Was ist OpenAI AgentKit

OpenAI AgentKit ist ein Tool-Bündel zum Erstellen, Bereitstellen und Messen von KI-Agenten auf der OpenAI-Plattform. Wenn Sie Agenten bisher mit eigenem Orchestrierungscode, Konnektoren und Evaluierungsskripten gebaut haben, adressiert AgentKit genau diese Fragmentierung. Wichtig für 2026: Agent Builder und Evals werden eingestellt. Für neue, wartbare Implementierungen sollten Sie daher primär auf das Agents SDK setzen. API-Testtools wie Apidog helfen zusätzlich dabei, die externen Dienste zuverlässig zu testen, die Ihr Agent als Tools aufruft.

Probiere Apidog noch heute aus

Was AgentKit ist

OpenAI stellte AgentKit auf dem DevDay am 6. Oktober 2025 vor. AgentKit ist kein einzelnes Produkt, sondern eine Sammlung von Komponenten, die auf der bestehenden OpenAI API und dem OpenAI Agents SDK aufsetzen.

Das Ziel: schneller von einer Agentenidee zu einem Agenten kommen, der in einer echten Anwendung läuft.

Vor AgentKit bedeutete Agentenentwicklung häufig:

• Orchestrierungslogik selbst schreiben
• Konnektoren für jede Datenquelle bauen
• Evaluierungspipelines manuell pflegen
• Prompts iterativ testen und anpassen
• eine Chat-UI separat entwickeln

AgentKit bündelte dafür mehrere Bausteine. Die Einschränkung: OpenAI kündigte am 3. Juni 2026 an, Agent Builder und Evals einzustellen. Für langfristige Implementierungen ist deshalb das Agents SDK der stabilere Code-first-Pfad.

Die Komponenten von AgentKit

AgentKit bestand aus vier Hauptkomponenten:

1. Agent Builder
2. ChatKit
3. Konnektoren-Registry
4. Evals und Optimierung

Agent Builder

Agent Builder ist eine visuelle Oberfläche zum Entwerfen mehrstufiger Agenten-Workflows. Sie können Knoten per Drag-and-drop verbinden, Ausführungen mit realen Eingaben prüfen und versionierte Snapshots veröffentlichen.

Für Entwickler ist besonders wichtig: Agent Builder kann Workflows als ausführbaren Python- oder TypeScript-Code über das Agents SDK exportieren. Damit eignet sich die Oberfläche vor allem als Prototyping-Werkzeug.

Der Status ist jedoch entscheidend: OpenAI stellt Agent Builder ein. Laut Deprecations-Seite wird die Plattform am 30. November 2026 abgeschaltet.

Praktische Empfehlung:

• Für schnelle Prototypen: Agent Builder verwenden und Code exportieren.
• Für neue produktive Systeme: direkt mit dem Agents SDK starten.

ChatKit

ChatKit ist eine einbettbare Chat-Oberfläche für Agenten. Statt eine Chat-UI selbst zu bauen, integrieren Sie eine Webkomponente, verbinden sie mit einer veröffentlichten Workflow-ID und passen Design sowie Verhalten an.

ChatKit übernimmt typische Chat-Funktionen wie:

• Streaming-Antworten
• Threads
• UI-Integration
• grundlegende Chat-Infrastruktur

ChatKit bleibt verfügbar und ist weiterhin ein sinnvoller Weg, um eine Chat-basierte Agenten-Erfahrung bereitzustellen.

Konnektoren-Registry

Die Konnektoren-Registry ist ein Admin-Bereich zur Verwaltung von Daten- und Tool-Zugriffen über OpenAI-Produkte hinweg, einschließlich ChatGPT und API.

Sie bündelt unter anderem:

• vorgefertigte Konnektoren wie Dropbox, Google Drive, SharePoint oder Microsoft Teams
• MCP-Server von Drittanbietern
• zentrale Zugriffskontrolle für Agenten

Wenn Sie verstehen möchten, wie Agenten Tools über das Model Context Protocol aufrufen, lesen Sie den Leitfaden zu MCP-Servern und dem OpenAI Agents SDK.

