Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Vad är en OpenAI AI-agent

Lektion 1 av 25 Uppdaterad 2 november 2026 Utvecklare
På denna sida
  1. Vad är en OpenAI AI-agent
  2. Agent kontra chattbot: Den avgörande skillnaden
  3. OpenAI:s agentekosystem år 2026
  4. Responses API: Motorn under huven
  5. Modeller tillgängliga för dina agenter
  6. Viktiga punkter

Uppdaterat 2 november 2026 — Agent Builder. Den 3 juni 2026 meddelade OpenAI att Agent Builder kommer att läggas ner den 30 november 2026; ChatKit finns fortfarande tillgängligt. Framöver hänvisar OpenAI användare till Agents SDK eller agenter i ChatGPT-arbetsytan. Sedan den 10 september 2026 erbjuder OpenAI en offentlig beta av Agents API som hanterar agentorkestrering (se ChatGPT år 2026, lektion 10).

Vad är en OpenAI AI-agent

Ett vanligt API-anrop genererar text: du skickar en fråga, modellen returnerar ett svar och transaktionen avslutas där. En agent fungerar annorlunda. Den resonerar kring den tilldelade uppgiften, beslutar vilka åtgärder som ska vidtas, utför dem, observerar resultaten och upprepar cykeln tills målet är nått. Detta skifte från att “generera text” till att “utföra en uppgift” utgör en grundläggande utveckling av hur vi bygger intelligenta applikationer.

År 2026 erbjuder OpenAI ett komplett ekosystem för att bygga agenter: Agents SDK (Python), Agent Builder (utan kod) och ChatKit (distribution). Denna kurs guidar dig genom var och en av dessa komponenter.

GPT-5.6
Current generation
1M
Context tokens
6+
Built-in tools
MCP
Open protocol

Agent kontra chattbot: Den avgörande skillnaden

En vanlig chattbot svarar på dina meddelanden; en agent agerar. Fyra egenskaper särskiljer den. För det första autonomi: agenten beslutar vilka verktyg som ska användas och i vilken ordning; du behöver inte skriva sekvensen åt den. För det andra möjliggör resonemangsslingan att den observerar resultaten av sina handlingar och justerar sin strategi istället för att följa en stel plan. För det tredje ger verktygsåtkomst den händer: att söka på webben, köra kod, läsa filer eller anropa API:er. Slutligen säkerställer beständighet att kontexten behålls över flera steg, så att information som samlats in under det tredje anropet fortfarande är användbar vid det tionde.

Ett genomgående exempel illustrerar detta gap. Du frågar: “Analysera förra kvartalets försäljning och skicka en sammanfattning till teamet.” En chattbot ger dig en mall för sammanfattningen och lämnar åt dig att fylla i den. En agent kommer att:

  1. Anropa ditt försäljnings-API för att hämta data
  2. Använda Code Interpreter för att beräkna trender
  3. Generera en strukturerad sammanfattning
  4. Skicka e-postmeddelandet via en ansluten funktion

Du programmerade inte något av dessa fyra steg: du beskrev ett mål och tillhandahöll verktyg.

OpenAI:s agentekosystem år 2026

Tre instegsnivåer samexisterar, allt från den första prototypen till produktionsdistribution.

Agent Builder (utan kod)

Det visuella gränssnittet på platform.openai.com låter dig skapa en agent utan att skriva kod: du konfigurerar instruktioner, verktyg och skyddsräcken där. Det är verktyget för snabb prototypframställning, det som inom en halvtimme berättar om din idé håller måttet.

Agents SDK (Python)

Det officiella SDK:t erbjuder total kontroll över logik, verktyg, överlämningar mellan agenter och spårning. Detta är kärnan i denna kurs, och en komplett agent ryms på bara några få rader.

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 (distribution)

ChatKit integrerar dina agenter i din produkt: chattwidgetar, temaanpassning och användaråtgärder. Det omvandlar en agent som körs i en terminal till en komponent redo för produktion.

Responses API: Motorn under huven

Alla OpenAI-agenter förlitar sig på Responses API, som har ersatt Chat Completions API som den primära ingångspunkten. Det hanterar inbyggt funktionsanrop, webbsökning (sökning i realtid), filsökning (sökning i dina filer), kodtolk (körning av Python-kod), datoranvändning (gränssnittsstyrning) och MCP-kontakter (öppet protokoll). Du behöver inte anropa det direkt eftersom Agents SDK kapslar in det, men när en agent beter sig felaktigt är det detta lager du kommer att gräva djupare i för att förstå och optimera den.

Modeller tillgängliga för dina agenter

Sedan den 9 juli 2026 utgör familjen GPT-5.6 (Sol, Terra, Luna) den nuvarande generationen, och resonemang är inte längre en separat modell: det är en inställning som sträcker sig från none till max. Kodexemplen i denna kurs använder denna familj.

ModellIdentifierarePositionering
GPT-5.6 Solgpt-5.6-solMest kapabel: komplexa uppgifter, avancerat resonemang
GPT-5.6 Terragpt-5.6-terraBalans mellan intelligens och kostnad — ditt standardval
GPT-5.6 Lunagpt-5.6-lunaVolym och minimal kostnad, perfekt för agentkedjor

Resonemang är konfigurerbart per begäran för var och en av dem (none → max), vilket ersätter den gamla avvägningen mellan en generell modell och en dedikerad resonemangsmodell.

Valet av modell påverkar direkt din agents kapacitet och kostnad: en ekonomisk modell som anropas tjugo gånger i en kedja debiteras inte på samma sätt som en banbrytande modell som begärs en gång. Vi återkommer till detta i detalj i kommande lektioner.

Viktiga punkter

  • En AI-agent resonerar, beslutar och agerar — den är mycket mer än en chattbot
  • OpenAI:s ekosystem erbjuder tre nivåer: Agent Builder (utan kod), Agents SDK (kod), ChatKit (distribution)
  • Responses API är den underliggande motorn för alla agenter
  • GPT-5.6 (Sol, Terra, Luna) är den nuvarande generationen; resonemang är en inställning, inte en separat modell