OpenAI, 새로운 에이전트 개발 도구 발표

원본 게시글: https://velog.io/@euisuk-chung/OpenAI-새로운-에이전트-개발-도구-발표

OpenAI는 개발자와 기업이 보다 쉽게 에이전트(Agent)를 구축할 수 있도록 돕기 위해 새로운 API와 도구를 2025년 3월 11일(현지 일자)에 발표했습니다.

이번 업데이트의 핵심은 Responses API, 내장 도구(Web Search, File Search, Computer Use), Agents SDK이며, 이를 통해 더욱 강력하고 신뢰할 수 있는 AI 에이전트를 개발할 수 있을 것이라고 기대하고 있습니다.

본 게시글은 OpenAI 공식 블로그 및 공식 YouTube 내용을 읽고, 듣고나서 정리한 내용입니다. (완벽하지 않을 수 있습니다)

• New tools for building agents - YouTube
• New tools for building agents - OpenAI Blog

---

1. Responses API: Chat Completions + Tool Use 결합

Responses API는 기존의 Chat Completions API와 Assistants API의 기능을 결합한 새로운 API로, 하나의 API 호출만으로 여러 도구와 모델을 활용하여 복잡한 작업을 수행할 수 있도록 설계되었습니다.

(Chat Completions API)

이전에는 OpenAI의 Chat Completions API와 Assistants API가 각각 독립적으로 작동하면서, 개발자들이 복잡한 작업을 수행하려면 여러 API를 결합해야 했습니다.

• 예를 들어, 대화를 유지하면서 파일 검색이나 웹 검색 같은 외부 도구를 사용하려면 별도의 API 호출이나 설정이 필요했죠.
  • 이로 인해 상태 관리(대화의 흐름을 유지하는 것)와 도구 결합이 복잡하고 번거로웠습니다.

(Responses API)

하지만, Responses API가 도입되면서 이런 부분이 간소화되었습니다.

• Responses API는 단순한 텍스트 생성(Chat Completions API) 기능뿐만 아니라, 웹 검색, 파일 검색, 코드 실행, 시스템 상호작용 같은 복잡한 작업을 수행할 수 있도록 설계되었습니다.
  • 이제 AI가 대화의 맥락을 자동으로 기억하고, 여러 도구를 한 번의 API 호출로 사용할 수 있게 되었어요.
  • 즉, 개발자가 직접 대화 상태를 관리하거나 도구를 호출할 필요가 없게되었다고 합니다.

용어정리

본 게시글에는 OpenAI의 Chat Completions API, Assistants API, Responses API 3가지 API에 대해서 이야기하고 있습니다.

• 본격적인 이야기로 넘어가기 전에, 각각의 API에 대한 개념/역할/목표를 정리하고 가는 것이 필요하다고 판단하여 아래와 같이 정리해보았습니다.

API	개념 및 목표	현재 상태	향후 계획
Chat Completions API	단순한 대화형 텍스트 생성 및 응답 생성에 초점을 맞춘 기본 API	지속적인 지원 중이며, Responses API의 기능도 포함 가능	Responses API로 기능 통합 중, 도구 사용 옵션 제공
Assistants API	상태 유지형 AI 에이전트 구축을 위한 API로, 도구 사용 및 대화 맥락 관리 가능	2026년 상반기까지 지원 예정, 이후 Responses API로 대체됨	Responses API로 기능 통합 및 폐지 예정
Responses API	Chat Completions와 Assistants API의 기능을 통합한 차세대 AI 에이전트 구축 표준 API	현재 제공 중, AI 에이전트 구축에 적합한 강력한 도구 제공	향후 OpenAI의 표준 API로 자리 잡을 예정, Assistants API 대체 및 지속적인 개선

현재 OpenAI의 Chat Completions API, Assistants API, Responses API는 각각의 역할과 목표가 다르며, OpenAI는 이들을 통합하거나 대체하는 방향으로 발전시키고 있습니다.

• (해당 게시글 작성일 기준) OpenAI는 Responses API를 중심으로 API 전략을 재정비하고 있으며, 기존의 Assistants API와 Chat Completions API의 기능을 통합하여 더 강력하고 유연한 AI 애플리케이션 개발 환경을 제공하고 있습니다.

