Openai के नए AI एजेंट टूल आपके कोडिंग अनुभव में क्रांति ला सकते हैं

यदि आपने एक प्रोडक्शन डेवलपर के रूप में कुछ समय बिताया है, तो आप अच्छी तरह जानते हैं कि एप्लिकेशन प्रोग्रामिंग इंटरफेस (API) अक्सर प्रदाता की मर्जी पर तुरंत बदल सकते हैं। एक दिन, आपका ऐप सुचारू रूप से चल रहा होता है, और आप इसके उज्ज्वल भविष्य के सपने देख रहे होते हैं। अगली सुबह, आप जागते हैं और पता चलता है कि आपके API प्रदाताओं में से एक ने एक बड़ा बदलाव घोषित किया है, जिसके कारण आपको अगले छह महीने अपने ऐप को अनुकूलित करने के लिए फिर से लिखने में बिताने पड़ते हैं। मुझ पर विश्वास करें, मैं वहाँ रहा हूँ।

AI-आधारित ऐप्स इस API जीवन के नियम से कोई अपवाद नहीं हैं। OpenAI ने हाल ही में Responses API की शुरुआत की घोषणा की है, जिसका मतलब है कि इसके Assistants API का समापन क्षितिज पर है, जो 2026 में किसी समय निर्धारित है।

जैसा कि अधिकांश API अपडेट्स के साथ होता है, नया Responses API अधिक सुविधाएँ, बेहतर प्रदर्शन और कम परेशानियाँ देने का वादा करता है। लेकिन इन सुधारों के बावजूद, पिछले API के शुरुआती उपयोगकर्ताओं के पास नए कार्यों से हाथ भरे रहेंगे।

OpenAI ने AI एजेंट्स बनाने के लिए प्रोग्रामर-स्तर की नई सुविधाओं की एक श्रृंखला भी शुरू की है, जिसमें नया API शामिल है। आइए इस बदलाव के संदर्भ को समझने के लिए एक क्षण लें।

जब से कुछ साल पहले जनरेटिव AI (Gen AI) का उदय हुआ, ऐसा लगता है कि हर उत्पाद और सेवा AI की लहर पर सवार हो गई है, अपनी पेशकशों में AI-संचालित सुविधाएँ जोड़ रही है। ये हमेशा शुरुआत से नहीं बनाए जाते; कई कंपनियाँ OpenAI जैसे AI प्रदाताओं से API का उपयोग कर रही हैं। ये API प्रति लेनदेन एक पूर्वानुमानित लागत पर AI कार्यक्षमता प्रदान करते हैं। उदाहरण के लिए, एक डॉलर के साथ, एक डेवलपर लगभग 67 GPT-4.5 सामान्य चैट क्वेरी, 1,176 GPT-4o क्वेरी, या 20,000 GPT-4o मिनी क्वेरी कर सकता है।

OpenAI और अन्य AI कंपनियों के API के लिए धन्यवाद, डेवलपर्स अब साधारण फंक्शन कॉल और क्रेडिट कार्ड के साथ अपने कोड में AI क्षमताएँ जोड़ सकते हैं, जिससे वर्षों के विकास और भारी बुनियादी ढांचे और अनुसंधान लागतों को बायपास किया जा सकता है।

नया Responses API

अब तक, OpenAI ने ChatGPT को चैट प्रॉम्प्ट भेजने और जवाब प्राप्त करने के लिए Chat Completions API प्रदान किया था, और Assistants API, जो एजेंट्स को बहु-चरणीय तर्क और फाइलों तक पहुँचने में सक्षम बनाता था। नया Responses API दोनों की क्षमताओं को जोड़ता है। जबकि Chat Completions API बना रहेगा, Assistants API अगले साल रिटायर होने वाला है, जिससे अधिक शक्तिशाली Responses API के लिए रास्ता बनेगा।

Responses API की कीमत OpenAI की मूल्य निर्धारण पृष्ठ पर मिल सकती है और यह मॉडल और उपयोग के आधार पर भिन्न होती है।

Responses API प्रोग्रामरों के लिए तीन अंतर्निहित टूल के साथ आता है: वेब सर्च, फाइल सर्च, और कंप्यूटर उपयोग।

वेब सर्च टूल

यदि आपने कभी ChatGPT का उपयोग वेब को खंगालने और जवाब संकलित करने के लिए किया है, तो आप जानते हैं कि वेब सर्च टूल क्या करता है। Responses API के साथ, डेवलपर्स अपने प्रोग्राम्स से सीधे ऐसी क्वेरी शुरू कर सकते हैं। API टेक्स्ट जवाबों के साथ-साथ स्रोतों के लिंक और इनलाइन उद्धरण लौटाता है। जबकि OpenAI की रिपोर्ट है कि GPT-4o के साथ टेस्ट में केवल 38% सटीकता दर थी, GPT-4o सर्च प्रीव्यू और GPT-4o मिनी सर्च प्रीव्यू ने 90% सटीकता दर हासिल की। सही नहीं, लेकिन काफी अच्छा, है ना?

