O que é OpenAI AgentKit?

OpenAI AgentKit é um conjunto de ferramentas para construir, implantar e medir agentes de IA na plataforma da OpenAI. Se você já configurou um agente manualmente, gerenciando código de orquestração, conectores e scripts de avaliação, o AgentKit foi a resposta da OpenAI para essa fragmentação. Há uma ressalva importante em 2026 que você precisa saber antes de se comprometer, então este guia aborda o que o AgentKit inclui, para quem ele é, um fluxo de construção de alto nível e onde ferramentas de teste de API como o Apidog se encaixam quando seu agente começa a chamar serviços externos.

O que é o AgentKit

A OpenAI introduziu o AgentKit no DevDay em 6 de outubro de 2025. Não era um produto único. Era um conjunto de peças que se sobrepõem à API existente da OpenAI e ao OpenAI Agents SDK, com o objetivo de diminuir a lacuna entre "tenho uma ideia de agente" e "tenho um agente funcionando para os usuários".

Antes do AgentKit, construir um agente geralmente significava juntar lógica de orquestração sem controle de versão, conectores personalizados para cada fonte de dados, pipelines de avaliação feitos à mão, ajuste manual de prompts e uma boa quantidade de trabalho de frontend antes que algo fosse lançado. O AgentKit empacotou soluções para esses problemas sob um único guarda-chuva.

Uma coisa a destacar de antemão, porque muda a forma como você deve tratar isso: em 3 de junho de 2026, a OpenAI anunciou que está descontinuando duas partes do AgentKit, o Agent Builder e o Evals. Mais sobre as datas abaixo. A conclusão é que o caminho duradouro e com foco em código através do AgentKit é o Agents SDK, e é nisso que você deve construir se quiser algo que dure.

As peças do AgentKit

O AgentKit foi lançado como quatro componentes principais. Aqui está o que cada um faz e qual sua situação atual.

Agent Builder

O Agent Builder é uma tela visual para projetar fluxos de trabalho de agentes em várias etapas. Você arrasta e solta nós para cada etapa, conecta-os em um fluxo, visualiza execuções com base em entrada real e publica instantâneos versionados do fluxo de trabalho. É o ponto de entrada "sem página em branco", com modelos para começar.

Um detalhe útil para desenvolvedores: o Agent Builder não é um beco sem saída para quem quer ir além do código. Ele possui uma aba do Agents SDK que exporta seu fluxo de trabalho como Python ou TypeScript executável, para que você possa pegar o design visual e estendê-lo em seu próprio ambiente.

O status importa aqui. A OpenAI está descontinuando o Agent Builder, com uma data de encerramento da plataforma em 30 de novembro de 2026, de acordo com sua página de depreciações. Se você está começando do zero hoje, trate a tela visual como um auxílio de prototipagem e planeje migrar para o código do SDK.

ChatKit

O ChatKit é uma interface de chat incorporável para colocar seu agente na frente dos usuários. Em vez de construir uma UI de chat do zero, você insere um componente web, o aponta para um ID de fluxo de trabalho publicado e personaliza o tema e o comportamento. Ele lida com respostas de streaming, threads e o encanamento de chat usual.

O ChatKit permanece disponível e é a maneira recomendada de implantar uma experiência de agente baseada em chat. É a peça do AgentKit menos afetada pelas mudanças de 2026.

Registro de Conectores

O Registro de Conectores é um local voltado para administradores para gerenciar como dados e ferramentas se conectam entre os produtos da OpenAI, abrangendo o ChatGPT e a API. Ele consolida conectores pré-construídos (pense em Dropbox, Google Drive, SharePoint, Microsoft Teams) e servidores MCP de terceiros em um único painel, para que um administrador controle o que um agente pode acessar.

Se você quiser entender o lado MCP dessa imagem, nosso guia sobre servidores MCP e o OpenAI Agents SDK aborda como os agentes chamam ferramentas através do Protocolo de Contexto do Modelo.

Avaliações e otimização

Os recursos de Avaliações (Evals) adicionaram conjuntos de dados, avaliação de rastreamento (pontuação de cada etapa de uma execução multiagente), otimização automatizada de prompts e a capacidade de avaliar contra modelos de terceiros, não apenas os da OpenAI. O objetivo era medir a qualidade do agente e ajustar os prompts sem construir sua própria estrutura de avaliação.

Assim como o Agent Builder, o Evals está sendo descontinuado. Ele se tornará somente leitura para usuários existentes em 31 de outubro de 2026 e será desativado em 30 de novembro de 2026.