---

Chat Completions API 🗣

✔ 개념 및 목표

• Chat Completions API는 OpenAI의 가장 기본적인 대화형 API로, GPT 모델을 호출하여 텍스트 기반의 응답을 생성하는 데 사용됩니다.
  • 이 API는 사용자가 입력한 프롬프트에 따라 모델이 자연스러운 대화나 텍스트를 생성합니다.

✔ 현재 상태

• 지속적인 지원:
  • Chat Completions API는 여전히 OpenAI에서 가장 널리 사용되는 API로, 특히 단순한 대화형 텍스트 생성에 적합합니다.
• 도구 사용 제한:
  • 도구 사용은 기본적으로 지원되지 않으며, 단순한 텍스트 생성에 초점이 맞춰져 있습니다.

✔ 향후 발전 계획

• OpenAI는 Chat Completions API에 새로운 모델과 기능을 지속적으로 추가할 예정이지만, 도구 사용이나 상태 관리 기능은 포함하지 않습니다.
• 도구와 상태 관리가 필요한 경우에는 Responses API를 사용하는 것이 권장됩니다.

---

Assistants API 🤝

2026년 상반기 폐지 예정

✔ 개념 및 목표

• Assistants API는 상태 유지형 AI 에이전트를 구축하는 데 최적화된 API로, 대화의 문맥을 지속적으로 유지하며 다양한 작업을 수행할 수 있도록 설계되었습니다.
  • 기존 Chat Completions API와 달리, Threads(스레드)와 Messages(메시지) 구조를 통해 지속적인 대화를 유지할 수 있습니다.
  • AI 에이전트는 단순한 대화형 챗봇을 넘어 복잡한 작업을 자동화하고 사용자 요청을 지능적으로 처리할 수 있습니다.

https://platform.openai.com/docs/assistants/overview

✔ 주요 기능 및 활용 가능 도구

• Code Interpreter(코드 실행기):

  • Python 코드 실행이 가능하며, 데이터 분석, 그래프 생성, 수치 연산 등의 작업을 자동화할 수 있습니다.

• Retrieval(파일 검색):

  • 업로드된 문서를 기반으로 정보를 검색하고 문서 내용을 활용하여 질문에 답변할 수 있습니다.

• Function Calling(함수 호출):

  • 외부 API 호출 또는 사용자 정의 함수를 실행할 수 있어, 외부 데이터베이스 연동이나 특정 로직을 처리하는 데 활용됩니다.

✔ 현재 상태

• 폐지 예정:
  • Assistants API는 2026년 상반기까지 Responses API로 대체될 예정이며, 현재는 기능 지원이 유지되고 있습니다.
• 개발자 전환 준비:
  • 폐지 발표 전까지 새로운 모델과 기능이 추가되며, 개발자들은 Responses API로 전환을 준비해야 합니다.

✔ 향후 발전 계획

• Responses API로 통합:
  • Assistants API의 모든 기능은 Responses API로 이전되며, 개발자들은 Responses API로 전환해야 합니다.
    • OpenAI는 이 과정에서 데이터 보존 및 마이그레이션 가이드를 추후 제공할 예정입니다.

---

Responses API 💬

미래 지향적인 표준 API

✔ 개념 및 목표

• Responses API는 Chat Completions API와 Assistants API의 기능을 통합한 차세대 API로, AI 에이전트를 구축하기 위한 강력한 도구를 제공합니다.
  • 대화 생성뿐만 아니라, 웹 검색, 파일 검색, 컴퓨터 사용 등 다양한 도구를 통합하여 AI가 실제 세상과 상호작용할 수 있도록 지원합니다.

✔ 현재 상태

• 현재 사용 가능:
  • Responses API는 이미 제공되고 있으며, AI 에이전트를 보다 효율적으로 구축할 수 있도록 지원하고 있습니다.

✔ 향후 발전 계획

• 표준 API로 자리 잡음:
  • OpenAI는 Responses API를 AI 에이전트 구축의 표준 API로 삼고 있으며, 향후에도 새로운 모델과 기능이 추가될 예정입니다.
• Assistants API 대체:
  • Assistants API는 Responses API로 완전히 대체될 예정이며, 2026년 상반기까지 개발자들이 전환할 수 있도록 지원할 것입니다.

---

아래는 이번 발표에서 언급된 Responses API의 주요 특징 및 변경 사항에 대해서 소개해드리겠습니다.

