OpenAI推Agent Builder怎麼用？打造AI助理滑鼠就行

ChatGPT之父、OpenAI奧特曼近期動作超多， 6日除了宣布與AMD結盟，在OpenAI DevDay 2025上還發布引起社群熱議的是AI代理（AI Agent）平台Agent Builder新工具。這項應用讓不少人聯想到熱門的n8n、Dify等其他自動化工具，因為只要在螢幕上用滑鼠拖曳就能打造AI助理的工作流，零程式碼就能跑起來。Agent Builder的特色與市面上自動化工具差異在哪？又要怎麼用？一文解析。

OpenAI在本週6日開啟了給開發者的DevDay 2025，並發布了工具組AgentKit，為的是更加實現AI Agent的理想。不過，這其中馬上引起全球社群熱議的是Agent Builder，到底厲害在哪裡？

AgentKit是什麼？其中的Agent Builder怎麼用？

AgentKit是OpenAI推出的工具組，整合了從建立、部署到優化AI代理的過程中可使用的工具，包括建立AI代理與工作流的平台Agent Builder、管理OpenAI產品間的資料與連接工具的Connector Registry，以及可讓開發者在產品中加入聊天式代理的工具組ChatKit。

在這之中，Agent Builder最受關注，其用拖拉和連接節點（nodes）的方式，加上自然語言下prompt，還能使用MCP串接第三方工具，不用寫程式光用滑鼠在螢幕上拖曳，就能快速打造以AI代理為核心的工作流。

根據OpenAI，建構AI代理主要可分為三個步驟：第一步為在Agent Builder上設計每個代理的任務，以及執行的邏輯流程；第二步為將設計好的流程公開發布，系統會自動建立版本與ID，方便後續追蹤；最後，則是可透過ChatKit將AI代理直接嵌入網站或應用程式，也可以下載SDK程式碼自行部署。

Introducing AgentKit—build, deploy, and optimize agentic workflows.

💬 ChatKit: Embeddable, customizable chat UI
👷 Agent Builder: WYSIWYG workflow creator
🛤️ Guardrails: Safety screening for inputs/outputs
⚖️ Evals: Datasets, trace grading, auto-prompt optimization pic.twitter.com/pGgNHKOvj3

— OpenAI Developers (@OpenAIDevs) October 6, 2025

Agent Builder的應用場景

目前Agent Builder已開放給所有用戶，可以在OpenAI的線上平台上使用。進入Agent Builder後，其已提供六個範例模板可直接試用，從中可窺見未來的應用場景如下：

─結構化Q&A

─內部知識助理

─文件比較

─客服助理

─工作計畫制訂

─彙整資料回答問題

以「內部知識助理」（Intenral knowledge assistant）為例，其為一個包含五個步驟的工作流。首先是讓使用者輸入想問的問題，接著會經過兩個AI代理，第一個AI代理會改寫使用者的訊息，讓其與內部知識庫的內容更相關；

第二個則會將問題分類，判斷其是屬於要在內部搜尋的QA問題、或是要向外搜尋的事實查找（fact─finding）問題。第四步的If/else節點會將分類後的訊息分流，再讓最後一步的三個AI代理各自處理對應的問題，對於不屬於前述兩類的問題，則要求使用者補充更多資訊。

Agent Builder的安全措施 

AI代理涉及許多存取使用者資料的任務，因此，防止私人資料外洩與惡意攻擊便是重要議題。對於AI代理，最常見的攻擊為提示注入（Prompt Injections），有心人士可能會將惡意內容藏在資料中，試圖讓AI改寫其原始指令，改為執行會竊取個人資料的任務。

對此，在Agent Builder中設有護欄（Guardrails）節點，可對使用者輸入的內容進行初步審核，擋下可能有提示注入攻擊疑慮、含有仇恨或騷擾內容，或是帶有個人隱私資訊的輸入訊息。

此外，也可以使用Agent Builder的評估（Evals）以及軌跡評分（Trace Grading）功能，評估AI代理執行流程的正確性與效能，在正式上線前找出潛在問題。

Agent Builder與n8n、Dify比較

Agent Builder的出現，讓不少人擔心OpenAI作為AI龍頭公司，會讓n8n或Dify等近期熱門的自動化工具被取代。但其實，這三種工具的定位和功能並非完全相同，下表整理了完整比較：