Apa Itu OpenAI AgentKit

OpenAI AgentKit adalah kumpulan alat untuk membangun, menerapkan, dan mengukur agen AI di platform OpenAI. Jika Anda pernah menyusun agen secara manual, mengelola kode orkestrasi, konektor, dan skrip evaluasi, AgentKit adalah jawaban OpenAI untuk fragmentasi tersebut. Ada poin penting di tahun 2026 yang perlu Anda ketahui sebelum berkomitmen, jadi panduan ini akan membahas apa saja yang termasuk dalam AgentKit, untuk siapa, alur pembangunan tingkat tinggi, dan di mana alat pengujian API seperti Apidog cocok saat agen Anda mulai memanggil layanan eksternal.

tombol

Apa Itu AgentKit

OpenAI memperkenalkan AgentKit di DevDay pada 6 Oktober 2025. Itu bukan produk tunggal. Itu adalah serangkaian komponen yang berada di atas OpenAI API yang sudah ada dan OpenAI Agents SDK, yang bertujuan untuk memperkecil kesenjangan antara “Saya punya ide agen” dan “Saya punya agen yang berjalan di depan pengguna.”

Sebelum AgentKit, membangun agen biasanya berarti menyatukan logika orkestrasi tanpa versioning, konektor kustom untuk setiap sumber data, pipeline evaluasi yang dibuat manual, penyesuaian prompt manual, dan cukup banyak pekerjaan frontend sebelum sesuatu diluncurkan. AgentKit mengemas solusi untuk masalah-masalah tersebut di bawah satu payung.

Satu hal yang perlu dicatat di awal, karena ini mengubah cara Anda harus memperlakukan ini: pada 3 Juni 2026, OpenAI mengumumkan akan menghentikan dua bagian dari AgentKit, yaitu Agent Builder dan Evals. Detail lebih lanjut mengenai tanggal akan dibahas di bawah. Intinya adalah jalur yang tahan lama dan berbasis kode melalui AgentKit adalah Agents SDK, dan itulah yang harus Anda gunakan jika ingin membangun sesuatu yang bertahan lama.

Bagian-bagian dari AgentKit

AgentKit diluncurkan sebagai empat komponen utama. Berikut adalah fungsi masing-masing dan statusnya saat ini.

Agent Builder

Agent Builder adalah kanvas visual untuk merancang alur kerja agen multi-langkah. Anda menarik dan meletakkan node untuk setiap langkah, menghubungkannya menjadi sebuah alur, melihat pratinjau jalankan terhadap input nyata, dan menerbitkan snapshot alur kerja yang sudah diberi versi. Ini adalah titik masuk "tanpa halaman kosong", dengan templat untuk memulai.

Detail yang berguna bagi pengembang: Agent Builder bukanlah jalan buntu dari kode. Ini memiliki tab Agents SDK yang mengekspor alur kerja Anda sebagai Python atau TypeScript yang dapat dijalankan, sehingga Anda dapat mengambil desain visual dan memperluasnya di lingkungan Anda sendiri.

Status penting di sini. OpenAI menghentikan Agent Builder, dengan tanggal penutupan platform pada 30 November 2026, sesuai halaman depresiasi-nya. Jika Anda memulai dari awal hari ini, perlakukan kanvas visual sebagai alat prototipe dan rencanakan untuk berakhir di kode SDK.

ChatKit

ChatKit adalah antarmuka obrolan yang dapat disematkan untuk menempatkan agen Anda di hadapan pengguna. Daripada membangun UI obrolan dari awal, Anda cukup memasukkan komponen web, mengarahkannya ke ID alur kerja yang telah diterbitkan, dan menyesuaikan tema serta perilakunya. Ini menangani respons streaming, utas, dan fungsionalitas obrolan standar.

ChatKit tetap tersedia dan merupakan cara yang direkomendasikan untuk menerapkan pengalaman agen berbasis obrolan. Ini adalah bagian dari AgentKit yang paling sedikit terpengaruh oleh perubahan tahun 2026.