Evals und Optimierung

Evals unterstützte Datensätze, Trace-Bewertungen, automatisierte Prompt-Optimierung und Bewertungen gegen Drittanbieter-Modelle. Ziel war es, die Qualität von Agentenläufen messbar zu machen.

Auch Evals wird eingestellt:

• schreibgeschützt ab 31. Oktober 2026
• Abschaltung am 30. November 2026

Wenn Sie Evaluierung langfristig benötigen, sollten Sie eigene Tests, Traces und Qualitätsmetriken außerhalb von AgentKit planen.

Wie AgentKit mit dem Agents SDK zusammenhängt

Das Agents SDK ist die Code-Ebene. Dort definieren Sie:

• Agenten
• Tools
• Übergaben
• Guardrails
• Laufzeitlogik

Agent Builder war die visuelle Ebene darüber. ChatKit ist die UI-Ebene daneben.

Ebene	Was es ist	Status im Jahr 2026
Agents SDK	Code-Framework zur Definition von Agenten, Tools und Guardrails	Aktiv, empfohlener langfristiger Pfad
Agent Builder	Visuelle Oberfläche, die Agents-SDK-Code exportiert	Veraltet, Abschaltung am 30. November 2026
ChatKit	Einbettbares Chat-UI, gebunden an eine Workflow-ID	Verfügbar
Konnektoren-Registry	Admin-Panel für Konnektoren und MCP-Server	Verfügbar
Evals	Trace-Bewertung und Prompt-Optimierung	Schreibgeschützt ab 31. Oktober 2026, Abschaltung am 30. November 2026

Für Engineering-Teams ist die Entscheidung relativ klar: Wenn ein Agent gewartet, getestet und in CI/CD integriert werden soll, starten Sie mit dem Agents SDK.

Für wen AgentKit gedacht ist

AgentKit adressierte mehrere Gruppen:

• Produktteams, die schnell einen Agenten testen wollten
• Unternehmen mit kontrolliertem Zugriff auf interne Daten
• Entwicklerteams, die Agenten mit Tools, Guardrails und Evaluierung produktionsnah bauen wollten

Durch die angekündigten Abschaltungen verschiebt sich der Fokus:

• Prototyping: Agent Builder kann noch als visueller Startpunkt dienen.
• Produktivbetrieb: Agents SDK verwenden.
• Chat-Frontend: ChatKit einsetzen.
• Tool- und Datenzugriff: Konnektoren-Registry oder eigene APIs/MCP-Server anbinden.

Implementierungsablauf für einen Agenten

Unabhängig davon, ob Sie visuell oder direkt im Code starten, folgt der Aufbau meistens demselben Muster.

1. Aufgabe und Grenzen definieren

Klären Sie zuerst:

• Was soll der Agent erledigen?
• Welche Eingaben erhält er?
• Welche Ausgaben sind erlaubt?
• Welche Tools darf er aufrufen?
• Welche Datenquellen sind nötig?

Beispiel:

Der Agent soll Kundenanfragen zu Bestellungen beantworten und dafür eine interne Orders-API aufrufen.

2. Tools identifizieren

Tools sind häufig HTTP-APIs, zum Beispiel:

• Kundensuche
• Bestellhistorie
• Ticket-Erstellung
• Produktsuche
• Zahlungsstatus

Dokumentieren Sie für jedes Tool:

• Endpoint
• Authentifizierung
• Request-Parameter
• Response-Schema
• Fehlerfälle
• Timeout-Verhalten

3. Agent im SDK definieren

Im Agents SDK definieren Sie den Agenten und registrieren Tools. Ein Tool für aktuelle Kundenbestellungen könnte als JSON-Schema so aussehen:

{
  "type": "function",
  "name": "get_recent_orders",
  "description": "Look up a customer's recent orders by customer ID.",
  "parameters": {
    "type": "object",
    "properties": {
      "customer_id": {
        "type": "string",
        "description": "The customer's unique identifier"
      },
      "limit": {
        "type": "integer",
        "description": "How many orders to return",
        "default": 5
      }
    },
    "required": ["customer_id"],
    "additionalProperties": false
  }
}

Wenn das Modell dieses Tool auswählt, erhält Ihr Code die Argumente und ruft die echte API auf.