주요 특징

Responses API는 아래와 같은 특징을 가지고 있습니다:

• Chat Completions API처럼 쉽게 사용할 수 있음
• `Web Search, File Search, Computer Use 등의 내장 도구 지원
• API의 출력 방식이 직관적이며 스트리밍 지원
• 트레이싱 및 평가 기능 제공으로 에이전트 성능 분석 가능
• 다중 툴 호출을 지원하여 여러 작업을 한 번에 실행 가능
• 데이터 저장 및 추적 기능을 내장하여 성능 모니터링 용이

주요 변경 사항

1. 도구 자동 선택

   • Chat Completions API에서는 웹 검색을 활성화하면 모델이 항상 검색을 수행
   • Responses API에서는 모델이 필요할 때만 자동으로 웹 검색 도구를 호출
   • 불필요한 API 요청이 줄어들어 비용 절감 & 성능 향상

2. 다중 도구 통합

   • Chat Completions API에서는 웹 검색 외 다른 기능(파일 검색, 코드 실행)을 추가할 수 없음
   • Responses API에서는 웹 검색 + 파일 검색 + 코드 실행을 하나의 요청에서 조합 가능

response = client.responses.create(
    model="gpt-4o",
    tools=[
        {"type": "web_search_preview"},
        {"type": "file_search"},
        {"type": "code_interpreter"}  # (추후 지원 예정)
    ],
    input="내가 올린 파일에서 최근 데이터를 분석하고, 관련 뉴스를 찾아줘."
)

✅ 이런 방식이 가능:

→ file_search로 업로드된 데이터 찾고

→ web_search_preview로 최신 뉴스 검색 후

→ 최종 결과를 code_interpreter로 분석

1. 상태 유지 기능 (Stateful API)

   • Chat Completions API는 상태를 수동으로 관리해야 함
   • Responses API에서는 previous_response_id를 통해 이전 대화의 상태를 자동으로 유지가 가능함

response = client.responses.create(
    model="gpt-4o",
    previous_response_id="msg_1234567890",  # 이전 응답과 연결된 상태 유지
    input="이전 뉴스 기사에 대한 추가 정보를 찾아줘."
)

✅ 장점: 대화의 연속성을 유지할 수 있음

• 이전에 Chat Completions API에서 여러 도구를 동시에 활용하는 데 제한이 있었기 때문에, 개발자들은 이러한 제한을 극복하기 위해 LangChain과 같은 프레임워크를 사용했습니다.

(참고) LangChain은 언어 모델과 다양한 도구(예: 데이터베이스, 웹 검색, 파일 시스템 등)를 연결하여 복잡한 작업을 수행할 수 있도록 지원하는 프레임워크입니다.

🐦 LangChain의 주요 기능은 다음과 같습니다:

• 도구 및 리소스 통합: 언어 모델이 외부 API, 데이터베이스, 파일 시스템 등과 상호작용할 수 있도록 지원합니다.
• 체인 구성: 여러 개의 언어 모델 호출이나 도구 사용을 체인 형태로 구성하여 복잡한 워크플로우를 구현할 수 있습니다.
• 메모리 관리: 대화나 작업의 상태를 추적하여 컨텍스트를 유지합니다.

❗ 그러나 Responses API의 도입으로 이러한 기능이 API 자체에서 지원되기 시작했습니다.

• 이제는 LangChain과 같은 외부 프레임워크 없이도 Responses API를 통해 여러 도구를 통합하고, 상태를 관리하며, 복잡한 작업을 수행할 수 있습니다.

🖐️ Responses API의 주요 특징:

• 내장 도구 지원: 웹 검색, 파일 검색, 코드 실행 등의 도구를 API 요청 시에 직접 지정할 수 있습니다.
• 상태 관리: 이전 응답의 ID를 통해 대화나 작업의 상태를 유지할 수 있습니다.
• 구조화된 출력: 모델의 응답을 구조화된 형식으로 받아서 처리할 수 있습니다.

(결론) 이전에는 LangChain과 같은 외부 프레임워크를 사용하여 언어 모델의 기능을 확장하고 다양한 도구와 통합했지만, 이제는 Responses API를 통해 이러한 기능을 직접 활용할 수 있게 되었습니다.

OpenAI API만 사용하는 유저들은 랭체인 더이상 안 써도 될듯..!?

기존 API와 비교

각각 Responses API와 Chat Completions API에서 웹 검색을 활용하는 코드를 예시로 살펴보겠습니다.

코드 비교

✅ 기존 방식 (Chat Completions API)

GPT model for web search in Chat Completions인 gpt-4o-search-preview이 이번 업데이트에 릴리즈되면서 Chat Completions API에서도 빌트인으로 웹서치가 가능해졌습니다.

