Hvad er en OpenAI AI-agent
På denne side
Opdateret 2. november 2026 — Agent Builder. Den 3. juni 2026 annoncerede OpenAI lukningen af Agent Builder, planlagt til 30. november 2026; ChatKit forbliver tilgængeligt. Fremover henviser OpenAI brugere til Agents SDK eller agenter i ChatGPT-arbejdsområdet. Siden 10. september 2026 har OpenAI udbudt en offentlig beta af Agents API, der hoster agent-orkestrering (se ChatGPT i 2026, lektion 10).
Hvad er en OpenAI AI-agent
Et standard API-kald producerer tekst: du sender et spørgsmål, modellen returnerer et svar, og transaktionen slutter der. En agent fungerer anderledes. Den ræsonnerer over den tildelte opgave, beslutter hvilke handlinger der skal udføres, eksekverer dem, observerer resultaterne og gentager cyklussen, indtil målet er nået. Dette skift fra „at generere tekst” til „at fuldføre en opgave” repræsenterer en fundamental udvikling i måden, vi bygger intelligente applikationer på.
I 2026 tilbyder OpenAI et komplet økosystem til at bygge agenter: Agents SDK (Python), Agent Builder (no-code) og ChatKit (udrulning). Dette kursus guider dig gennem hver af disse komponenter.
Agent kontra chatbot: Den afgørende forskel
En standard chatbot svarer på dine beskeder; en agent handler. Fire egenskaber kendetegner den. For det første autonomi: agenten beslutter selv, hvilke værktøjer den skal bruge og i hvilken rækkefølge; du scripter ikke sekvensen for den. For det andet tillader ræsonneringsløkken den at observere resultaterne af sine handlinger og justere sin strategi i stedet for at følge en stiv plan. For det tredje giver adgang til værktøjer den hænder: søgning på nettet, eksekvering af kode, læsning af filer eller kald af API’er. Endelig sikrer persistens kontekst på tværs af flere trin, så information indsamlet under det tredje kald stadig er brugbar ved det tiende.
Et konkret eksempel illustrerer dette gab. Du spørger: „Analyser sidste kvartals salg og send et resumé til teamet.” En chatbot vil give dig en skabelon til resuméet og overlade til dig at udfylde den. En agent vil:
- Kalde dit salgs-API for at hente data
- Bruge Code Interpreter til at beregne tendenser
- Generere et struktureret resumé
- Sende e-mailen via en forbundet funktion
Du har ikke programmeret nogen af disse fire trin: du beskrev et mål og stillede værktøjer til rådighed.
OpenAI-agents økosystem i 2026
Tre indgangsniveauer sameksisterer, lige fra den første prototype til produktionsudrulning.
Agent Builder (No-Code)
Det visuelle interface på platform.openai.com lader dig oprette en agent uden at skrive kode: du konfigurerer instrukser, værktøjer og sikkerhedsforanstaltninger (guardrails) der. Det er værktøjet til hurtig prototyping, det der på en halv time fortæller dig, om din idé holder vand.
Agents SDK (Python)
Det officielle SDK giver fuld kontrol over logik, værktøjer, overdragelser mellem agenter og sporing. Dette er kernen i dette kursus, og en komplet agent passer på blot få linjer.
from agents import Agent, Runner
agent = Agent(
name="Sales Assistant",
instructions="You are a sales assistant. Analyze sales data and propose recommendations.",
model="gpt-5.6-terra",
)
result = Runner.run_sync(agent, "What is the best-selling product this month?")
print(result.final_output)
ChatKit (Udrulning)
ChatKit integrerer dine agenter i dit produkt: chat-widgets, temaer og brugerhandlinger. Det transformerer en agent, der kører i en terminal, til en komponent klar til produktion.
Responses API: Motoren under hjelmen
Alle OpenAI-agenter er afhængige af Responses API, som har erstattet Chat Completions API som det primære indgangspunkt. Det håndterer nativt function calling, web search (realtidssøgning), file search (søgning i dine filer), code interpreter (eksekvering af Python-kode), computer use (interface-styring) og MCP-connectors (åben protokol). Du behøver ikke kalde det direkte, da Agents SDK kapsler det ind; men når en agent opfører sig forkert, er det dette lag, du dykker ned i for at forstå og optimere den.
Modeller tilgængelige for dine agenter
Siden 9. juli 2026 udgør GPT-5.6-familien (Sol, Terra, Luna) den nuværende generation, og ræsonnering er ikke længere en separat model: det er en indstilling, der spænder fra none til max. Kodeeksemplerne i dette kursus bruger denne familie.
| Model | Identifikator | Positionering |
|---|---|---|
| GPT-5.6 Sol | gpt-5.6-sol | Mest kapacitet: komplekse opgaver, avanceret ræsonnering |
| GPT-5.6 Terra | gpt-5.6-terra | Balance mellem intelligens og omkostninger — dit standardvalg |
| GPT-5.6 Luna | gpt-5.6-luna | Højt volumen og minimale omkostninger, perfekt til agent-kæder |
Ræsonnering er konfigurerbar pr. anmodning på hver af dem (none → max), hvilket erstatter det gamle kompromis mellem en generisk model og en dedikeret ræsonneringsmodel.
Valg af model påvirker direkte din agents kapaciteter og omkostninger: en økonomisk model kaldet tyve gange i en kæde faktureres ikke ligesom en frontlinjemodel, der kaldes én gang. Vi vender tilbage til dette i detaljer i kommende lektioner.
Vigtige pointer
- En AI-agent ræsonnerer, beslutter og handler — den er meget mere end en chatbot
- OpenAI-økosystemet tilbyder tre niveauer: Agent Builder (no-code), Agents SDK (kode), ChatKit (udrulning)
- Responses API er den underliggende motor for alle agenter
- GPT-5.6 (Sol, Terra, Luna) er den nuværende generation; ræsonnering er en indstilling, ikke en separat model