OpenAI AgentKit คืออะไร

OpenAI AgentKit คือชุดเครื่องมือสำหรับการสร้าง การปรับใช้ และการวัดผล AI agent บนแพลตฟอร์มของ OpenAI หากคุณเคยสร้าง agent ด้วยตนเอง จัดการโค้ด orchestration, ตัวเชื่อมต่อ และสคริปต์การประเมินผล AgentKit คือคำตอบของ OpenAI สำหรับความกระจัดกระจายนั้น มีรายละเอียดสำคัญในปี 2026 ที่คุณต้องรู้ก่อนตัดสินใจ บทความนี้จะอธิบายว่า AgentKit มีอะไรบ้าง มีไว้สำหรับใคร ขั้นตอนการสร้างในระดับสูง และเครื่องมือทดสอบ API อย่าง Apidog เข้ามามีบทบาทอย่างไรเมื่อ agent ของคุณเริ่มเรียกใช้บริการภายนอก

AgentKit คืออะไร

OpenAI ได้เปิดตัว AgentKit ในงาน DevDay เมื่อวันที่ 6 ตุลาคม 2025 ซึ่งไม่ใช่ผลิตภัณฑ์เดี่ยว แต่เป็นชุดส่วนประกอบที่ทำงานบน OpenAI API ที่มีอยู่เดิมและ OpenAI Agents SDK โดยมีเป้าหมายเพื่อลดช่องว่างระหว่าง "ฉันมีไอเดีย agent" กับ "ฉันมี agent ที่ทำงานอยู่กับผู้ใช้แล้ว"

ก่อน AgentKit การสร้าง agent มักจะหมายถึงการเชื่อมต่อ logic การจัดการที่ไม่มีการกำหนดเวอร์ชัน, ตัวเชื่อมต่อแบบกำหนดเองสำหรับแหล่งข้อมูลทุกแหล่ง, pipeline การประเมินผลที่สร้างขึ้นเอง, การปรับแต่ง prompt ด้วยตนเอง และงาน front-end จำนวนมากก่อนที่จะสามารถใช้งานได้จริง AgentKit ได้รวมโซลูชั่นสำหรับปัญหาเหล่านี้ไว้ภายใต้ร่มเดียวกัน

มีสิ่งหนึ่งที่ต้องแจ้งให้ทราบล่วงหน้า เพราะมันจะเปลี่ยนวิธีที่คุณควรจัดการกับเรื่องนี้: ในวันที่ 3 มิถุนายน 2026 OpenAI ได้ประกาศว่าจะยุติการใช้งาน AgentKit สองส่วน ได้แก่ Agent Builder และ Evals รายละเอียดเพิ่มเติมเกี่ยวกับวันที่อยู่ด้านล่าง สิ่งสำคัญคือเส้นทางที่ยั่งยืนและเน้นโค้ดเป็นหลักผ่าน AgentKit คือ Agents SDK และนั่นคือสิ่งที่คุณควรสร้างหากคุณต้องการสิ่งที่คงทน

ส่วนประกอบของ AgentKit

AgentKit เปิดตัวพร้อมส่วนประกอบหลักสี่ส่วน นี่คือสิ่งที่แต่ละส่วนทำและสถานะปัจจุบัน

Agent Builder

Agent Builder คือพื้นที่ทำงานแบบภาพสำหรับออกแบบเวิร์กโฟลว์ agent แบบหลายขั้นตอน คุณสามารถลากและวางโหนดสำหรับแต่ละขั้นตอน เชื่อมต่อเข้าด้วยกันเป็นโฟลว์ ดูตัวอย่างการรันด้วยอินพุตจริง และเผยแพร่สแนปช็อตเวิร์กโฟลว์ที่มีการกำหนดเวอร์ชัน เป็นจุดเริ่มต้นแบบ "ไม่ต้องเริ่มจากหน้าว่าง" พร้อมเทมเพลตให้เลือกใช้

รายละเอียดที่เป็นประโยชน์สำหรับนักพัฒนา: Agent Builder ไม่ใช่ทางตันที่แยกออกจากโค้ด มันมีแท็บ Agents SDK ที่สามารถส่งออกเวิร์กโฟลว์ของคุณเป็นโค้ด Python หรือ TypeScript ที่รันได้ ดังนั้นคุณจึงสามารถนำการออกแบบแบบภาพไปขยายต่อในสภาพแวดล้อมของคุณเองได้