Beispiel-Request:

curl "https://api.your-company.com/v1/customers/cus_8842/orders?limit=5" \
  -H "Authorization: Bearer $ORDERS_API_KEY" \
  -H "Content-Type: application/json"

4. Guardrails hinzufügen

Guardrails sollten nicht nachträglich entstehen. Planen Sie sie früh ein.

Typische Prüfungen:

• PII erkennen oder maskieren
• Jailbreak-Versuche erkennen
• unerlaubte Tool-Aufrufe verhindern
• Antwortformate validieren
• sensible Aktionen bestätigen lassen

5. APIs mocken und testen

Dieser Schritt wird oft unterschätzt. Ein Agent ist nur so zuverlässig wie die APIs, die er aufruft.

Wenn Ihre Orders-API beispielsweise falsche Felder zurückgibt, argumentiert das Modell auf Basis fehlerhafter Daten. Wenn die API langsam ist, blockiert der Agent. Wenn Fehlerfälle nicht getestet sind, wird das Verhalten unvorhersehbar.

Hier kommen API-Tests und Mocking ins Spiel.

Wo API-Tests und Mocking ins Spiel kommen

Apidog ist kein Agenten-Framework. AgentKit und das Agents SDK erstellen Agenten. Apidog hilft bei der darunterliegenden API-Schicht: testen, mocken und dokumentieren der Tool-Endpunkte, die Ihr Agent aufruft.

1. Externe APIs mocken

Wenn ein Backend-Service noch nicht fertig ist, können Sie eine Mock-API bereitstellen.

Das ist nützlich, um:

• Agentenentwicklung vom Backend zu entkoppeln
• Grenzfälle gezielt zu testen
• leere Ergebnisse zu simulieren
• Fehlerantworten zu prüfen
• langsame Antworten nachzustellen

Beispiel für eine Mock-Response:

{
  "customer_id": "cus_8842",
  "orders": [
    {
      "order_id": "ord_1001",
      "status": "shipped",
      "total": 89.9
    },
    {
      "order_id": "ord_1002",
      "status": "processing",
      "total": 42.5
    }
  ]
}

2. Tool-Verträge validieren

Ein HTTP-Status 200 reicht nicht. Der Agent erwartet eine bestimmte Antwortstruktur.

Validieren Sie deshalb:

• Statuscodes
• Pflichtfelder
• Datentypen
• leere Listen
• Fehlermeldungen
• Authentifizierungsfehler

Mit API-Testfällen können Sie sicherstellen, dass jeder Tool-Endpunkt dem erwarteten Vertrag entspricht.

Beispielhafte Prüflogik:

pm.test("response contains orders array", function () {
  const json = pm.response.json();
  pm.expect(json).to.have.property("orders");
  pm.expect(json.orders).to.be.an("array");
});

pm.test("each order has required fields", function () {
  const json = pm.response.json();

  json.orders.forEach(order => {
    pm.expect(order).to.have.property("order_id");
    pm.expect(order).to.have.property("status");
    pm.expect(order).to.have.property("total");
  });
});

3. Umgebungen sauber trennen

Agenten-Tools benötigen häufig Secrets und unterschiedliche Base-URLs:

ORDERS_API_BASE_URL=https://staging-api.your-company.com
ORDERS_API_KEY=your_staging_key

Für Produktion:

ORDERS_API_BASE_URL=https://api.your-company.com
ORDERS_API_KEY=your_production_key

Halten Sie diese Werte außerhalb des Agenten-Codes. Nutzen Sie Umgebungsvariablen und testen Sie jeden Endpoint isoliert, bevor der Agent ihn verwendet.