출처: https://platform.openai.com/docs/models/gpt-4o-search-preview

출처: https://openai.com/index/new-tools-for-building-agents/

코드도 비교적 간단해졌는데요! (model=”gpt-4o-search-preview”만 호출하면 끝!)

from openai import OpenAI
client = OpenAI()

completion = client.chat.completions.create(
    model="gpt-4o-search-preview",  # 웹 검색 기능을 포함한 특정 모델 필요
    web_search_options={},  # 웹 검색 활성화 (설정 값이 없어도 자동 적용)
    messages=[
        {
        "role": "user", 
        "content": "What was a positive news story from today?"
        }
    ],
)

print(completion.choices[0].message.content)

원래 더 이전에는 아래와 같은 방식으로 코드를 작성해야 했습니다:

• 사용자의 질의를 받아 DuckDuckGo(외부 API)를 통해 검색을 수행하고, 검색 결과의 요약을 생성합니다.
• 이 요약을 OpenAI 모델의 프롬프트에 포함시켜, 모델이 최신 정보에 기반한 응답을 생성하도록 합니다.

import requests
import openai

# DuckDuckGo Instant Answer API 호출 함수
def duckduckgo_search(query):
    url = 'https://api.duckduckgo.com/'
    params = {
        'q': query,
        'format': 'json',
        'no_html': 1,
        'skip_disambig': 1
    }
    response = requests.get(url, params=params)
    return response.json()

# OpenAI Chat Completions API 호출 함수
def get_openai_response(prompt):
    openai.api_key = 'YOUR_OPENAI_API_KEY'
    response = openai.ChatCompletion.create(
        model='gpt-3.5-turbo',
        messages=[{'role': 'user', 'content': prompt}]
    )
    return response.choices[0].message['content']

# 사용자 질의
user_query = "오늘의 주요 뉴스는 무엇인가요?"

# DuckDuckGo를 통한 웹 검색
search_results = duckduckgo_search(user_query)

# 검색 결과 요약 생성
if 'Abstract' in search_results and search_results['Abstract']:
    search_summary = search_results['Abstract']
else:
    search_summary = "죄송합니다만, 관련된 최신 정보를 찾을 수 없습니다."

# OpenAI 모델에 검색 결과 포함하여 응답 생성
prompt = f"사용자 질문: {user_query}\n\n검색 결과 요약: {search_summary}\n\n이 정보를 바탕으로 사용자에게 답변해 주세요."
response = get_openai_response(prompt)

print(response)

함수 설명

• duckduckgo_search 함수:
  • DuckDuckGo Instant Answer API를 호출하여 사용자의 질의에 대한 검색 결과를 가져옵니다.
• get_openai_response 함수:
  • OpenAI의 Chat Completions API를 호출하여 모델의 응답을 생성합니다.

ℹ️ 기존 방식 (Chat Completions API)의 웹 검색 특징

• 기존(외부 API 사용) 방식은 DuckDuckGo, Google Search 등의 외부 API를 직접 호출해야 했음

  • 호출하여 검색을 수행한 내용을 바탕으로, 이를 요약하는데 LLM 모델을 사용함

• 이번 업데이트를 통해 웹 검색 활성화 가능해짐.

  • 단, 특정 모델(gpt-4o-search-preview, gpt-4o-mini-search-preview)만 지원
  • 단, 항상 웹 검색 실행됨 (검색이 필요하지 않아도 수행됨)
  • 검색 결과가 자동으로 응답(message.content)에 포함되며, 인라인 citation 제공
  • 검색 컨텍스트 크기(search_context_size) 조절 가능 (low, medium, high)

---

✅ 새로운 방식 (Responses API)

from openai import OpenAI
client = OpenAI()

response = client.responses.create(
    model="gpt-4o",  # 웹 검색 전용 모델이 아니라 일반 모델도 사용 가능
    tools=[
    		{
            "type": "web_search_preview"
            }
          ],  # 웹 검색 도구 활성화
    input="오늘의 긍정적인 뉴스는?"
)

print(response.output_text)

ℹ️ 새로운 방식 (Responses API)의 웹 검색 특징

• 모든 모델에서 웹 검색 사용 가능 (gpt-4o 포함)
• tools=[{"type": "web_search_preview"}]:
  • 웹 검색을 도구(tool)로 등록하여 필요할 때만 실행됨
• 모델이 필요하다고 판단할 때만 웹 검색을 수행함 (불필요한 검색 방지)
• 웹 검색 결과는 output_text에 포함되며, citation 정보도 제공함
• 추후 다양한 도구(File Search, Code Execution 등)와 함께 사용할 수 있도록 확장 가능함

📚 Responses API와 Chat Completions API는 OpenAI 모델과 상호작용하는 두 가지 방식입니다.

