OpenAI hat am 6. Oktober 2025 beim jährlichen DevDay in San Francisco AgentKit vorgestellt, eine umfassende Entwicklerplattform für die Erstellung produktionsreifer KI-Agenten.
Das Herzstück bildet der Agent Builder, eine visuelle Drag-and-Drop-Oberfläche, die laut CEO Sam Altman funktioniert wie Canva für den Aufbau von Agenten. Die Plattform positioniert sich als direkter Konkurrent etablierter Workflow-Automatisierungstools wie Zapier, n8n und Make und markiert OpenAIs strategischen Wandel von einem reinen Modellanbieter zu einem Full-Stack-Anwendungsökosystem.
ZENTRALE Überblick
- Agent Builder ermöglicht visuelle Workflow-Erstellung ohne Programmierkenntnisse mit Drag-and-Drop-Nodes, Versionierung und integrierten Sicherheitsfeatures
- Die Plattform reduziert Entwicklungszeit von mehreren Monaten auf wenige Stunden, wie Implementierungen bei Ramp und LY Corporation zeigen
- AgentKit umfasst vier Kernkomponenten: Agent Builder, ChatKit, Evals for Agents und Connector Registry, alle im Standard-API-Pricing inkludiert
Technische Architektur und Funktionsumfang
Der Agent Builder basiert auf der im März 2025 eingeführten Responses API und verbindet die Einfachheit der Chat Completions API mit den Tool-Nutzungsfunktionen der Assistants API. Die visuelle Oberfläche bietet eine modulare Baustein-Architektur mit verschiedenen Node-Typen für Logik, Konnektoren, Nutzergenehmigungen, Dateiensuche und Datentransformationen.
Zentrale Funktionen der Plattform
Die Entwicklungsumgebung ermöglicht sowohl den Start mit vorgefertigten Templates als auch die Erstellung vollständig individueller Workflows. Verfügbare Templates umfassen Kundenservice-Bots, Datenanreicherungsroutinen, Q&A-Agenten und Dokumentenvergleichstools. Jedes Template enthält vorkonfigurierte Nodes, Beispieldaten und Testszenarien für einen unmittelbaren Einstieg.
Guardrails bilden eine Open-Source-Sicherheitsebene, die vor Lecks persönlich identifizierbarer Informationen schützt, Jailbreak-Versuche erkennt und unbeabsichtigte Aktionen verhindert. Diese Sicherheitsfeatures lassen sich auf Node- und Tool-Ebene konfigurieren, was granulare Kontrollmechanismen ermöglicht.
Die Connector Registry stellt einen zentralen Verwaltungspunkt für Administratoren dar, um Datenverbindungen und Tool-Integrationen über OpenAI-Produkte hinweg zu verwalten. Vorinstallierte Konnektoren für Dropbox, Google Drive, SharePoint und Microsoft Teams sowie Unterstützung für Model Context Protocol Server erweitern die Integrationsmöglichkeiten erheblich.
AgentKit Komponenten im Detail
Neben dem Agent Builder umfasst AgentKit drei weitere Kernkomponenten, die einen vollständigen Entwicklungszyklus abdecken.
ChatKit für Deployment
ChatKit liefert ein einbettbares Chat-Interface, mit dem Entwickler Agentenerfahrungen direkt in ihre eigenen Anwendungen integrieren können. Die Toolkit-Lösung ermöglicht umfassende Anpassungen an Markenidentität, Workflows und produktspezifische Besonderheiten, ohne dass wochenlange Frontend-Entwicklung erforderlich wird. ChatKit ist seit Oktober 2025 allgemein verfügbar.
Evals for Agents zur Performance-Messung
Das erweiterte Evaluations-System führt Tools für die präzise Messung der Agentenleistung ein. Entwickler können Schritt-für-Schritt-Trace-Bewertungen durchführen, Datensätze zur Bewertung einzelner Agentenkomponenten erstellen und automatisierte Prompt-Optimierung nutzen. Die Integration externer Modelle für Evaluationszwecke erweitert die Testmöglichkeiten über OpenAI-Modelle hinaus. Durch LLM-Grader lassen sich die letzten 100 oder 1000 Ausführungen eines Workflows automatisch evaluieren.
