OpenAI Agent Builder: конструктор агентов без единой строки кода

На конференции DevDay 6 октября 2025 года OpenAI показала Agent Builder — визуальный конструктор, где агента собирают перетаскиванием блоков на холсте, а не кодом. Идея простая: вместо того чтобы вручную писать оркестрацию вызовов модели, инструментов и проверок через API, вы соединяете узлы линиями, как в блок-схеме. Продукт вышел в бете и встроен в платформу AgentKit — набор инструментов OpenAI для сборки, запуска и оценки агентов.

Ключевой вопрос не «красиво ли выглядит холст», а «что делать, когда агент на третьем шаге вызвал не тот инструмент». На него мы и смотрим в первую очередь.

Что именно вышло

Agent Builder — часть AgentKit, представленной на DevDay 2025. В неё, помимо самого конструктора, входят ChatKit (готовый встраиваемый чат-интерфейс), инструменты оценки (evals) и коннекторы к внешним источникам данных. Конструктор работает в браузере: вы добавляете на холст узлы, задаёте для каждого модель, инструкции и доступные инструменты, а затем связываете их в поток.

Базовые типы узлов, которые OpenAI показала на запуске:

• Агент — узел с моделью, системной инструкцией и набором инструментов, которые он может вызвать.
• Логика и ветвления — условия, по которым поток идёт в одну ветку или другую.
• Guardrails — проверки входа и выхода: например, отсечь персональные данные или запрос не по теме до того, как он дойдёт до модели.
• Инструменты и коннекторы — вызовы функций, поиск по вашим документам, обращение к внешним сервисам.

Собранный поток можно опубликовать и дёргать через API или встроить в приложение через ChatKit. То есть no-code здесь — это про сборку логики, а не про полный отказ от разработчиков: кто-то всё равно поднимает бэкенд, следит за ключами и лимитами.

Причём тут «агент»

Агент^* в терминах OpenAI — это не просто вызов модели «вопрос-ответ». Это модель, которой дали инструменты и право самой решать, какой из них вызвать и в каком порядке, чтобы дойти до цели. Конструктор как раз про то, чтобы этот процесс сделать наблюдаемым: видно, какие узлы отработали и где поток свернул не туда.

Чем отличается от того, что уже есть

Визуальные конструкторы автоматизаций существуют давно. n8n, Make, Zapier умеют соединять сервисы блоками, и в них тоже можно вставить вызов модели. Разница в том, вокруг чего построена платформа: у Agent Builder ядро — это агент и его инструменты, а не интеграция между SaaS-сервисами.

Главный козырь Agent Builder — связка «собери агента — прогони его через evals — исправь — снова прогони» в одном месте. У универсальных конструкторов оценка качества ответов модели обычно остаётся на вас: логи есть, а системного способа померить, стал ли агент отвечать лучше после правки, нет. Расплата за это — привязка к экосистеме OpenAI и облаку: своё железо под это не поставить.

No-code снимает барьер входа, но не снимает ответственности. Собрать агента за час можно; отвечать за то, что он посоветовал вашему клиенту, всё равно придётся человеку.

Кому это пригодится и кому нет

Инструмент не универсальный. Он хорошо ложится на одни задачи и мешает в других.

Пригодится

• Продуктовым командам без выделенного ML-инженера. Нужен бот поддержки, который ищет ответ в базе знаний и эскалирует сложное человеку — на холсте это собирается быстрее, чем пишется руками.
• Тем, кто уже в экосистеме OpenAI. Если приложение и так ходит в их API, evals и guardrails из коробки экономят время.
• Для прототипов и проверки гипотез. Показать заказчику работающий поток за день, а не за спринт.

Скорее нет

• Если нужна модель не от OpenAI или мультимодельная стратегия — универсальные конструкторы гибче.
• Если данные нельзя выпускать в чужое облако — self-hosting здесь недоступен, в отличие от n8n.
• Для сложной кастомной логики, которую всё равно проще выразить кодом через Agents SDK, чем городить на холсте.

Сколько стоит

Сам конструктор OpenAI позиционирует как часть платформы, а не как отдельную подписку: вы платите за использование моделей и инструментов по обычным тарифам API. Значит, стоимость агента упирается в число вызовов, размер контекстного окна^** и то, какую модель вы поставили в узлы. Точные цены за токены и условия беты меняются — сверяйте их на актуальной странице тарифов OpenAI перед тем, как считать бюджет проекта.

Практический совет: считайте не «цену за агента», а цену за один прогон типичного сценария, умноженную на ожидаемое число обращений в месяц. Один тяжёлый узел с большой моделью и длинным контекстом способен съесть больше, чем весь остальной поток.

^* Агент — модель с доступом к инструментам, которая сама выбирает, какие из них и в каком порядке вызвать для решения задачи, а не просто отвечает текстом на один запрос.

^** Контекстное окно — объём текста (в токенах), который модель удерживает «в поле зрения» за один вызов: и ваш запрос, и данные, и предыдущие шаги диалога. Чем оно больше, тем дороже вызов.