สถานะเป็นเรื่องสำคัญในที่นี้ OpenAI กำลังยกเลิก Agent Builder โดยมีกำหนดปิดแพลตฟอร์มในวันที่ 30 พฤศจิกายน 2026 ตาม หน้าประกาศการยุติการใช้งาน หากคุณกำลังเริ่มต้นใหม่ในวันนี้ ให้ถือว่าพื้นที่ทำงานแบบภาพเป็นเครื่องมือช่วยในการสร้างต้นแบบ และวางแผนที่จะใช้งานโค้ด SDK แทน

ChatKit

ChatKit คืออินเทอร์เฟซแชทที่สามารถฝังได้ สำหรับนำ agent ของคุณไปใช้งานกับผู้ใช้ แทนที่จะสร้าง UI แชทตั้งแต่เริ่มต้น คุณเพียงแค่ใส่คอมโพเนนต์เว็บ ชี้ไปยัง ID เวิร์กโฟลว์ที่เผยแพร่ และปรับแต่งธีมและพฤติกรรม มันจัดการกับการสตรีมการตอบกลับ, เธรด และกลไกแชททั่วไป

ChatKit ยังคงใช้งานได้และเป็นวิธีที่แนะนำในการปรับใช้ประสบการณ์ agent แบบแชท เป็นส่วนหนึ่งของ AgentKit ที่ได้รับผลกระทบน้อยที่สุดจากการเปลี่ยนแปลงในปี 2026

Connector Registry

Connector Registry คือพื้นที่สำหรับผู้ดูแลระบบในการจัดการวิธีการเชื่อมต่อข้อมูลและเครื่องมือในผลิตภัณฑ์ของ OpenAI ซึ่งครอบคลุมถึง ChatGPT และ API มันรวมตัวเชื่อมต่อสำเร็จรูป (เช่น Dropbox, Google Drive, SharePoint, Microsoft Teams) และเซิร์ฟเวอร์ MCP ของบุคคลที่สามไว้ในแผงเดียว ดังนั้นผู้ดูแลระบบจึงควบคุมได้ว่า agent สามารถเข้าถึงอะไรได้บ้าง

หากคุณต้องการทำความเข้าใจด้าน MCP ของภาพนี้ คู่มือของเราเกี่ยวกับ เซิร์ฟเวอร์ MCP และ OpenAI Agents SDK จะอธิบายว่า agent เรียกใช้เครื่องมือผ่าน Model Context Protocol ได้อย่างไร

Evals และการเพิ่มประสิทธิภาพ

คุณสมบัติ Evals ได้เพิ่มชุดข้อมูล, การให้คะแนน trace (การให้คะแนนแต่ละขั้นตอนของการรันแบบหลาย agent), การเพิ่มประสิทธิภาพ prompt อัตโนมัติ และความสามารถในการให้คะแนนเทียบกับโมเดลของบุคคลที่สาม ไม่ใช่แค่ของ OpenAI เท่านั้น เป้าหมายคือการวัดคุณภาพของ agent และปรับแต่ง prompt โดยไม่ต้องสร้างชุดทดสอบการประเมินผลของคุณเอง

เช่นเดียวกับ Agent Builder, Evals กำลังจะถูกยุติการใช้งาน จะกลายเป็นแบบอ่านอย่างเดียวสำหรับผู้ใช้เดิมในวันที่ 31 ตุลาคม 2026 และจะปิดตัวลงในวันที่ 30 พฤศจิกายน 2026

AgentKit เกี่ยวข้องกับ Agents SDK อย่างไร

ส่วนนี้เป็นส่วนที่ควรทำความเข้าใจให้ถูกต้อง เพราะเป็นตัวกำหนดสิ่งที่คุณจะสร้างขึ้นมา

Agents SDK คือเฟรมเวิร์กในระดับโค้ด เป็นที่ที่คุณกำหนด agent, เครื่องมือ, การส่งต่อ (handoffs) และ guardrails ใน Python หรือ TypeScript ส่วน Agent Builder ของ AgentKit อยู่ด้านบนเป็นเลเยอร์ภาพที่สร้างโค้ด SDK และ ChatKit อยู่ข้างๆ เป็นพื้นที่สำหรับการปรับใช้

คำแนะนำในการย้ายระบบของ OpenAI ชัดเจน: สำหรับเวิร์กโฟลว์ที่ควรอยู่เป็นโค้ด ให้ย้ายไปยัง Agents SDK สำหรับกรณีการใช้งานที่ใช้ภาษาธรรมชาติที่ไม่ต้องการโค้ด ให้ใช้ Workspace Agents ใน ChatGPT หากคุณกำลังอ่านบทความนี้เพื่อตัดสินใจว่าจะลงทุนกับอะไร Agents SDK คือคำตอบสำหรับทีมวิศวกร

