OpenAI เปิดตัว “AgentKit” ช่วยสร้าง AI ‘Agent’ ให้ง่ายเหมือนลากวาง !

ถ้าคุณเคยคิดว่าการสร้าง AI Agent ที่ฉลาดเป็นเรื่องยุ่งยาก ซับซ้อน ต้องต่อเครื่องมือหลายตัวเข้าด้วยกันจนปวดหัว… วันนี้ OpenAI ได้ปล่อยอาวุธลับใหม่ที่ชื่อว่า “AgentKit” ออกมาเขย่าวงการแล้ว ! นี่คือชุดเครื่องมือแบบ All-in-One ที่ถูกออกแบบมาเพื่อให้นักพัฒนาและองค์กรสามารถสร้าง ติดตั้ง และปรับปรุง Agent ได้อย่างรวดเร็วและน่าเชื่อถือยิ่งกว่าเดิม 

ส่วนประกอบหลักของ AgentKit

AgentKit นำเสนอเครื่องมือหลัก 3 ส่วนที่ออกแบบมาเพื่อลดความซับซ้อนของเวิร์กโฟลว์ Agents แบบ Multi-Agent:

• Agent Builder (เครื่องมือสำหรับการออกแบบและควบคุม)
  • เป็นพื้นที่ทำงานแบบ Visual Canvas ที่ช่วยให้นักพัฒนาสามารถสร้างและทดสอบเวิร์กโฟลว์ของ Agent ที่ซับซ้อนได้ด้วยการลากและวาง (Drag-and-Drop) โหนดต่าง ๆ เพื่อ สร้างเวิร์กโฟลว์แบบ Multi-Agent ที่ซับซ้อนได้โดยไม่ต้องจมอยู่กับโค้ด
  • มาพร้อมกับระบบ การกำหนดเวอร์ชัน (Versioning)  เต็มรูปแบบ ทำให้เราทดลอง ปรับแก้ และทำ A/B Testing ได้อย่างรวดเร็ว
  • รวมถึงมี Guardrails หรือรั้วป้องกันแบบ Open-Source ที่เป็นเลเยอร์ความปลอดภัยแบบโมดูลาร์ เพื่อป้องกัน Agents จากพฤติกรรมที่ไม่ตั้งใจ หรือเผลอเปิดเผยข้อมูลส่วนตัว (PII)

• Connector Registry (เครื่องมือสำหรับการกำกับดูแลข้อมูล)
  • ศูนย์กลางสำหรับผู้ดูแลระบบ (Admins) ในการ จัดการการเชื่อมต่อข้อมูลและเครื่องมือ เข้ากับผลิตภัณฑ์หรือแพลตฟอร์มไหนได้บ้าง ไม่ว่าจะเป็น Dropbox, Google Drive, SharePoint หรือ Microsoft Teams ทำให้เรื่องความปลอดภัยและการกำกับดูแลข้อมูลเป็นระเบียบ
    
• ChatKit (เครื่องมือสำหรับการนำไปใช้แบบไร้รอยต่อ)
  • ชุดเครื่องมือที่ช่วยให้เรา ฝัง Agent ที่เป็นแบบแชตเข้าไปในผลิตภัณฑ์หลักของบริษัททำได้ง่ายและรวดเร็ว
  • ช่วยประหยัดเวลาทำ Frontend ไปได้เป็นสัปดาห์ และทำให้ Agent ที่เราสร้างขึ้นดูเป็นส่วนหนึ่งของแอปฯ (Native UI) อย่างเป็นธรรมชาติ

วัดผลและเพิ่มประสิทธิภาพ Agents อย่างเป็นระบบด้วย Evals และ RFT

AgentKit ไม่ได้มีแค่เครื่องมือสร้าง แต่ยังขยายขีดความสามารถด้านการประเมิน (Evaluation) และการปรับแต่ง (Fine-tuning) เพื่อให้ Agent ของเรา แม่นยำและไว้ใจได้ ในระดับองค์กร

• Evals (การประเมินผล): เพิ่มความสามารถใหม่ที่ทำให้การทดสอบง่ายขึ้นมาก เช่น Trace Grading ที่ให้คะแนนเวิร์กโฟลว์แบบ End-to-End เพื่อหาจุดบกพร่อง และสามารถรองรับการประเมินโมเดลจากค่ายอื่นได้ด้วย !
  • ตัวอย่าง: ลูกค้าอย่าง Carlyle สามารถ ลดเวลาในการพัฒนา framework ลงกว่า 50% และเพิ่มความแม่นยำของ Agent ได้ 30% ด้วยแพลตฟอร์ม Evals
• Reinforcement Fine-tuning (RFT): ช่วยให้เราสามารถ ฝึกฝนโมเดลการใช้เหตุผล (Reasoning Models) เพื่อให้ Agents มีความฉลาดในการตัดสินใจและทำงานร่วมกับเครื่องมือได้ดียิ่งขึ้น โดยเฉพาะคุณสมบัติใหม่ใน RFT Beta ที่เน้นเรื่อง:
  • Custom tool calls: ฝึกโมเดลให้เรียกใช้เครื่องมือที่ถูกต้องในเวลาที่เหมาะสม
  • Custom graders: กำหนดเกณฑ์การประเมินที่สำคัญที่สุดสำหรับ Use Case เฉพาะขององค์กร

AgentKit ไม่เพียงแต่ทำให้การสร้าง Agents เร็วขึ้นเท่านั้น แต่ยังทำให้ Agents ที่สร้างขึ้นมีความน่าเชื่อถือ ปลอดภัย และสามารถปรับขยายการใช้งานในระดับองค์กรได้อย่างแท้จริง โดยเครื่องมือทั้งหมดนี้ รวมอยู่ในราคาโมเดล API มาตรฐาน ซึ่งพร้อมเป็นตัวเร่งให้องค์กรของคุณก้าวข้ามขีดจำกัดเดิม ๆ ในการใช้งาน Generative AI ได้อย่างก้าวกระโดด

source: https://openai.com/index/introducing-agentkit/