Преминаване към основното съдържание
OpenAI

15 април 2026 г.

Продукт

Следващата еволюция на пакета за разработка на агентен софтуер

Обновеният пакет за разработка на агентен софтуер помага на разработчиците да създават агенти, които могат да проверяват файлове, да изпълняват команди, да редактират код и да работят по дългосрочни задачи в контролирани изолирани среди.

Зареждане…

Представяме нови възможности в пакетa за разработка на агентен софтуер, които предоставят на разработчиците стандартизирана инфраструктура, която е лесна за използване и е изградена правилно за моделите на OpenAI. Това е вградена в модела рамка, която позволява на агентите да работят с файлове и инструменти на компютър, както и вградена изолирана среда за безопасно изпълнение на тази работа.

Например, разработчиците могат да предоставят на агента контролирано работно пространство, изрични инструкции и инструментите, от които се нуждае, за да преглежда доказателства:

Python

1
# pip install "openai-agents>=0.14.0"
2

3
import asyncio
4
import tempfile
5
from pathlib import Path
6

7
from agents import Runner
8
from agents.run import RunConfig
9
from agents.sandbox import Manifest, SandboxAgent, SandboxRunConfig
10
from agents.sandbox.entries import LocalDir
11
from agents.sandbox.sandboxes import UnixLocalSandboxClient
12

13

14
async def main() -> None:
15
    with tempfile.TemporaryDirectory() as tmp:
16
        dataroom = Path(tmp) / "dataroom"
17
        dataroom.mkdir()
18
        (dataroom / "metrics.md").write_text(
19
            """# Annual metrics
20

21
| Year | Revenue | Operating income | Operating cash flow |
22
| --- | ---: | ---: | ---: |
23
| FY2025 | $124.3M | $18.6M | $24.1M |
24
| FY2024 | $98.7M | $12.4M | $17.9M |
25
""",
26
            encoding="utf-8",
27
        )
28

29
        agent = SandboxAgent(
30
            name="Dataroom Analyst",
31
            model="gpt-5.4",
32
            instructions="Answer using only files in data/. Cite source filenames.",
33
            default_manifest=Manifest(entries={"data": LocalDir(src=dataroom)}),
34
        )
35

36
        result = await Runner.run(
37
            agent,
38
            "Compare FY2025 revenue, operating income, and operating cash flow with FY2024.",
39
            run_config=RunConfig(
40
                sandbox=SandboxRunConfig(client=UnixLocalSandboxClient()),
41
            ),
42
        )
43
        print(result.final_output)
44

45

46
if __name__ == "__main__":
47
    asyncio.run(main())
48

Разработчиците се нуждаят от нещо повече от най-добрите модели, за да изграждат полезни агенти. Те се нуждаят от системи, които поддържат начина, по който агентите проверяват файлове, изпълняват команди, пишат код и продължават да работят в рамките на много стъпки.

Системите, които съществуват днес, идват с компромиси, когато екипите преминават от прототипи към продукция. Независимите от модела рамки са гъвкави, но не използват пълноценно възможностите на авангардните модели. Предоставеният от модела пакети за разработка на софтуер могат да са по-близки до модела, но често не осигуряват достатъчна видимост върху средата; а управляваните API за агенти могат да опростят внедряването, но ограничават къде се изпълняват агентите и как получават достъп до чувствителни данни.

Ето какво казаха някои от клиентите, които тестваха новия пакет за разработка на агентен софтуер с нас:

„GPT-5.4 поставя нов стандарт за правна работа с много документи. При оценката ни BigLaw Bench той постигна 91%. В сравнение с други модели, GPT-5.4 в момента е по-добър в структурирането на сложен транзакционен анализ, поддържането на точност в дълги договори и предоставянето на високото ниво на детайлност, което правните специалисти изискват.“
— Нико Групен, ръководител „Приложни изследвания“ в Harvey

По-функционална рамка за цикъла на агента

С днешното версия рамката за агенти в пакетa за разработка на агентен софтуер става по-способна за агенти, които работят с документи, файлове и системи. Тя вече добавя конфигурируема памет, координиране, съобразено с изолираната среда, инструменти за файловата система, подобни на тези в Codex, и стандартизирани интеграции с примитиви, които стават обичайни в авангардните агентни системи.

Тези базови елементи включват използване на инструменти чрез MCP⁠(отваря се в нов прозорец), постепенно разкриване чрез умения⁠(отваря се в нов прозорец), персонализирани инструкции чрез AGENTS.md⁠(отваря се в нов прозорец), изпълнение на код с помощта на инструмента за обвивка⁠(отваря се в нов прозорец), редактиране на файлове с помощта на инструмента за прилагане на корекция⁠(отваря се в нов прозорец) и други. Средата ще продължи да включва нови агентни модели и базови елементи с течение на времето, така че разработчиците да могат да отделят по-малко време за актуализации на основната инфраструктура и повече време за специфичната за дадената област логика, която прави техните агенти полезни.

Диаграма, показваща как пакетa за разработка на агентен софтуер свързва входни данни от потребителя, модели и инструменти за изграждане на интелигентни агенти.
Диаграма, показваща как да изграждате интелигентни агенти с помощта на пакетa за разработка на агентен софтуер с модели, инструменти и оркестрация.

