建一个工作流，用于定义代理如何连接与交互。工作流充当不同节点（如输入、处理、输出）之间的控制流。

首先点击 + Create 创建一个新工作流，并将其命名为 GitHub Issue Assistant 之类的名称。创建后，您会看到一个带有 Start 节点的空白画布，它充当工作流中所有操作的入口。

画布准备就绪，现在我们可以开始添加并连接多个节点，构建工作流逻辑。

步骤 3：创建 GitHub 代理

此步骤中，我们将在 Start 节点旁添加一个 GitHub 代理节点，以处理用户输入的仓库链接。操作分 6 步：

1. 在侧边栏点击 Agent，在 Start 节点旁添加一个代理节点。

2. 双击该代理节点进入参数设置，将代理名称修改为“GitHub Agent”。

3. 将以下指令添加到指令框：

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.
技术支持

4. 在 Tools 选项卡下，点击 +，为该代理启用 Web Search 工具。

5. 最后，点击切换按钮，在 output format 选项卡中选择 JSON 作为结构化输出。将弹出类似 Excel 的窗口，按如下所示填写参数：

您可以点击 Generate，让 GPT 自动为您填充该模式。

6. 点击 Update 保存设置。

至此，我们的 GitHub 代理已准备好分析仓库并对其 Issue 进行分类。

步骤 4：创建摘要代理

接下来，让我们把 GitHub 代理生成的内容汇总成一份报告。为此，我们设置一个摘要代理，接收上一个节点的 JSON 输出，并返回文本摘要作为输出。

在侧边栏点击 Agent，在 Start 节点旁添加一个代理节点。
双击该代理节点进入参数设置，将代理名称修改为“Summary Agent”。
将以下指令添加到指令选项卡：

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.技术支持