Connector Registry

Connector Registry adalah tempat yang menghadap admin untuk mengelola bagaimana data dan alat terhubung di seluruh produk OpenAI, meliputi ChatGPT dan API. Ini mengkonsolidasikan konektor bawaan (seperti Dropbox, Google Drive, SharePoint, Microsoft Teams) dan server MCP pihak ketiga ke dalam satu panel, sehingga seorang admin mengontrol apa yang dapat dijangkau oleh agen.

Jika Anda ingin memahami sisi MCP dari gambaran tersebut, panduan kami tentang server MCP dan OpenAI Agents SDK membahas bagaimana agen memanggil alat melalui Model Context Protocol.

Evals dan optimasi

Fitur Evals menambahkan kumpulan data, penilaian jejak (scoring setiap langkah dari eksekusi multi-agen), optimasi prompt otomatis, dan kemampuan untuk menilai terhadap model pihak ketiga, tidak hanya milik OpenAI. Tujuannya adalah untuk mengukur kualitas agen dan menyesuaikan prompt tanpa membangun alat evaluasi Anda sendiri.

Seperti Agent Builder, Evals sedang dihentikan. Ini akan menjadi hanya-baca untuk pengguna yang sudah ada pada 31 Oktober 2026 dan ditutup pada 30 November 2026.Bagaimana AgentKit berhubungan dengan Agents SDK

Ini adalah bagian yang patut dipahami dengan jelas, karena ini menentukan dasar pembangunan Anda.

Agents SDK adalah kerangka kerja tingkat kode. Di sinilah Anda mendefinisikan agen, alat, serah terima, dan pembatas dalam Python atau TypeScript. Agent Builder dari AgentKit berada di atasnya sebagai lapisan visual yang menghasilkan kode SDK. ChatKit berada di sampingnya sebagai permukaan penerapan.

Panduan migrasi OpenAI jelas: untuk alur kerja yang seharusnya berupa kode, pindah ke Agents SDK. Untuk kasus penggunaan bahasa alami yang tidak memerlukan kode, gunakan Workspace Agents di ChatGPT. Jika Anda membaca ini untuk memutuskan di mana berinvestasi, Agents SDK adalah jawabannya bagi tim rekayasa.

Untuk Siapa AgentKit

AgentKit menargetkan beberapa kelompok. Tim produk yang ingin meluncurkan agen dengan cepat tanpa menulis kode orkestrasi mengandalkan Agent Builder dan ChatKit. Perusahaan yang membutuhkan akses terkelola ke data internal menggunakan Connector Registry. Tim rekayasa yang menginginkan kontrol penuh langsung menggunakan Agents SDK dan memanfaatkan Evals untuk mengukur kualitas.

Mengingat depresiasi yang ada, pemahaman paling jelas untuk tahun 2026 adalah ini: jika Anda seorang insinyur yang membangun sesuatu untuk dipertahankan, mulailah dengan Agents SDK. Jika Anda melakukan prototipe dan ingin mendapatkan keunggulan visual sebelum kanvas dihilangkan, Agent Builder masih mengekspor kode yang dapat digunakan.

Alur pembangunan tingkat tinggi

Baik Anda memulai secara visual atau dengan kode, bentuk pembangunan agen serupa. Berikut adalah alur yang diikuti sebagian besar tim.

1. Definisikan tugas agen. Tujuan apa yang dikejar, dan alat apa yang dibutuhkan? Alat biasanya adalah panggilan API eksternal: titik akhir pencarian, pencarian CRM, mikroserevis internal.
2. Susun alur kerja. Di Agent Builder Anda menyeret node; di Agents SDK Anda mendefinisikan agen dan melampirkan alat serta serah terima dalam kode.
3. Tambahkan pembatas. OpenAI menyediakan lapisan pembatas modular open-source yang dapat menutupi atau menandai PII, mendeteksi upaya jailbreak, dan menerapkan pemeriksaan lainnya. Anda dapat menggunakannya sebagai node alur kerja atau sebagai pustaka mandiri.
4. Hubungkan data dan alat. Melalui Connector Registry atau dengan mendaftarkan server MCP dan alat fungsi yang dapat dipanggil agen.
5. Uji dan evaluasi. Jalankan agen terhadap input nyata, nilai jejak, dan sesuaikan prompt.
6. Sebarkan. Sematkan melalui ChatKit dengan ID alur kerja yang diterbitkan, atau jalankan kode Agents SDK yang Anda ekspor di infrastruktur Anda sendiri.