Средата също помага на разработчиците да отключат по-голяма част от възможностите на авангардния модел, като съгласува изпълнението с начина, по който този модел постига най-добри резултати. Това придържа агентите по-близо до естествения начин на работа на модела, като подобрява надеждността и производителността при сложни задачи, особено когато работата е дългосрочна или е координирана между разнообразни инструменти и системи.

Освен това осъзнаваме, че всеки продукт е уникален и рядко се вписва точно в калъп. Създадохме пакетa за разработка на агентен софтуер, за да поддържа това разнообразие. Разработчиците получават инструмент, който е готов за използване, но е и гъвкав, така че лесно да го приспособят към собствения си стек, включително към използването на инструменти, памет и изолирана среда.

Локално изпълнение в изолирана среда

Актуализираният пакет за разработка на агентен софтуер поддържа вградено изпълнение в изолирана среда, което позволява на агентите да работят в контролирани компютърни среди с необходимите файлове, инструменти и зависимости за изпълнение на дадена задача.

Много полезни агенти се нуждаят от работно пространство, където могат да четат и записват файлове, да инсталират зависимости, да изпълняват код и безопасно да използват инструменти. Вградената поддръжка за изолирана среда дава на разработчиците този слой за изпълнение по подразбиране, вместо да ги принуждава да го сглобяват сами.

Разработчиците могат да използват собствена изолирана среда или вградената поддръжка за Blaxel, Cloudflare, Daytona, E2B, Modal, Runloop и Vercel.

За да направи тези среди преносими между различни доставчици, пакетът за разработка на агентен софтуер също така въвежда и абстракция за манифест за описване на работното пространство на агента. Разработчиците могат да монтират локални файлове, да дефинират изходни директории и да включват данни от доставчици на услуги за съхранение, включително AWS S3, Google Cloud Storage, Azure Blob Storage и Cloudflare R2.

Това предоставя на разработчиците последователен начин да оформят средата на агента от локален прототип до внедряване в производство. Това също така дава на модела предвидимо работно пространство: къде да намира входните данни, къде да записва изходните данни и как да поддържа работата организирана в рамките на една дълготрайна задача.

Лога на Daytona, E2B, Modal, Cloudflare, Vercel, Blaxel, Runloop

Отделяне на хардуера от изчислителните ресурси за сигурност, издръжливост и мащабируемост

Агентните системи трябва да бъдат проектирани с предположението, че ще има опити за инжектиране на подкани и извличане на данни. Разделянето на средата и изчислителните ресурси помага да се предотврати попадането на идентификационни данни в среди, в които се изпълнява генерираният от модела код.

Това също така позволява устойчиво изпълнение. Когато състоянието на агента е външно, загубата на контейнера за изолирана среда не означава загуба на изпълнението. С вградено създаване на моментни копия и възстановяване, пакетът за разработка на агентен софтуер може да възстанови състоянието на агента в нов контейнер и да продължи от последната контролна точка, ако първоначалната среда откаже или срокът ѝ изтече.

И накрая, това прави агентите по-мащабируеми. Стартирането на агент може да използва една или няколко изолирани среди, да ги извиква само при необходимост, да насочва подагенти към отделни среди и да изпълнява работата паралелно между контейнери за по-бързо изпълнение.

Блок схема, илюстрираща как пакетът за разработка на агентен софтуер позволява на интелигентни агенти да използват допълнителни изчислителни ресурси за по-сложни задачи.
Диаграма, показваща как интелигентни агенти, създадени с пакетa за разработка на агентен софтуер, могат да координират отделни изчислителни системи, правейки възможно независимото изпълнение на задачите и поддръжката на по-сложни операции.

Ценообразуване и наличност

Тези нови възможности на пакетa за разработка на агентен софтуер са общодостъпни за всички клиенти чрез API и използват стандартното ценообразуване на API, базирано на токени и използване на инструменти.

Какво следва

С развитието на пакетa за разработка на агентен софтуер ще продължим да разширяваме възможностите за това какво могат да създават разработчиците с него, като улесняваме внедряването на по-способни агенти в производствена среда с по-малко персонализирана инфраструктура, като същевременно запазваме гъвкавостта и контрола, от които разработчиците се нуждаят, за да вписват агентите в собствените си среди.

Новите възможности за инструментална и изолирана среда първо ще бъдат пуснати за Python, като поддръжката за TypeScript е планирана за бъдеща версия. Също така работим, за да предоставим допълнителни възможности на агента, включително режим за кодиране и подагенти, както за Python, така и за TypeScript.

Освен това искаме постепенно да помогнем за обединяването на по-широката екосистема от агенти, с поддръжка за повече доставчици на изолирани среди, повече интеграции и повече начини разработчиците да интегрират пакетa за разработка на софтуер в инструментите и системите, които вече използват.

Автор

OpenAI

Продължавайте да четете

Вижте всички
Spend Controls_Artcard.png
New usage analytics and updated spend controls for enterprises

Продукт

1x1 Health Art 1
Подобряване на здравната интелигентност в ChatGPT

Продукт

Intro-OAI-Partner-ArtCard
Представяме партньорската мрежа на OpenAI

Продукт