OpenAI Agents SDK и Responses API: агенты 2026

OpenAI в 2025–2026 сменила вектор: от monolithic Assistants API к Responses API + Agents SDK — лёгкому фреймворку для оркестрации AI-агентов с handoffs, guardrails и tracing. Для разработчиков, уже использующих «openai api» (7 099/мес), это главный апгрейд архитектуры.

Эволюция API OpenAI

Assistants API не deprecated мгновенно, но новые ии агенты стоит строить на Agents SDK.

Agents SDK: ключевые концепции

from agents import Agent, Runner, function_tool

@function_tool
def get_weather(city: str) -> str:
    return f"Weather in {city}: 22°C"

support_agent = Agent(
    name="Support",
    instructions="Отвечай по FAQ, эскалируй сложное.",
    tools=[get_weather],
)

triage_agent = Agent(
    name="Triage",
    instructions="Классифицируй запрос и передай specialist.",
    handoffs=[support_agent],
)

result = Runner.run_sync(triage_agent, "Где мой заказ #8821?")
print(result.final_output)

Agent — роль + instructions + tools + handoffs.

Handoff — делегирование другому агенту (мультиагент без CrewAI).

Runner — цикл выполнения с автоматическим tool loop.

Traces — встроенная observability (см. evals в prod).

Responses API vs Chat Completions

Responses API объединяет:
- текстовый output
- tool calls (включая computer use, web search, file search)
- structured outputs
- reasoning tokens (o-series)

Пример с hosted tools:

from openai import OpenAI
client = OpenAI()

response = client.responses.create(
    model="gpt-4o",
    input="Найди последний changelog n8n на GitHub и кратко перескажи",
    tools=[{"type": "web_search_preview"}],
)
print(response.output_text)

Для разработки ии агентов (781/мес) Responses API снижает boilerplate: не нужно вручную парсить tool_calls из chat completion.

Computer Use и browser agents

Тренд 2026 — агент управляет UI:
- Computer use (OpenAI) — клики, скриншоты, формы
- Конкуренты: Anthropic computer use, browser agents

Ограничения prod:
- Sandbox обязателен (VM, Playwright isolated)
- Медленнее API-интеграций в 5–20×
- Хрупкость при смене вёрстки

Используйте computer use когда нет API (legacy CRM, гос-сайты). Иначе — MCP или REST tools.

Паттерн: supervisor + specialists

User → Supervisor Agent
         ├─ handoff → Research Agent (web_search)
         ├─ handoff → Code Agent (python tool)
         └─ handoff → Writer Agent (format report)

Сравните с CrewAI и AutoGen: Agents SDK — минималистичнее, нативная интеграция с OpenAI billing и traces.

Guardrails и structured output

from agents import Agent
from pydantic import BaseModel

class TicketClassification(BaseModel):
    category: str
    priority: int
    escalate: bool

classifier = Agent(
    name="Classifier",
    output_type=TicketClassification,
    instructions="Классифицируй тикет поддержки.",
)

Structured output + guardrails (input/output validators) — must-have для prod ai агентов с SLA.

Интеграция с n8n

OpenAI node в n8n поддерживает chat и tools. Для Agents SDK:
- HTTP Request → ваш microservice на Python с Runner
- Или дождаться native «OpenAI Agent» node (community patterns уже есть)

Связка: Function Calling + n8n для простых кейсов, Agents SDK — для multi-handoff.

Стоимость и модели (2026)

Считайте не только tokens, но число tool iterations — agent loop может сжечь 5–15× больше, чем один-shot chat.

Миграция с Assistants API

1. Inventory threads → export knowledge to RAG (RAG + Memory)
2. Перенести functions → @function_tool или MCP
3. Заменить thread state → external DB + checkpointer (LangGraph pattern)
4. A/B latency и cost 2 недели

Вывод

OpenAI Agents SDK + Responses API — трендовый стек для AI-агентов в 2026: handoffs, hosted tools, traces из коробки. Для OpenAI-центричных prod-систем — default choice; для multi-vendor — смотрите MCP + LangGraph.

Смотрите также:
- MCP: стандарт инструментов
- Prompt Engineering для агентов