Langkah 4 dan langkah 5 adalah tempat sebagian besar masalah dunia nyata berada, dan di mana pengujian API menunjukkan nilainya.

Contoh realistis: alat yang dipanggil agen Anda

Sebuah agen hanya sebagus alat yang dapat dipanggilnya, dan alat-alat tersebut hampir selalu berupa HTTP API. Ketika Anda mendaftarkan alat fungsi dengan Agents SDK, Anda mendeskripsikannya dengan skema JSON agar model tahu kapan dan bagaimana memanggilnya. Alat yang mengambil pesanan terbaru pelanggan mungkin didefinisikan seperti ini:

{
  "type": "function",
  "name": "get_recent_orders",
  "description": "Look up a customer's recent orders by customer ID.",
  "parameters": {
    "type": "object",
    "properties": {
      "customer_id": {
        "type": "string",
        "description": "The customer's unique identifier"
      },
      "limit": {
        "type": "integer",
        "description": "How many orders to return",
        "default": 5
      }
    },
    "required": ["customer_id"],
    "additionalProperties": false
  }
}

Ketika model memutuskan untuk memanggil get_recent_orders, kode Anda menerima argumen, membuat permintaan nyata ke API pesanan Anda, dan mengembalikan hasilnya ke agen. Permintaan tersebut mungkin terlihat seperti ini:

curl https://api.your-company.com/v1/customers/cus_8842/orders?limit=5 \
  -H "Authorization: Bearer $ORDERS_API_KEY" \
  -H "Content-Type: application/json"

Ini masalahnya. Perilaku agen sepenuhnya bergantung pada apa yang dikembalikan oleh API tersebut. Jika API pesanan lambat, mati, atau mengembalikan bentuk yang tidak diharapkan model, penalaran agen akan menyimpang. Dan selama pengembangan, API pesanan mungkin belum ada, atau Anda mungkin tidak ingin membebani produksi dengan uji coba. Di sinilah Apidog berperan.

Di mana pengujian dan mocking API berperan

Apidog bukanlah kerangka kerja agen, dan tidak membangun agen. AgentKit dan Agents SDK yang melakukan itu. Apa yang Apidog lakukan adalah lapisan di bawahnya: ia menguji, melakukan mock, dan mendokumentasikan API serta alat yang dipanggil agen Anda. Tiga pekerjaan konkret yang muncul terus-menerus adalah:

Pertama, mock API eksternal sebelum siap digunakan. Jika agen Anda perlu memanggil layanan pesanan yang belum diselesaikan oleh tim backend, Anda dapat menyiapkan mock API yang mengembalikan respons realistis sesuai dengan skema yang disepakati. Agen Anda dikembangkan berdasarkan kontrak yang stabil alih-alih menunggu backend, dan Anda dapat mengontrol kasus-kasus khusus, hasil kosong, kesalahan, respons lambat, sesuai permintaan.

Kedua, pastikan setiap alat mengembalikan apa yang diharapkan agen. Panggilan alat yang mengembalikan status 200 dengan nama bidang yang salah lebih buruk daripada kegagalan total, karena model akan mencoba bernalar berdasarkan data sampah. Dengan menulis kasus uji API yang memvalidasi kode status, bentuk respons, dan nilai bidang tertentu, Anda menangkap penyimpangan kontrak pada setiap titik akhir yang disentuh agen Anda sebelum mencapai model.