아래는 각각의 API가 지원하는 기능입니다.

• 출처: https://platform.openai.com/docs/guides/responses-vs-chat-completions

  

---

1. 내장 도구(Built-in Tools)

그림. Responses API와 Chat Completions API 내장 도구(Built-in Tools)

Function calling은 단순히 내장 도구로 분류되기보다는, 사용자가 정의한 외부 도구(custom tool)를 호출하는 기능으로 이해할 수 있습니다.

• 이는 모델이 기본적으로 제공하는 내장 도구(예: 웹 검색, 파일 검색, 컴퓨터 사용 등)와는 다르게, 사용자가 직접 작성한 코드를 실행하고 그 결과를 모델 응답에 통합할 수 있도록 돕는 역할을 합니다.
• 따라서, 이는 내장 도구(Built-in Tools)가 아닙니다. ❌

💦 아직 잘 모르겠어요… 그래서 내장 도구(Built-in Tools)의 정의가 뭐라고요?

• 내장 도구(Built-in Tools)는 OpenAI API에서 기본적으로 제공하는 기능으로, 예를 들어 웹 검색, 파일 검색, 컴퓨터 사용 등이 포함됩니다.

  • 이 도구들은 API 호출 시 자동으로 사용될 수 있도록 설계되어 있습니다.

• 반면, Function calling은 사용자가 직접 정의한 외부 함수나 코드를 실행할 수 있도록 하는 기능입니다.

  • 이 기능을 통해 모델은 기본 내장 도구만으로는 제공하기 어려운 맞춤형 데이터나 기능을 활용할 수 있습니다.

Responses API는 세 가지 강력한 내장 도구를 제공합니다.

(1) Web Search

• 실시간 정보를 검색하여 최신 데이터를 기반으로 응답을 생성
• 검색된 정보의 출처(뉴스, 블로그 등)를 명확히 제공
• 여러 소스에서 데이터를 통합하여 보다 신뢰성 있는 응답 제공

For more: https://platform.openai.com/docs/guides/tools-web-search?api-mode=responses

from openai import OpenAI
client = OpenAI()

response = client.responses.create(
    model="gpt-4o",
    tools=[{"type": "web_search_preview"}],
    input="What was a positive news story from today?"
)

print(response.output_text)

(2) File Search

• 여러 개의 파일을 업로드하고, 필요한 정보를 빠르게 검색
• 메타데이터 필터링 및 벡터 스토어를 통한 고급 검색 기능 제공
• 문서 내용 요약 및 텍스트 분석 기능 포함

For more: https://platform.openai.com/docs/guides/tools-file-search

from openai import OpenAI
client = OpenAI()

response = client.responses.create(
    model="gpt-4o-mini",
    input="What is deep research by OpenAI?",
    tools=[{
        "type": "file_search",
        "vector_store_ids": ["<vector_store_id>"]
    }]
)
print(response)

(3) Computer Use

• 운영체제(OS) 및 웹 인터페이스에서 자동화 작업 수행
• OpenAI의 Operator 에이전트를 기반으로 동작
• GUI 기반 시스템에서도 실행 가능하여 API가 없는 시스템에서도 활용 가능

For more: https://platform.openai.com/docs/guides/tools-computer-use

그림 단계 간략 설명

1. 모델에 요청 보내기 (Send a request to the model)
2. 모델의 응답 확인 (Receive a response from the model)
3. 요청된 액션 실행 (Execute the requested action)
4. 업데이트된 상태 캡처 (Capture the updated state)
5. 반복 (Repeat)

---

from openai import OpenAI
client = OpenAI()

response = client.responses.create(
    model="computer-use-preview",
    tools=[{
        "type": "computer_use_preview",
        "display_width": 1024,
        "display_height": 768,
        "environment": "browser" # other possible values: "mac", "windows", "ubuntu"
    }],
    input=[
        {
            "role": "user",
            "content": "Check the latest OpenAI news on bing.com."
        }
        # Optional: include a screenshot of the initial state of the environment
        # {
        #     type: "input_image",
        #     image_url: f"data:image/png;base64,{screenshot_base64}"
        # }
    ],
    reasoning={
        "generate_summary": "concise",
    },
    truncation="auto"
)

print(response.output)

참고 : Computer Use 성능표

---

1. Agents SDK: 멀티-에이전트 오케스트레이션

기존 Swarm SDK를 발전시킨 Agents SDK가 공개되었습니다.