Como o AgentKit se relaciona com o Agents SDK

Esta é a parte que vale a pena entender, porque determina o que você vai construir.

O Agents SDK é o framework de nível de código. É onde você define agentes, ferramentas, handoffs e guardrails em Python ou TypeScript. O Agent Builder do AgentKit fica acima dele como uma camada visual que gera código SDK. O ChatKit fica ao lado dele como uma superfície de implantação.

A orientação de migração da OpenAI é direta: para fluxos de trabalho que devem viver como código, migre para o Agents SDK. Para casos de uso de linguagem natural que não precisam de código, use os Agentes de Workspace no ChatGPT. Se você está lendo isso para decidir onde investir, o Agents SDK é a resposta para equipes de engenharia.

Para quem é o AgentKit

O AgentKit tinha como alvo alguns grupos. Equipes de produto que queriam lançar um agente rapidamente sem escrever código de orquestração se apoiavam no Agent Builder e no ChatKit. Empresas que precisavam de acesso governado a dados internos usavam o Registro de Conectores. Equipes de engenharia que queriam controle total recorriam diretamente ao Agents SDK e usavam o Evals para medir a qualidade.

Considerando as depreciações, a leitura mais clara para 2026 é esta: se você é um engenheiro construindo algo para manter, comece com o Agents SDK. Se você está prototipando e quer uma vantagem visual antes que a tela desapareça, o Agent Builder ainda exporta código utilizável.

Um fluxo de construção de alto nível

Seja começando visualmente ou em código, a forma de construir um agente é semelhante. Aqui está o fluxo que a maioria das equipes segue.

1. Defina a tarefa do agente. Qual objetivo ele persegue e quais ferramentas ele precisa? As ferramentas são geralmente chamadas de API externas: um endpoint de pesquisa, uma consulta de CRM, um microsserviço interno.
2. Componha o fluxo de trabalho. No Agent Builder você arrasta nós; no Agents SDK você define agentes e anexa ferramentas e handoffs em código.
3. Adicione guardrails (barreiras de segurança). A OpenAI oferece uma camada de guardrails modular e de código aberto que pode mascarar ou sinalizar PII, detectar tentativas de "jailbreak" e aplicar outras verificações. Você pode usá-la como nós de fluxo de trabalho ou como uma biblioteca autônoma.
4. Conecte dados e ferramentas. Através do Registro de Conectores ou registrando servidores MCP e ferramentas de função que o agente pode chamar.
5. Teste e avalie. Execute o agente com entradas reais, avalie os rastros e ajuste os prompts.
6. Implante. Incorpore via ChatKit com um ID de fluxo de trabalho publicado, ou execute seu código Agents SDK exportado em sua própria infraestrutura.

As etapas 4 e 5 são onde reside a maior parte da dificuldade no mundo real, e onde o teste de API se mostra essencial.

Um exemplo realista: as ferramentas que seu agente chama

Um agente é tão bom quanto as ferramentas que ele pode chamar, e essas ferramentas são quase sempre APIs HTTP. Quando você registra uma ferramenta de função com o Agents SDK, você a descreve com um esquema JSON para que o modelo saiba quando e como chamá-la. Uma ferramenta que busca os pedidos recentes de um cliente pode ser definida assim:

{
  "type": "function",
  "name": "get_recent_orders",
  "description": "Busca os pedidos recentes de um cliente pelo ID do cliente.",
  "parameters": {
    "type": "object",
    "properties": {
      "customer_id": {
        "type": "string",
        "description": "O identificador único do cliente"
      },
      "limit": {
        "type": "integer",
        "description": "Quantos pedidos retornar",
        "default": 5
      }
    },
    "required": ["customer_id"],
    "additionalProperties": false
  }
}

Quando o modelo decide chamar get_recent_orders, seu código recebe os argumentos, faz uma requisição real à sua API de pedidos e retorna o resultado ao agente. Essa requisição pode se parecer com isto:

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

Aqui está o problema. O comportamento do agente depende inteiramente do que essa API retorna. Se a API de pedidos estiver lenta, inoperante ou retornar um formato que o modelo não esperava, o raciocínio do agente é prejudicado. E durante o desenvolvimento, a API de pedidos pode ainda não existir, ou você pode não querer sobrecarregar a produção com execuções de teste. Essa é a área onde o Apidog se encaixa.

Onde o teste e a simulação de API se encaixam

O Apidog não é um framework de agente e não constrói agentes. O AgentKit e o Agents SDK fazem isso. O que o Apidog faz é a camada subjacente: ele testa, simula e documenta as APIs e ferramentas que seu agente chama. Três tarefas concretas surgem constantemente.

