使用 OpenAI 工具和 MCP 构建下一代AI智能体

AI智能体的发展趋势

AI 智能体（能够自主规划并智能执行任务的 AI 系统）正依赖于越来越多的工具、框架和标准来构建和优化。

在我们之前的文章《Manus AI：中国在自主智能体领域的突破》中，我们提到，Manus AI 代表了 AI 的一个新阶段--从辅助工具变成真正能自主执行任务的智能体。无论是商业运营、教育、金融分析，还是社交媒体内容创作，它都能独立完成高质量的工作，而不需要用户时刻操控。如今，这个生态系统正在进一步扩展和优化，使得 AI 智能体变得更加强大。

过去几年，许多AI应用框架（如 LangChain 及其 AI 智能体库 LangGraph、AutoGen、CrewAI ）已经奠定了基础。这些框架最早诞生于2022年至2024年，主要用于整合基于大模型的工作流，连接不同的模型调用方式，如提示链（Prompt Chain）、RAG（检索增强生成）等，同时支持工具调用和函数调用等功能。这些技术催生了最早一批基于大模型的 AI 智能体。

随着 AI 模型新增多模态和工具调用等能力，部分 AI 工作流得到了简化，而更复杂的工作流也成为可能。 AI 智能体的框架正在向“上游”发展，并且不断扩展功能范围，使得 AI 智能体的能力实现质的飞跃。

近期，这一领域出现了一些新的进展，包括 Anthropic 推出的模型上下文协议（MCP）、LangChain 的协议（Protocol）以及 AGNTCY 的互操作性标准。而最新的进展，则来自 OpenAI 发布的一系列新工具，旨在进一步支持 AI 智能体的开发。

OpenAI 发布 Responses API、内置工具及 Agents SDK

OpenAI 推出的四项关键组件，旨在为 AI 智能体开发者提供更强大的支持：

1. Responses API（响应API）

2. 内置工具（包括Web搜索、文件搜索、计算机操作）

3. Agents SDK（智能体开发工具包）

4. 可观测性工具（Observability Tools）

这次发布标志着 OpenAI 正在逐步开放其技术生态，以便开发者能够更轻松地构建 AI 智能体。

Responses API：一个全新的 AI 交互接口

Responses API 是一个全新的统一 API，它能够直接调用 OpenAI 的模型和内置工具，使开发者能够更加方便地将 AI 集成到自己的应用中，而无需管理多个 API 或依赖外部供应商。

这一 API 具备以下特点：

· 整合 OpenAI 的工具和模型，开发者可以通过一个 API 调用完成更复杂的任务。

· 支持单轮对话和多轮对话，适用于各种 AI 应用场景。

· 未来将取代 Assistants API，简化 API 接口，使其既能支持简单 AI 应用，也能支持复杂的 AI 智能体构建。

Responses API 还集成了三大内置工具，让 AI 智能体具备更强的能力：

· Web搜索：提供最新的互联网信息，支持实时事实核查。OpenAI 还针对搜索任务微调了GPT-4o，使其能够更精准地获取信息并引用来源。

· 文件搜索：允许 AI 模型访问私有数据，支持元数据筛选、自定义排序，并使用微调后的 GPT-4o 来提升信息检索的精准度。

· 计算机操作：支持AI通过截图分析用户界面，并给出操作建议。这项能力类似于 OpenAI 的“Operator”项目，能够让 AI 更自然地完成电脑任务。

Agents SDK：单智能体与多智能体的调度工具

OpenAI 的新 Agents SDK 支持单智能体和多智能体的工作流编排。它源自 OpenAI 去年推出的 Swarm 实验项目，并进行了升级，新增了可配置的智能体类型、内置安全机制（Guardrails）以及更完善的跟踪与调试功能。

“Agents SDK 是开源的，企业可以自由选择不同的模型，我们不会强制开发者只能使用 OpenAI 的模型。”

--Olivier Godement（OpenAI）

此外，OpenAI 还推出了可观测性工具，帮助开发者追踪和分析智能体的执行流程。这些工具可以存储 30 天的对话记录，并提供可视化仪表盘，帮助开发者更轻松地调试 AI 智能体。

从整体来看，OpenAI 希望构建一个开放的 AI 智能体生态，让开发者利用其模型和工具开发各种 AI 应用，并通过 API 盈利。

Anthropic 推出的 MCP

Anthropic于2024年底推出了模型上下文协议（MCP），它是一个开放的互操作性协议，用于标准化 AI 智能体与外部工具的交互方式，支持更复杂的 AI 应用。

MCP 的主要优势在于：

· 模型无关性：它不局限于某一家 AI 模型，可以兼容不同的 LLM。

· 简洁的客户端-服务器架构：开发者可以运行 MCP 服务器，提供数据库、知识库等内容，AI 智能体则可以作为客户端连接到这些服务器。

· 无需自定义连接器：开发者不再需要单独开发复杂的连接方式，MCP 可以标准化数据交互，使 AI 智能体更容易访问外部信息和工具。

目前，已经有大量 MCP 服务器被部署，以支持各种工具的集成，涉及上百种服务和知识库，比如 GitHub 代码库。这使得 MCP 在需要丰富上下文或外部知识支持的应用中变得尤为重要，例如身份验证自动化、数据检索等。

随着 MCP 生态系统的扩展，它的影响力也在不断增长。目前，越来越多的博主开始讨论 MCP，例如“如何用 MCP 智能体构建万物”以及“如何用 MCP 增强 Cursor”等视频，总的来说，MCP 的应用价值得到了更广泛的认可。

最后：AI 智能体生态的未来

目前，AI 智能体生态正在经历快速扩展，从最早的简单工具链，到如今的复杂智能体框架，开发者能够利用越来越多的工具来构建高效的AI应用。

OpenAI 的 Responses API、内置工具和 Agents SDK，使得 AI 智能体开发更加高效和模块化，而 Anthropic 的 MCP 则提供了一种更加通用、开放的 AI 工具连接方式。

随着这些技术的成熟和普及，未来 AI 智能体的能力将会进一步提升，为企业和个人开发者带来更多可能性。

更多「Heisěnberg」精彩内容，欢迎点击「阅读原文」