• 이 SDK를 활용하면 여러 에이전트를 쉽게 조율하고, 역할을 분리하여 복잡한 애플리케이션을 개발할 수 있습니다.

🤔 (참고) Swarm이란 무엇인가?

• 링크: https://github.com/openai/swarm
• Swarm은 OpenAI가 개발한 다중 에이전트 시스템을 탐구하기 위한 교육용 프레임워크로, 여러 개의 에이전트를 조율하고 협업을 관리하는 개념을 실험할 수 있도록 설계되었습니다.
• Swarm을 활용하면 에이전트 간의 역할 분담과 정보 공유를 손쉽게 구성할 수 있으며, 이를 통해 복잡한 AI 시스템을 보다 직관적으로 구축할 수 있습니다.
• 다만, Swarm은 주로 학습 및 실험을 위한 도구로 개발되었으며, 본격적인 프로덕션 환경보다는 연구 및 개발 단계에서 활용하는 것이 권장됩니다.

주요 기능

• 개별 에이전트 정의 및 도구(Tools) 연결: 각 에이전트는 고유한 역할을 가지며, 특정 도구(예: Web Search, File Search, Custom Functions)와 연계할 수 있음.
• Tracing & Observability: 에이전트 실행 흐름을 시각적으로 추적하고 디버깅 가능. 실행 내역을 확인하여 문제 발생 시 빠르게 해결할 수 있음.
• Handoff 기능: 대화 중 특정 요청이 발생하면, 관련된 에이전트로 자연스럽게 역할을 전달할 수 있음.
• Guardrails: 입력 및 출력 검증을 통한 보안 강화. 유해한 콘텐츠나 부적절한 요청을 자동으로 차단 가능.
• 멀티 모델 지원: GPT-4, GPT-3.5뿐만 아니라, 다양한 AI 모델을 혼합하여 에이전트 구축 가능.

코드 예시

from agents import Agent, Runner, WebSearchTool, function_tool

@function_tool
def submit_refund_request(item_id: str, reason: str):
    return "success"

support_agent = Agent(
    name="Support & Returns",
    instructions="고객 지원 및 환불 요청을 처리하는 에이전트입니다.",
    tools=[submit_refund_request],
)

shopping_agent = Agent(
    name="Shopping Assistant",
    instructions="패션 스타일을 추천하는 에이전트입니다.",
    tools=[WebSearchTool()],
)

triage_agent = Agent(
    name="Triage Agent",
    instructions="사용자를 적절한 에이전트로 연결하는 역할을 합니다.",
    handoffs=[shopping_agent, support_agent],
)

output = Runner.run_sync(
    starting_agent=triage_agent,
    input="내 옷 스타일에 맞는 신발을 추천해줘",
)

---

1. Responses API 데모

4.1 기본적인 API 호출 (발표 시연)

• 기존 Chat Completions API와 유사한 형태
• 요청(Request) → 응답(Response) 방식으로 동작하며, 다양한 도구와 결합 가능

4.2 스타일 추천 에이전트(Personal Stylist Assistant) 구현

1. 초기 설정

   • 에이전트 역할 정의: “You are a personal stylist”
   • 최신 트렌드 분석 가능: “What are some of the latest trends?”

1. File Search Tool을 활용한 개인 스타일 분석

   • 특정 사용자의 스타일 정보를 벡터 저장소(Vector Store)에서 검색이 가능

• 예제: “Can you briefly summarize what Ilan likes to wear?”
  • 응답: “Ilan has a distinct ecosystem style characterized by Miami chic.”

1. Web Search Tool을 활용한 최신 정보 반영

   • 사용자의 여행지를 입력하여 해당 지역에서 구매 가능한 제품 검색
   • 예제: “Find me a jacket that I would like nearby.”