Primeiro, simule as APIs externas antes que estejam prontas. Se seu agente precisa chamar um serviço de pedidos que a equipe de backend ainda não terminou, você pode criar uma API simulada que retorna respostas realistas correspondendo ao esquema acordado. Seu agente desenvolve contra um contrato estável em vez de esperar pelo backend, e você controla os casos de borda, resultados vazios, erros, respostas lentas, sob demanda.

Segundo, certifique-se de que cada ferramenta retorne o que o agente espera. Uma chamada de ferramenta que retorna um 200 com nomes de campo errados é pior do que uma falha total, porque o modelo tentará raciocinar sobre lixo. Ao escrever casos de teste de API que validam códigos de status, formato de resposta e valores de campo específicos, você detecta desvios de contrato em cada endpoint que seu agente toca antes que ele chegue ao modelo.

Terceiro, gerencie chaves de ambiente e URLs base em desenvolvimento, staging e produção. As ferramentas do agente carregam segredos como $ORDERS_API_KEY. Manter isso em variáveis de ambiente e trocá-las por ambiente, sem colar chaves no código, é exatamente o tipo de coisa que uma plataforma de API gerencia de forma limpa. Você pode baixar o Apidog e puxar seus endpoints de ferramentas para um projeto para testá-los isoladamente, longe do tempo de execução do agente.

Se você quiser um passo a passo focado em tratar as chamadas de ferramentas de um agente como APIs testáveis, escrevemos um em como testar as chamadas de ferramentas de um agente de IA. A versão curta: cada ferramenta que seu agente chama é uma API, e as APIs merecem testes.

Perguntas frequentes

O OpenAI AgentKit é gratuito?

As ferramentas do AgentKit se baseiam no uso da sua API OpenAI, então você paga pelos tokens do modelo subjacente e por quaisquer chamadas de ferramenta que o agente faça. Não há uma linha de assinatura separada para o AgentKit; o custo é o uso do modelo e da API que seu agente gera. Sempre verifique os preços atuais na plataforma da OpenAI, pois as taxas do modelo mudam.

Qual a diferença entre AgentKit e Agents SDK?

O Agents SDK é o framework de código para definir agentes, ferramentas e guardrails. O AgentKit é um pacote mais amplo que incluía o visual Agent Builder, ChatKit, o Registro de Conectores e Avaliações (Evals) além do SDK. Com o Agent Builder e o Evals sendo descontinuados no final de 2026, o Agents SDK é o caminho duradouro e com foco em código. Nosso guia do Agents SDK aborda isso de ponta a ponta.

O Agent Builder será descontinuado?

Sim. A OpenAI anunciou em 3 de junho de 2026 que está descontinuando o Agent Builder e a plataforma Evals. Ambos serão desativados em 30 de novembro de 2026, e o Evals se tornará somente leitura em 31 de outubro de 2026. O ChatKit permanece disponível, e a OpenAI recomenda migrar fluxos de trabalho com foco em código para o Agents SDK e os de linguagem natural para os Agentes de Workspace no ChatGPT.

Posso testar as APIs que meu agente AgentKit chama?

Sim, e você deve. Toda ferramenta que um agente chama é uma API HTTP com uma requisição e uma resposta. Você pode simular essas APIs enquanto ainda estão sendo construídas, verificar se suas respostas correspondem ao esquema que seu agente espera e gerenciar as chaves que cada uma delas precisa. Uma plataforma como o Apidog lida com os três para que as ferramentas do seu agente se comportem de forma previsível antes de chegar a um usuário real.

Conclusão

O AgentKit proporcionou aos desenvolvedores da OpenAI um caminho mais rápido para a construção de agentes: uma tela visual no Agent Builder, uma UI incorporável no ChatKit, conectores governados no Registro de Conectores e medição através do Evals. Indo para o final de 2026, o Agent Builder e o Evals estão sendo descontinuados, então a aposta duradoura para as equipes de engenharia é o Agents SDK, com o ChatKit e o Registro de Conectores ao lado dele.

Qualquer que seja o caminho que você escolha, a confiabilidade do seu agente depende das APIs que ele chama. Simule-as cedo, verifique suas respostas e mantenha suas chaves organizadas. O Apidog oferece um único lugar para testar e simular cada endpoint de ferramenta do qual seu agente depende, para que as integrações se mantenham firmes quando um agente as coloca sob carga.