Agents SDK für Code-First-Entwicklung
Als Alternative zur visuellen Oberfläche bietet das Agents SDK eine code-zentrierte Entwicklungsumgebung mit typsicheren Bibliotheken für Node, Python und Go. OpenAI positioniert das SDK als viermal schneller als manuelle Prompt-und-Tool-Setups, während es auf derselben Ausführungsplattform wie Agent Builder basiert.
Praxisbeispiele und Implementierungsgeschwindigkeit
Die Implementierungsgeschwindigkeit des Agent Builders zeigt sich in mehreren dokumentierten Praxisfällen eindrucksvoll.
Ramp: Von Monaten zu Stunden
Das Fintech-Unternehmen Ramp entwickelte einen Einkaufsagenten innerhalb weniger Stunden statt der zuvor üblichen Monate. Die visuelle Oberfläche ermöglichte eine 70-prozentige Reduzierung der Iterationszyklen und brachte den Agenten in zwei Sprints statt zwei Quartalen in Produktion. Die Plattform hält Produktteams, Rechtsabteilung und Engineering auf einer gemeinsamen Arbeitsebene.
Weitere Unternehmensimplementierungen
LY Corporation, ein führendes japanisches Technologieunternehmen, baute einen Arbeitsassistenz-Agenten mit Agent Builder in unter zwei Stunden. Albertsons nutzte AgentKit für einen Agenten, der saisonale Trends, historische Daten und externe Faktoren analysiert, um Verkaufsempfehlungen für Eiscreme zu generieren. Klarna implementierte einen Support-Agenten, der zwei Drittel aller Tickets automatisch bearbeitet.
Verfügbarkeit und Preismodell
ChatKit und die neuen Evaluationsfunktionen sind seit Oktober 2025 allgemein für alle Entwickler verfügbar. Der Agent Builder befindet sich in der Betaphase mit schrittweisem Rollout. Die Connector Registry startet ihre Beta-Einführung für API-Kunden sowie ChatGPT Enterprise und Edu-Nutzer mit Global Admin Console.
Alle AgentKit-Tools sind im Standard-API-Modellpricing inkludiert. Entwickler zahlen ausschließlich für Modell- und Compute-Nutzung, ohne separate Produktgebühren. OpenAI kündigte an, in naher Zukunft eine eigenständige Workflows API und zusätzliche Deployment-Optionen für ChatGPT bereitzustellen.
Marktpositionierung und Wettbewerbsumfeld
Der Agent Builder tritt in direkten Wettbewerb mit etablierten Workflow-Automatisierungsplattformen. Die Positionierung als visuell-zentrierte Lösung mit integriertem KI-Modellzugang unterscheidet die Plattform von klassischen Automatisierungstools.
Abgrenzung zu bestehenden Lösungen
Während Plattformen wie Zapier und n8n primär auf Verbindungen zwischen bestehenden Diensten fokussieren, integriert Agent Builder KI-gesteuerte Entscheidungsfindung und kontextbasierte Verarbeitung nativ. Die enge Kopplung an OpenAIs Infrastruktur und Sicherheitsarchitektur bietet konsolidierte Verwaltungsmöglichkeiten, die fragmentierte Tool-Stacks ersetzen können.
Enterprise-Readiness
Für unternehmensweite Implementierungen fehlen allerdings noch einige Features, die Enterprise-Plattformen wie OutSystems oder Mendix standardmäßig bieten. Tiefgreifende Data-Governance-Tools, umfassende Auditing-Funktionen und erweiterte Sicherheitskontrollen befinden sich noch in der Entwicklung.
Technologische Grundlagen
Der Model Context Protocol ermöglicht die Standardisierung von Verbindungen zu externen Datenquellen und Tools. MCP-Konnektoren übernehmen automatisch Authentifizierung, Rate-Limiting und Fehlerbehandlung. Der Vorschaumodus erlaubt das Testen von Workflows vor der Produktionsbereitstellung.
Die Integration mit Evals ermöglicht Inline-Konfiguration von Evaluationskriterien direkt während der Workflow-Entwicklung. Entwickler definieren Erfolgskriterien einmalig und lassen anschließend automatisierte Grader die Performance über hunderte oder tausende Ausführungen hinweg bewerten.
Arbeitet deine Organisation mit OpenAI Agent Builder oder bietet ihr Implementierungs-Services für AgentKit an? Teile deine Erfahrungen und Expertise mit der ZENTRALE Community und lass uns gemeinsam die Standards für professionelle Agentenentwicklung definieren.
