发布会核心内容
1. Apps in ChatGPT (ChatGPT内的应用)
- 第三方应用可直接集成到ChatGPT界面中
- 提供Apps SDK(基于MCP标准构建)供开发者使用
- 首批合作伙伴:Figma、Canva、Coursera、Spotify、Zillow等
- 用户可在ChatGPT内直接与应用交互,无需跳转
- 年底将开放正式提交和审核流程,并推出应用目录 [1] [6]
2. AgentKit (Agent开发工具包)
- 生产级Agent构建工具包
- 包含三大核心组件:
- Agent Builder: 可视化工作流编辑器
- Chat Kit: 对话界面组件
- Evals for Agents: Agent评估工具
- 支持拖拽式节点搭建,快速原型开发
- 可定义输出格式和样式模板
- 实际案例:Ramp团队使用后迭代周期缩短70% [2] [5]
3. Codex (代码开发工具)
- 正式版发布(GA - Generally Available)
- 新增Slack集成功能
- 提供Codex SDK
- 增加企业级控制功能
- 类似Claude Code的代码辅助工具 [6]
4. API重大更新
- Sora 2 API: 最新视频生成模型API,可集成到应用中
- GPT-5 Pro API: 新一代模型接口
- Real-Time Mini API: 实时交互能力
- gpt-image模型: 图像生成API
- API平台每分钟处理60亿tokens [5] [6]
5. 平台规模数据
- 400万开发者使用OpenAI构建应用
- 每周8亿+ChatGPT活跃用户
- API平台每分钟处理60亿tokens [6]
示例代码
Apps SDK 集成示例
python
# 基于MCP标准的Apps SDK基础示例
from openai_apps_sdk import App, Resource
class MyApp(App):
def __init__(self):
super().__init__(
name="DevDay助手",
description="查询OpenAI DevDay会议信息"
)
# 定义返回HTML的resource
def get_session_info(self, query):
# 查询会议数据
session = self.search_sessions(query)
# 返回格式化的HTML卡片
return Resource(
content=f"""
<div class="session-card">
<h3>{session['title']}</h3>
<p>时间: {session['time']}</p>
<p>主讲人: {session['speaker']}</p>
<p>地点: {session['location']}</p>
</div>
""",
mime_type="text/html"
)
# 部署应用
app = MyApp()
app.deploy()
代码说明: 这段代码展示了如何使用Apps SDK创建一个可以在ChatGPT内显示的应用。关键是返回HTML格式的Resource,这样内容就能直接在ChatGPT界面中渲染显示 [1]
AgentKit 工作流示例
python
from openai import OpenAI
from agent_kit import AgentBuilder, Widget
client = OpenAI()
# 创建Agent Builder实例
builder = AgentBuilder()
# 定义工作流
workflow = builder.create_workflow(
name="会议助手Agent",
steps=[
{
"type": "classifier",
"name": "意图分类",
"categories": ["查询会议", "推荐议程", "其他"]
},
{
"type": "condition",
"name": "条件判断",
"logic": "if category == '查询会议' then search_sessions"
},
{
"type": "action",
"name": "搜索会议",
"function": "search_sessions"
}
]
)
# 定义输出Widget样式
output_widget = Widget(
template="""
<card>
<title>{{session.title}}</title>
<time>{{session.time}}</time>
<speaker>{{session.speaker}}</speaker>
</card>
"""
)
# 配置Agent
agent = builder.build(
workflow=workflow,
output_widget=output_widget,
guardrails=["PII_protection"] # 添加隐私保护
)
# 部署Agent
agent.deploy()
代码说明: AgentKit允许开发者通过代码或可视化界面定义工作流逻辑,包括分类器、条件判断和动作执行。关键特性是可以自定义输出Widget的样式,使回复更加结构化和美观 [2]
Sora 2 API 视频生成示例
python
from openai import OpenAI
client = OpenAI()
# 调用Sora 2 API生成视频
response = client.video.create(
model="sora-2",
prompt="一只可爱的金毛犬在公园里奔跑,阳光明媚,慢镜头",
duration=5, # 视频时长(秒)
resolution="1080p",
style="cinematic"
)
# 获取生成的视频URL
video_url = response.data[0].url
print(f"生成的视频: {video_url}")
# 也可以直接集成到应用中
video_embed = f'<video src="{video_url}" controls></video>'
代码说明: Sora 2 API现在可以通过简单的API调用集成到应用中,支持自定义视频时长、分辨率和风格。这使得开发者可以在自己的产品中嵌入视频生成能力 [6]
运行结果示例
Apps in ChatGPT 运行效果
用户: "帮我在Canva做一个关于AI的演示文稿"
ChatGPT响应:
[在ChatGPT界面内直接显示Canva编辑器]
- 用户可以直接在ChatGPT内编辑设计
- 无需跳转到外部网站
- ChatGPT可以看到设计内容并提供实时建议
1
AgentKit 运行效果
用户: "有什么关于building agents的分享?"
Agent响应:
┌─────────────────────────────────┐
│ Orchestrating Agents at Scale │
│ 时间: 11:15 │
│ 主讲人: James & Rohan │
│ 地点: Main Hall │
│ 主题: 如何构建agents │
└─────────────────────────────────┘
[而不是纯文本回复]
现场演示显示,从零到部署仅需8分钟,包括设置工作流、上传文档、配置安全防护和样式定制 [2]
Codex 运行效果
开发者在Slack中:
/codex 帮我优化这段Python代码的性能
Codex响应:
✓ 分析了代码瓶颈
✓ 提供了3种优化方案
✓ 直接生成优化后的代码
✓ 包含性能对比数据
[代码可以直接在Slack内审查和应用]
6
战略意义
这次发布会展示了OpenAI从单纯的模型提供商向完整AI操作系统的转型:
- 打造ChatGPT作为超级入口,连接8亿+用户
- 为开发者提供完整工具链(从开发到部署到变现)
- 建立AI应用生态系统
- 实现商业闭环(Agentic Commerce Protocol) [5]