Open Responses 規范實現智能體式 LLM 工作流的統一

作者 | Daniel Curtis

譯者 | 平川

OpenAI 發布了 Open Responses 開放規范，該規范旨在實現智能體式（agentic）AI 工作流的標準化，減少 API 碎片化的問題。該規范獲得了 Hugging Face、Vercel 及多家本地推理服務商支持，為智能體循環、推理可觀測性，以及工具的內部與外部執行制定了統一標準，它能夠讓開發者避免重寫集成代碼，即可在專有模型與開源模型之間輕松切換。

規范將條目（item）、推理可觀測性、工具執行模型等概念進行了正式化定義，讓模型服務商可在自身基礎設施內管理多步驟的智能體式工作流，即推理、工具調用、結果反思的循環過程。這一改變使得模型服務商能在自有基礎設施中處理復雜的工作流，并通過單次 API 請求返回最終結果。此外，規范原生支持多模態輸入、流式事件和跨服務商工具調用，大幅減少了開發者在前沿模型與開源替代模型間切換時的適配工作量。

該規范的核心概念包含條目、工具使用和智能體循環。條目是代表模型輸入、輸出、工具調用或推理狀態的原子單元，常見類型有 message、function_call、reasoning 等，同時具備可擴展性，允許服務商自定義規范之外的條目類型。其中值得關注的是 reasoning 類型，它能以服務商可控的方式暴露模型的思考過程，其負載可包含原始推理內容、受保護的內容或摘要，既讓開發者能清晰看到模型的推理決策過程，也讓服務商可自主把控信息暴露的范圍和程度。

Open Responses 規范通過區分內部工具和外部工具，明確了編排邏輯的歸屬。內部工具直接在服務商的基礎設施中執行，模型可自主管理智能體循環；在該模式下，模型服務商可完成文檔檢索、結果匯總等任務，再通過單次 API 往返將最終結果返回給開發者。而外部工具則在開發者的應用代碼中執行，此模式下模型服務商會暫停流程并發起工具調用請求，由開發者處理工具執行并將輸出結果回傳給模型，才能繼續后續的智能體循環。

該規范已獲得 Hugging Face、OpenRouter、Vercel，以及 LM Studio、Ollama 和 vLLM 等本地推理服務商的早期應用，實現了本地設備上標準化智能體式工作流的落地。

這一規范的發布引發了行業關于廠商鎖定和生態成熟度的討論。Rituraj Pramanik評價 說：

在 OpenAI 的 API 基礎上構建一套“開放” 標準，這一點看似有些諷刺，但它很有實用價值。行業真正的噩夢是碎片化，我們耗費了大量時間去對接各種不同的數據模式。如果這套規范能讓我不用再寫那些“套娃式的封裝代碼”，能讓模型切換變得毫無門檻，那它就解決了智能體開發領域最棘手的難題。

另外，還有開發者將此舉視為 LLM 領域生態日趨成熟的信號。AI 開發者兼教育者 Sam Witteveen 預測：

預計領先的開源模型實驗室（如 Qwen、Kimi、DeepSeek）會訓練同時兼容 Open Responses 規范和 Anthropic API 的模型。Ollama 也已宣布對 Anthropic API 的兼容性支持，這意味著，能運行高質量本地模型且可調用 Claude Code 工具的時代已不遠。對于希望在專有模型和開源模型間切換、且無需重寫技術架構的開發者而言，這無疑是一次重大利好。

目前，Open Responses 的規范文檔、數據模式和合規測試工具已在項目官方網站上線，Hugging Face 也推出了演示應用，方便開發者直觀體驗該規范的實際應用效果。

Open Responses Specification Enables Unified Agentic LLM Workflows(https://www.infoq.com/news/2026/02/openai-open-responses/)

聲明：本文為 InfoQ 翻譯，未經許可禁止轉載。