   • 처리 과정:

     1. File Search Tool → 사용자 스타일 분석
     2. Web Search Tool → 해당 지역에서 관련 제품 판매 매장 검색
     3. 결과: “Kevin이 좋아할 만한 Patagonia 매장을 Tokyo에서 검색”

4.3 Computer Use Tool 데모 (쇼핑 자동화 시연)

• 사용자가 원하는 재킷을 직접 찾아 구매할 수 있도록 지원

• Computer Use Tool 사용 절차:

  1. Patagonia 쇼핑 웹사이트의 스크린샷을 캡처하여 모델에 전달

  2. 모델이 화면을 분석하고 적절한 클릭, 입력 등의 동작을 수행

     

  3. 연속적인 스크린샷 분석을 통해 전체 구매 프로세스 자동화

4.4 Swarm(Agents API) 활용한 에이전트 오케스트레이션

• Swarm 기반 멀티 에이전트 실행: Swarm은 OpenAI에서 제공하는 다중 에이전트 프레임워크로, 여러 개의 에이전트가 역할을 나누어 협력하도록 설계됨.

아래 기능들을 겸비한 Stylist Agent가 있다고 해보겠습니다.

• Web Search Tool을 활용하여 실시간 정보를 검색
• File Search Tool을 통해 사용자의 선호도를 반영

Swarm(Agents API)는 위 Agent가 다른 Agent에게 역할을 전달하기 쉽게합니다.

• 에이전트 간 역할 분담 및 자동화:
  1. Triage Agent: 사용자의 요청을 분석하여 적절한 에이전트로 라우팅
  2. Shopping Agent: 사용자의 스타일을 분석하고 적절한 제품 추천
  3. Support Agent: 구매 후 고객 지원 및 환불 처리

• 추가 기능 설명:
  1. Handoff: 특정 작업을 수행하기 위해 요청을 다른 에이전트로 전달하여 협력적 문제 해결 가능
  2. Runner.run_sync:
     • 초기 입력을 처리하고, 필요 시 다른 에이전트로 전달하여 최적의 결과 도출
     • 특정 도구(WebSearchTool, FileSearchTool)를 활용하여 맞춤형 응답 생성

---

1. 향후 계획

OpenAI는 앞으로 더 많은 도구 및 모델을 추가할 계획이며, Responses API를 중심으로 AI 에이전트 구축을 지원할 예정입니다.

ℹ️ 향후 업데이트 예정 내용 정리

1. Responses API에 Assistance API의 기능을 추가하여 완전한 대체 API로 발전

   • 2026년까지 Assistance API 단계적 종료 예정
   • Responses API로 자연스럽게 마이그레이션할 수 있도록 지원

2. 멀티모달 모델과 통합하여 더욱 강력한 에이전트 구현 지원

   • 텍스트뿐만 아니라 이미지, 음성, 동영상 등 다양한 입력을 처리할 수 있도록 확장

3. 다양한 API를 단일 플랫폼에서 통합적으로 운영

   • Responses API, Agents SDK, Web Search Tool, File Search Tool 등을 하나의 플랫폼에서 유기적으로 연결

4. 더욱 향상된 보안 및 개인정보 보호 기능 추가

   • API 요청 및 응답에 대한 데이터 보호 강화
   • 민감한 정보 처리 시 추가적인 보호 메커니즘 적용

OpenAI는 2025년을 “The Year of the Agent”로 만들기 위해 지속적으로 기술을 개선하고, 개발자들이 더 강력한 AI 에이전트를 쉽게 구축할 수 있도록 지원할 것이라고 선언했습니다 🙌

앞으로는 또 어떤 방향으로 발전해 나갈지 궁금하군요🤔

---

• Previous
  [개념정리] 메타-분석과 서베이 페이퍼
• Next
  [인터뷰] NVIDIA CEO 젠슨황이 말하는 AI의 미래

---

---

CATALOG

---

FEATURED TAGS

개념정리 OpenAI chatGPT python paper-review 강의노트 환경 Conference 꿀팁 머신러닝 딥러닝 IT지식 NLP Timeseries 이상탐지 rag trend-review git linux Conference | CES Lovable PyTorch vibe coding Conference | CIO Graph pandas 도서리뷰 차원축소 CV google tools Conference | OpenAI Conference | SK-AI langgraph site 통계 Anthropic Claude Conference | AIS IT정리 Jupyter MidJourney OLLAMA conda network pyenv/pipenv snippet splunk

---

FRIEND SITES

• My Velog
• My YouTube
• LGSW YouTube
• DSBA Youtube
• DMQA Youtube