Sie können Apidog herunterladen, Ihre Tool-Endpunkte in ein Projekt ziehen und sie außerhalb der Agenten-Laufzeit testen.

Eine detailliertere Anleitung finden Sie in „Wie man die Tool-Aufrufe eines KI-Agenten testet“.

Praktische Checkliste für AgentKit-Projekte

Verwenden Sie diese Checkliste, bevor Sie einen Agenten in eine echte Umgebung bringen:

• [ ] Agentenziel klar definiert
• [ ] erlaubte und nicht erlaubte Aktionen dokumentiert
• [ ] alle Tools mit JSON-Schema beschrieben
• [ ] externe APIs gemockt oder verfügbar
• [ ] API-Responses gegen Schema getestet
• [ ] Fehlerfälle getestet
• [ ] Timeouts definiert
• [ ] Secrets über Umgebungsvariablen verwaltet
• [ ] Guardrails aktiviert
• [ ] Logs und Traces verfügbar
• [ ] ChatKit oder eigene UI integriert
• [ ] langfristiger Code im Agents SDK gepflegt

Häufig gestellte Fragen

Ist OpenAI AgentKit kostenlos?

AgentKit basiert auf Ihrer OpenAI-API-Nutzung. Sie zahlen daher für die zugrunde liegenden Modell-Tokens und alle Tool-Aufrufe, die Ihr Agent ausführt. Es gibt keine separate AgentKit-Abonnementposition. Prüfen Sie trotzdem immer die aktuellen Preise auf der OpenAI-Plattform, da sich Modellpreise ändern können.

Was ist der Unterschied zwischen AgentKit und dem Agents SDK?

Das Agents SDK ist das Code-Framework zur Definition von Agenten, Tools und Guardrails. AgentKit war das breitere Bündel mit Agent Builder, ChatKit, Konnektoren-Registry und Evals.

Da Agent Builder und Evals Ende 2026 eingestellt werden, ist das Agents SDK der langfristige Code-first-Ansatz. Der Agents-SDK-Leitfaden erklärt die Grundlagen.

Wird Agent Builder eingestellt?

Ja. OpenAI kündigte am 3. Juni 2026 an, Agent Builder und Evals einzustellen. Beide werden am 30. November 2026 abgeschaltet. Evals wird bereits am 31. Oktober 2026 schreibgeschützt.

ChatKit bleibt verfügbar. Für Code-first-Workflows empfiehlt sich das Agents SDK. Für natürlichsprachliche Workflows ohne Code verweist OpenAI auf Workspace Agents in ChatGPT.

Kann ich die APIs testen, die mein AgentKit-Agent aufruft?

Ja, und Sie sollten es tun. Jedes Tool, das ein Agent aufruft, ist letztlich eine API mit Request, Response, Fehlerfällen und Authentifizierung.

Sie können diese APIs mocken, gegen Schemas testen und Secrets pro Umgebung verwalten. Eine Plattform wie Apidog hilft dabei, Tool-Endpunkte vorhersehbar zu machen, bevor echte Benutzer mit dem Agenten interagieren.

Fazit

AgentKit bot OpenAI-Entwicklern einen schnelleren Einstieg in den Agentenbau: Agent Builder für visuelle Workflows, ChatKit für die UI, die Konnektoren-Registry für Datenzugriff und Evals für Qualitätsmessung.

Für 2026 ist die wichtigste Architekturentscheidung klar: Agent Builder und Evals werden eingestellt. Für wartbare Agenten sollten Entwicklungsteams auf das Agents SDK setzen und ChatKit sowie die Konnektoren-Registry dort ergänzen, wo sie passen.

Unabhängig vom Framework bleibt die kritischste Abhängigkeit gleich: die APIs, die Ihr Agent als Tools aufruft. Mocken Sie diese APIs früh, testen Sie ihre Antworten und verwalten Sie Secrets sauber. Apidog bietet dafür eine zentrale Stelle zum Testen und Mocken der Tool-Endpunkte, auf denen Ihr Agent aufbaut.