Ketiga, kelola kunci lingkungan dan URL dasar di seluruh lingkungan pengembangan, staging, dan produksi. Alat agen membawa rahasia seperti $ORDERS_API_KEY. Menyimpan ini dalam variabel lingkungan dan menukarnya per lingkungan, tanpa menempelkan kunci ke dalam kode, adalah jenis hal yang ditangani platform API dengan bersih. Anda dapat mengunduh Apidog dan menarik titik akhir alat Anda ke dalam proyek untuk mengujinya secara terisolasi, jauh dari runtime agen.

Jika Anda ingin panduan terfokus tentang memperlakukan panggilan alat agen sebagai API yang dapat diuji, kami telah menuliskannya di cara menguji panggilan alat agen AI. Versi singkatnya: setiap alat yang dipanggil agen Anda adalah API, dan API layak untuk diuji.

Pertanyaan yang Sering Diajukan

Apakah OpenAI AgentKit gratis?

Perkakas AgentKit berada di atas penggunaan OpenAI API Anda, jadi Anda membayar untuk token model yang mendasarinya dan setiap panggilan alat yang dilakukan agen. Tidak ada item langganan AgentKit terpisah; biayanya adalah penggunaan model dan API yang dihasilkan agen Anda. Selalu periksa harga terkini di platform OpenAI, karena tarif model dapat berubah.

Apa Perbedaan antara AgentKit dan Agents SDK?

Agents SDK adalah kerangka kerja kode untuk mendefinisikan agen, alat, dan pembatas. AgentKit adalah bundel yang lebih luas yang mencakup Agent Builder visual, ChatKit, Connector Registry, dan Evals di atas SDK tersebut. Dengan Agent Builder dan Evals yang akan dihentikan pada akhir 2026, Agents SDK adalah jalur yang tahan lama dan berbasis kode. Panduan Agents SDK kami membahasnya secara menyeluruh.

Apakah Agent Builder akan dihentikan?

Ya. OpenAI mengumumkan pada 3 Juni 2026 bahwa mereka akan menghentikan Agent Builder dan platform Evals. Keduanya akan ditutup pada 30 November 2026, dan Evals akan menjadi hanya-baca pada 31 Oktober 2026. ChatKit tetap tersedia, dan OpenAI merekomendasikan untuk memindahkan alur kerja berbasis kode ke Agents SDK dan alur kerja berbasis bahasa alami ke Workspace Agents di ChatGPT.

Bisakah saya menguji API yang dipanggil oleh agen AgentKit saya?

Ya, dan Anda harus melakukannya. Setiap alat yang dipanggil agen adalah API HTTP dengan permintaan dan respons. Anda dapat melakukan mock API tersebut saat masih dalam tahap pembangunan, memastikan responsnya sesuai dengan skema yang diharapkan agen Anda, dan mengelola kunci yang dibutuhkan setiap API. Platform seperti Apidog menangani ketiganya sehingga alat agen Anda berperilaku dapat diprediksi sebelum mencapai pengguna nyata.

Kesimpulan

AgentKit memberikan jalur yang lebih cepat bagi pengembang OpenAI untuk membangun agen: kanvas visual di Agent Builder, UI yang dapat disematkan di ChatKit, konektor yang diatur di Connector Registry, dan pengukuran melalui Evals. Menjelang akhir 2026, Agent Builder dan Evals akan dihentikan, jadi taruhan yang bertahan lama bagi tim rekayasa adalah Agents SDK, bersama dengan ChatKit dan Connector Registry.

Jalur mana pun yang Anda pilih, keandalan agen Anda bergantung pada API yang dipanggilnya. Mock API tersebut sejak awal, pastikan responsnya, dan jaga agar kunci Anda tetap terorganisir. Apidog memberi Anda satu tempat untuk menguji dan melakukan mock setiap titik akhir alat yang diandalkan agen Anda, sehingga integrasi tetap berfungsi saat agen membebani mereka.

tombol