AgentKit มีไว้สำหรับใคร

AgentKit มุ่งเป้าไปที่กลุ่มผู้ใช้งานบางกลุ่ม ทีมผลิตภัณฑ์ที่ต้องการเปิดตัว agent อย่างรวดเร็วโดยไม่ต้องเขียนโค้ด orchestration จะใช้ Agent Builder และ ChatKit องค์กรที่ต้องการการเข้าถึงข้อมูลภายในที่ถูกกำกับดูแลจะใช้ Connector Registry ทีมวิศวกรที่ต้องการการควบคุมอย่างเต็มที่จะใช้ Agents SDK โดยตรงและใช้ Evals เพื่อวัดคุณภาพ

เมื่อพิจารณาจากการยกเลิกการใช้งาน การตีความที่ชัดเจนที่สุดสำหรับปี 2026 คือ: หากคุณเป็นวิศวกรที่กำลังสร้างบางสิ่งบางอย่างเพื่อการบำรุงรักษา ให้เริ่มต้นด้วย Agents SDK หากคุณกำลังสร้างต้นแบบและต้องการเริ่มต้นแบบภาพก่อนที่พื้นที่ทำงานจะหายไป Agent Builder ยังคงส่งออกโค้ดที่ใช้งานได้

ขั้นตอนการสร้างในระดับสูง

ไม่ว่าคุณจะเริ่มต้นด้วยภาพหรือด้วยโค้ด รูปร่างของการสร้าง agent นั้นคล้ายกัน นี่คือขั้นตอนที่ทีมส่วนใหญ่ปฏิบัติตาม

1. กำหนดงานของ agent Agent มีเป้าหมายอะไร และต้องการเครื่องมืออะไรบ้าง? เครื่องมือมักจะเป็นการเรียกใช้ API ภายนอก เช่น search endpoint, CRM lookup, microservice ภายใน
2. จัดองค์ประกอบเวิร์กโฟลว์ ใน Agent Builder คุณลากโหนดต่างๆ; ใน Agents SDK คุณกำหนด agent และแนบเครื่องมือและการส่งต่อในโค้ด
3. เพิ่ม guardrails OpenAI จัดส่งเลเยอร์ guardrails แบบโอเพ่นซอร์สที่สามารถซ่อนหรือแจ้ง PII, ตรวจจับการพยายามเจาะระบบ และใช้การตรวจสอบอื่นๆ คุณสามารถใช้เป็นโหนดเวิร์กโฟลว์หรือเป็นไลบรารีแบบสแตนด์อโลนได้
4. เชื่อมต่อข้อมูลและเครื่องมือ ผ่าน Connector Registry หรือโดยการลงทะเบียนเซิร์ฟเวอร์ MCP และเครื่องมือฟังก์ชันที่ agent สามารถเรียกใช้ได้
5. ทดสอบและประเมินผล รัน agent ด้วยอินพุตจริง, ให้คะแนน trace และปรับแต่ง prompt
6. ปรับใช้ ฝังผ่าน ChatKit ด้วย ID เวิร์กโฟลว์ที่เผยแพร่ หรือรันโค้ด Agents SDK ที่ส่งออกในโครงสร้างพื้นฐานของคุณเอง

ขั้นตอนที่ 4 และ 5 คือจุดที่ปัญหาในโลกแห่งความเป็นจริงส่วนใหญ่เกิดขึ้น และเป็นที่ที่การทดสอบ API มีความสำคัญ

ตัวอย่างที่สมจริง: เครื่องมือที่ agent ของคุณเรียกใช้

agent จะมีประสิทธิภาพได้ดีเท่ากับเครื่องมือที่มันสามารถเรียกใช้ได้ และเครื่องมือเหล่านั้นเกือบทั้งหมดคือ HTTP API เมื่อคุณลงทะเบียนเครื่องมือฟังก์ชันกับ Agents SDK คุณจะอธิบายด้วย JSON schema เพื่อให้โมเดลรู้ว่าเมื่อใดและอย่างไรที่จะเรียกใช้เครื่องมือนี้ เครื่องมือที่ดึงคำสั่งซื้อล่าสุดของลูกค้าอาจถูกกำหนดดังนี้:

{
  "type": "function",
  "name": "get_recent_orders",
  "description": "ค้นหาคำสั่งซื้อล่าสุดของลูกค้าด้วย ID ลูกค้า",
  "parameters": {
    "type": "object",
    "properties": {
      "customer_id": {
        "type": "string",
        "description": "ตัวระบุเฉพาะของลูกค้า"
      },
      "limit": {
        "type": "integer",
        "description": "จำนวนคำสั่งซื้อที่จะส่งคืน",
        "default": 5
      }
    },
    "required": ["customer_id"],
    "additionalProperties": false
  }
}

