API de Assistants y Threads de OpenAI
Los agentes gestionados de OpenAI: infraestructura cero, pero dependencia del proveedor y una carencia en observabilidad.
API de Assistants y Threads de OpenAI es una lección gratuita de AI Agents en CoddyKit. Esta es la lección 3 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de AI Agents, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de AI Agents incluye 4 lecciones en total.
Partes de esta lección aún no han sido traducidas y se muestran en inglés.
¿Qué es?
OpenAI Assistants API es un producto de agentes gestionado. Usted define un asistente (modelo + instrucciones + herramientas); los usuarios interactúan mediante "threads" (conversaciones). OpenAI gestiona el estado, RAG, el intérprete de código y el almacenamiento de archivos.
Dos grandes atractivos
- Integrado file_search — RAG administrado, sin necesidad de administrar una base de datos vectorial
- Integrado code_interpreter — ejecución de Python en un sandbox
Si desea esas funciones sin tener que crearlas, Assistants es una opción rápida.
Creating an Assistant
from openai import OpenAI
client = OpenAI()
assistant = client.beta.assistants.create(
name='Support Bot',
instructions='You help customers with orders.',
model='gpt-4o-mini',
tools=[{'type': 'file_search'}, {'type': 'code_interpreter'}]
)Threads = Conversations
thread = client.beta.threads.create()
client.beta.threads.messages.create(
thread_id=thread.id,
role='user',
content='Where is my order?'
)
run = client.beta.threads.runs.create(
thread_id=thread.id,
assistant_id=assistant.id
)Consultar hasta finalizar
Las ejecuciones son asíncronas. Consulte hasta que terminen:
import time
while run.status not in ('completed', 'failed', 'requires_action'):
time.sleep(1)
run = client.beta.threads.runs.retrieve(thread_id=thread.id, run_id=run.id)Llamadas a funciones
Siga el mismo patrón que las herramientas de chat.completions. Cuando run.status == 'requires_action', gestione las llamadas a herramientas y envíe los resultados:
if run.status == 'requires_action':
tool_outputs = []
for tc in run.required_action.submit_tool_outputs.tool_calls:
result = dispatch(tc)
tool_outputs.append({'tool_call_id': tc.id, 'output': json.dumps(result)})
client.beta.threads.runs.submit_tool_outputs(thread_id=thread.id, run_id=run.id, tool_outputs=tool_outputs)File Search (Vector Store)
vector_store = client.beta.vector_stores.create(name='docs')
client.beta.vector_stores.file_batches.upload_and_poll(
vector_store_id=vector_store.id,
files=[open('handbook.pdf', 'rb')]
)
assistant = client.beta.assistants.update(assistant.id, tool_resources={'file_search': {'vector_store_ids': [vector_store.id]}})Code Interpreter
Añada code_interpreter y el Assistant obtiene un entorno de Python en sandbox. Es excelente para tareas con datos:
{'type': 'code_interpreter'}Streaming
with client.beta.threads.runs.stream(thread_id=thread.id, assistant_id=assistant.id) as stream:
for event in stream:
print(event)Ventajas y desventajas
- + Cero infraestructura para almacenes vectoriales y sandbox
- + Memoria y estado de los hilos administrados
- + Citas integradas de file_search
- - Dependencia del proveedor
- - Menor control sobre la estrategia de recuperación
- - Mayor latencia que chat.completions directo
- - Observabilidad más limitada
Hoja de ruta
OpenAI anunció la Responses API como sucesora de Assistants. Algunos equipos esperan a que Responses se estabilice antes de adoptar Assistants.
Úselo para prototipos
¿Poner en marcha un bot de preguntas y respuestas sobre documentos en 50 líneas? Assistants es difícil de superar. Para producción con SLA estrictos y recuperación personalizada, créelo usted mismo.
Costo
Assistants cobra:
- Costos normales de tokens
- file_search: almacenamiento por día y por GB
- code_interpreter: por sesión
Es económico con poco volumen, pero el costo puede acumularse con un uso intensivo.
Mejor uso de Assistants
¿Qué caso de uso encaja mejor con la API de Assistants?
Resumen
Assistants = producto de agentes administrado. file_search + code_interpreter + threads. Ideal para prototipos; menos adecuado para producción a gran escala. Esté atento a la Responses API.
Aprende AI Agents con un tutor de IA — gratis
Escribe y ejecuta código real en tu navegador, obtén ayuda instantánea de un tutor de IA disponible 24/7 y continúa donde lo dejaste en la web o en la aplicación.
- Cursos
- 60
- Lecciones
- 239
Preguntas frecuentes
¿La lección «API de Assistants y Threads de OpenAI» es gratis?
Sí — el texto completo de «API de Assistants y Threads de OpenAI» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de AI Agents, actualiza a CoddyKit PRO. El curso de AI Agents incluye 4 lecciones en total.
¿Qué aprenderé en «API de Assistants y Threads de OpenAI»?
Los agentes gestionados de OpenAI: infraestructura cero, pero dependencia del proveedor y una carencia en observabilidad. Practicas AI Agents con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar AI Agents?
No se requiere experiencia previa. AI Agents en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 3 de 4.
¿Cuánto tiempo toma la lección «API de Assistants y Threads de OpenAI»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de AI Agents?
Sí. Cada lección de AI Agents incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- LangGraph frente a CrewAI y AutoGen
- Letta (anteriormente MemGPT) para agentes longevos
- API de Assistants y Threads de OpenAI
- Elección del framework adecuado para cada caso de uso