Operai ha lanzado AgentKit, una plataforma cohesiva que empaqueta a un agente visual Builder, una interfaz de usuario de chatkit integrable, y amplió Evals en un solo flujo de trabajo para enviar agentes de producción. El lanzamiento incluye Agent Builder en Beta y el resto generalmente disponible.
¿Qué hay de nuevo?
Agente constructor (beta). Un lienzo visual para componer flujos de trabajo de múltiples pasos y múltiples agentes con nodos de arrastrar y soltar, conectores, barandas por nodo, ejecuciones previas, configuración de evaluación en línea y versiones completas. Los equipos pueden comenzar con plantillas o un lienzo en blanco; Las respuestas de la ejecución de los poderes de la API. OpenAI destaca el uso interno y de los clientes para comprimir los ciclos de iteración cuando se mueve del prototipo a la producción.
Agentes SDK. Una alternativa de código de código al lienzo con bibliotecas de tipo seguro en nodo, python y Go. Operai posiciona el SDK como una más rápido para integrar que la orquestación manual de inmediato y la toalla mientras comparte el mismo sustrato de ejecución (API de respuestas).
Chatkit (ga). Una interfaz de chat de la marca y la marca para implementar experiencias de agente en la web o en las aplicaciones. Maneja la transmisión, los hilos y la UI “pensamiento”; La página de marketing muestra a las organizaciones que lo usan para apoyo y asistentes internos.
Herramientas y conectores incorporados. Los flujos de trabajo del agente pueden llamar a la búsqueda web, la búsqueda de archivos, la generación de imágenes, el intérprete de código, el “uso de la computadora” y los conectores externos, incluidos los servidores del protocolo del contexto del modelo (MCP), reduciendo el código de pegamento para tareas comunes.
Registro del conector (beta). Gobierno de administración centralizado en ChatGPT y la API para fuentes de datos como Dropbox, Google Drive, SharePoint, Microsoft Teams y MCP de terceros. El despliegue comienza para los clientes con la consola de administración global.
Evals (GA) y optimización. Las nuevas capacidades incluyen conjuntos de datos, clasificación de rastreo para evaluación de flujo de trabajo de extremo a extremo, optimización de inmediato automatizada y evaluación del modelo de terceros. Operai enfatiza la medición continua para aumentar la precisión de la tarea.
Precios y disponibilidad. Chatkit de los estados de Openai y las nuevas características de Evals son GA; Agent Builder es Beta. Todos se incluyen bajo el precio del modelo de API estándar (es decir, el uso del modelo/uso de modelos en lugar de SKU separados).
¿Cómo encajan las piezas en el rompecabezas?
Diseño: use el constructor de agentes para ensamblar visualmente agentes y barandillas, o escriba agentes con el SDK de los agentes contra la API de respuestas. Implementar: Incrícese con Chatkit para ofrecer una superficie de chat de producción sin construir una interfaz desde cero. Optimizar: instrumento con evals (conjuntos de datos, clasificación de rastreo, grado de grado) e iterador de indicaciones basadas en trazas graduadas.
¿Cómo se incluye la seguridad?
OpenAI’s Lanzing Materials Pare Agent Builder con barandas (de código abierto, modular) que pueden detectar jailbreaks, máscara/bandera PII y hacer cumplir las políticas en el límite de nodo/herramienta. Los administradores gobiernan las conexiones y los datos fluyen a través del registro del conector que abarca CHATGPT y la API.
Es una pila consolidada: Agentkit empaqueta un constructor de agentes visuales para flujos de trabajo basados en gráficos, una interfaz de usuario de chatkit integrable y un SDK de agentes que se encuentra encima de la API de respuestas; Esto reduce la orquestación a medida y el trabajo frontend mientras mantiene la evaluación en el circuito a través de conjuntos de datos y clasificación de trazas. Nuestra evaluación: el valor es operativo: los gráficos de nodos versionados, las herramientas incorporadas (búsqueda en la web/archivos, uso de la computadora), el gobierno de los conector y los ganchos de evaluación estandarizados son preocupaciones de producción que previamente requerían una infraestructura personalizada.
Michal Sutter es un profesional de la ciencia de datos con una Maestría en Ciencias en Ciencias de Datos de la Universidad de Padova. Con una base sólida en análisis estadístico, aprendizaje automático e ingeniería de datos, Michal se destaca por transformar conjuntos de datos complejos en ideas procesables.
🙌 Siga a MarkTechPost: agrégenos como una fuente preferida en Google.