เมื่อโมเดลตัดสินใจที่จะเรียกใช้ get_recent_orders โค้ดของคุณจะได้รับอาร์กิวเมนต์ ทำการร้องขอจริงไปยัง API คำสั่งซื้อของคุณ และส่งคืนผลลัพธ์ไปยัง agent การร้องขอนั้นอาจดูเหมือนดังนี้:

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

นี่คือประเด็นสำคัญ พฤติกรรมของ agent ขึ้นอยู่กับสิ่งที่ API นั้นส่งคืนมาทั้งหมด หาก API คำสั่งซื้อช้า, ขัดข้อง, หรือส่งคืนข้อมูลที่มีโครงสร้างที่โมเดลไม่คาดคิด การให้เหตุผลของ agent ก็จะผิดพลาด และในระหว่างการพัฒนา API คำสั่งซื้ออาจยังไม่มี หรือคุณอาจไม่ต้องการส่งคำขอทดสอบไปยังระบบการผลิต นั่นคือจุดที่ Apidog เข้ามามีบทบาท

การทดสอบและ Mock API เข้ามามีบทบาทอย่างไร

Apidog ไม่ใช่เฟรมเวิร์ก agent และไม่ได้สร้าง agent AgentKit และ Agents SDK ทำหน้าที่นั้น สิ่งที่ Apidog ทำคือเลเยอร์ที่อยู่ด้านล่าง: มันทดสอบ, mock และจัดทำเอกสาร API และเครื่องมือที่ agent ของคุณเรียกใช้ มีสามงานหลักที่เกิดขึ้นอย่างต่อเนื่อง

ประการแรก Mock API ภายนอกก่อนที่จะพร้อมใช้งาน หาก agent ของคุณจำเป็นต้องเรียกใช้บริการคำสั่งซื้อที่ทีม backend ยังสร้างไม่เสร็จ คุณสามารถ สร้าง Mock API ที่ส่งคืนการตอบกลับที่สมจริงซึ่งตรงกับ schema ที่ตกลงกันไว้ Agent ของคุณจะพัฒนาโดยยึดตามสัญญาที่มั่นคงแทนที่จะรอ backend และคุณสามารถควบคุมกรณีขอบเขต, ผลลัพธ์ที่ว่างเปล่า, ข้อผิดพลาด, การตอบสนองที่ช้า ได้ตามต้องการ

ประการที่สอง ยืนยันว่าแต่ละเครื่องมือส่งคืนสิ่งที่ agent คาดหวัง การเรียกใช้เครื่องมือที่ส่งคืน 200 พร้อมชื่อฟิลด์ที่ไม่ถูกต้องนั้นแย่กว่าความล้มเหลวโดยสิ้นเชิง เพราะโมเดลจะพยายามให้เหตุผลจากข้อมูลขยะ ด้วยการเขียน กรณีทดสอบ API ที่ตรวจสอบรหัสสถานะ, รูปร่างการตอบกลับ และค่าฟิลด์เฉพาะ คุณจะจับการเปลี่ยนแปลงสัญญาที่แต่ละ endpoint ที่ agent ของคุณใช้งาน ก่อนที่จะถึงโมเดล

ประการที่สาม จัดการคีย์สภาพแวดล้อมและ base URL ข้ามสภาพแวดล้อม dev, staging และ production เครื่องมือของ Agent มีความลับเช่น $ORDERS_API_KEY การเก็บสิ่งเหล่านี้ไว้ในตัวแปรสภาพแวดล้อมและสลับตามสภาพแวดล้อม โดยไม่ต้องวางคีย์ลงในโค้ด เป็นสิ่งที่แพลตฟอร์ม API จัดการได้อย่างสะอาด คุณสามารถ ดาวน์โหลด Apidog และนำ endpoint ของเครื่องมือของคุณเข้าสู่โปรเจกต์เพื่อทดสอบแยกต่างหาก ห่างจากรันไทม์ของ agent

หากคุณต้องการคำแนะนำแบบเจาะจงเกี่ยวกับการจัดการการเรียกใช้เครื่องมือของ agent เป็น API ที่สามารถทดสอบได้ เราได้เขียนไว้ใน วิธีทดสอบการเรียกใช้เครื่องมือของ AI agent เวอร์ชันสั้นๆ คือ ทุกเครื่องมือที่ agent ของคุณเรียกใช้คือ API และ API ควรได้รับการทดสอบ