फाइल सर्च टूल

अगला है फाइल सर्च टूल, जो आपकी कंपनी के दस्तावेज़ लाइब्रेरी में खोज करने के लिए डिज़ाइन किया गया है। OpenAI उपयोगकर्ताओं को आश्वासन देता है कि व्यावसायिक डेटा का उपयोग इसके AI को प्रशिक्षित करने के लिए नहीं किया जाएगा, इसलिए आप अपने डेटा को अपलोड करने के बारे में कुछ हद तक सुरक्षित महसूस कर सकते हैं। हालांकि, प्रति गीगाबाइट प्रति माह $0.10 पर, फाइल स्टोरेज सस्ता नहीं है। उदाहरण के लिए, मेरी छोटी कंपनी का 57TB दस्तावेज़ डेटाबेस OpenAI के साथ स्टोर करने में प्रति माह लगभग $6,000 का खर्च आएगा। जबकि AI सर्च टूल साइलो को तोड़ सकते हैं, कीमत इस सुविधा की व्यावहारिकता को कई व्यवसायों के लिए सीमित कर सकती है।

कंप्यूटर उपयोग टूल

अंत में, कंप्यूटर उपयोग टूल है, जो OpenAI के Operator एजेंट का केंद्र है। यह स्क्रीन को पढ़ने और जो देखता है उसके आधार पर कार्रवाई करने के लिए है। डेमो से, यह स्पष्ट है कि इस टूल को अभी भी सार्वभौमिक रूप से उपयोगी बनने के लिए एक लंबा रास्ता तय करना है। हमें इसकी प्रगति पर नजर रखनी होगी।

Agents SDK

एक API मूल रूप से एंडपॉइंट्स या फंक्शन कॉल का एक सेट है जो बाहरी सिस्टम के साथ इंटरैक्शन की अनुमति देता है। दूसरी ओर, एक SDK (सॉफ्टवेयर डेवलपमेंट किट) एक अधिक व्यापक पैकेज है जिसमें सॉफ्टवेयर टूल, API, लाइब्रेरी, और उपयोगिताएँ शामिल होती हैं, जो सभी एक साथ काम करती हैं।

OpenAI ने Agents SDK शुरू किया है, जो एजेंट्स को बनाने, डिबग करने और निगरानी करने के लिए एक टूलकिट है। यह किट Responses API को शामिल करता है और वर्कफ़्लो ऑर्केस्ट्रेशन जोड़ता है, जिससे डेवलपर्स बहु-चरणीय तर्क और कार्यों को निष्पादित कर सकते हैं। यह विशिष्ट भूमिकाओं के साथ एजेंट टीमों के निर्माण की भी अनुमति देता है, और इसमें एक "हैंड-ऑफ" कार्यक्षमता शामिल है जहाँ एक एजेंट कार्यों को दूसरे को सौंप सकता है।

शायद सबसे महत्वपूर्ण सुविधाओं में से एक मॉनिटरिंग डैशबोर्ड है, जो डेवलपर्स को AI के साथ प्रत्येक इंटरैक्शन को ट्रैक करने, यह पहचानने की अनुमति देता है कि कौन से एजेंट्स का उपयोग किस लिए किया गया, और उन्हें कैसे कार्य सौंपा गया। AI हैलुसिनेशन की समस्या को देखते हुए, इन स्वतंत्र कार्यों पर नजर रखना महत्वपूर्ण है।

OpenAI के नवीनतम अपडेट्स के बारे में आप क्या सोचते हैं?

क्या आप अपने प्रोजेक्ट्स में Responses API को एकीकृत करने की योजना बना रहे हैं, या Assistants API का समापन आपको रुकने के लिए मजबूर करता है? वेब सर्च, फाइल सर्च, और कंप्यूटर उपयोग जैसे अंतर्निहित टूल्स के बारे में आपके विचार क्या हैं? क्या वे वास्तविक जरूरतों को संबोधित करते हैं, या वे नई चुनौतियाँ लाते हैं?

और Agents SDK के बारे में क्या? क्या आप इसे AI एजेंट विकास के लिए गेम-चेंजर के रूप में देखते हैं, या अभी भी कुछ कमियाँ हैं जिन्हें भरना बाकी है? नीचे टिप्पणियों में अपनी अंतर्दृष्टि साझा करें।

सोशल मीडिया पर मेरे दिन-प्रतिदिन के प्रोजेक्ट अपडेट्स के साथ जुड़े रहें। मेरे साप्ताहिक अपडेट न्यूज़लेटर की सदस्यता लेना न भूलें, और मुझे Twitter/X पर @DavidGewirtz, Facebook पर Facebook.com/DavidGewirtz, Instagram पर Instagram.com/DavidGewirtz, Bluesky पर @DavidGewirtz.com, और YouTube पर YouTube.com/DavidGewirtzTV पर फॉलो करें।