คำถามที่พบบ่อย

OpenAI AgentKit ฟรีหรือไม่

เครื่องมือของ AgentKit ทำงานบนการใช้งาน OpenAI API ของคุณ ดังนั้นคุณจะต้องจ่ายค่าโทเค็นโมเดลพื้นฐานและการเรียกใช้เครื่องมือใดๆ ที่ agent สร้างขึ้น ไม่มีรายการสมัครสมาชิก AgentKit แยกต่างหาก ค่าใช้จ่ายคือการใช้งานโมเดลและ API ที่ agent ของคุณสร้างขึ้น ตรวจสอบราคาปัจจุบันบนแพลตฟอร์มของ OpenAI เสมอ เนื่องจากอัตราโมเดลมีการเปลี่ยนแปลง

ความแตกต่างระหว่าง AgentKit กับ Agents SDK คืออะไร

Agents SDK คือเฟรมเวิร์กโค้ดสำหรับกำหนด agent, เครื่องมือ และ guardrails ส่วน AgentKit เป็นชุดรวมที่กว้างกว่าซึ่งประกอบด้วย Agent Builder แบบภาพ, ChatKit, Connector Registry และ Evals ที่อยู่บน SDK นั้นๆ เมื่อ Agent Builder และ Evals ถูกยุติการใช้งานในช่วงปลายปี 2026 Agents SDK จึงเป็นเส้นทางที่คงทนและเน้นโค้ดเป็นหลัก คู่มือ Agents SDK ของเราครอบคลุมตั้งแต่ต้นจนจบ

Agent Builder กำลังจะถูกยกเลิกหรือไม่

ใช่แล้ว OpenAI ได้ประกาศเมื่อวันที่ 3 มิถุนายน 2026 ว่ากำลังยกเลิก Agent Builder และแพลตฟอร์ม Evals ทั้งสองจะปิดตัวลงในวันที่ 30 พฤศจิกายน 2026 และ Evals จะกลายเป็นแบบอ่านอย่างเดียวในวันที่ 31 ตุลาคม 2026 ChatKit ยังคงใช้งานได้ และ OpenAI แนะนำให้ย้ายเวิร์กโฟลว์ที่เน้นโค้ดไปยัง Agents SDK และเวิร์กโฟลว์ที่ใช้ภาษาธรรมชาติไปยัง Workspace Agents ใน ChatGPT

ฉันสามารถทดสอบ API ที่ agent ของ AgentKit เรียกใช้ได้หรือไม่

ได้ และคุณควรจะทำด้วย ทุกเครื่องมือที่ agent เรียกใช้คือ HTTP API ที่มีการร้องขอและการตอบกลับ คุณสามารถจำลอง API เหล่านั้นในขณะที่ยังสร้างไม่เสร็จ ยืนยันว่าการตอบกลับของพวกมันตรงกับ schema ที่ agent ของคุณคาดหวัง และจัดการคีย์ที่แต่ละอันต้องการ แพลตฟอร์มอย่าง Apidog จัดการทั้งสามสิ่งนี้เพื่อให้เครื่องมือของ agent ของคุณทำงานได้อย่างคาดเดาได้ก่อนที่จะถึงผู้ใช้จริง

สรุป

AgentKit ช่วยให้นักพัฒนา OpenAI สร้าง agent ได้เร็วขึ้น: มีพื้นที่ทำงานแบบภาพใน Agent Builder, UI ที่สามารถฝังได้ใน ChatKit, ตัวเชื่อมต่อที่ถูกควบคุมใน Connector Registry และการวัดผลผ่าน Evals เมื่อเข้าสู่ช่วงปลายปี 2026 Agent Builder และ Evals กำลังจะถูกยกเลิก ดังนั้นการลงทุนที่ยั่งยืนสำหรับทีมวิศวกรคือ Agents SDK พร้อมด้วย ChatKit และ Connector Registry

ไม่ว่าคุณจะเลือกเส้นทางใด ความน่าเชื่อถือของ agent ของคุณขึ้นอยู่กับ API ที่มันเรียกใช้ จำลองพวกมันตั้งแต่เนิ่นๆ ยืนยันการตอบกลับ และจัดระเบียบคีย์ของคุณ Apidog มอบพื้นที่เดียวให้คุณทดสอบและจำลองทุก endpoint ของเครื่องมือที่ agent ของคุณพึ่งพา เพื่อให้การรวมระบบทำงานได้อย่างราบรื่นเมื่อ agent สร้างภาระงานขึ้น