Přeskoč na hlavní obsah
OpenAI

15. dubna 2026

Produkt

Další vývoj sady Agents SDK

Aktualizovaná sada SDK Agents pomáhá vývojářům vytvářet agenty, kteří mohou kontrolovat soubory, spouštět příkazy, upravovat kód a pracovat na dlouhodobých úlohách v kontrolovaných izolovaných prostředích.

Načítání…

Přidáváme do sady Agents SDK nové funkce, které vývojářům nabízí standardizovanou infrastrukturu, se kterou se snadno začíná a která je správně navržena pro modely OpenAI: nativní rámec pro model, který agentům umožňuje pracovat s různými soubory a nástroji v počítači, a nativní izolované prostředí pro bezpečné provádění této práce.

Vývojáři mohou agentovi například poskytnout kontrolovaný pracovní prostor, jasné pokyny a nástroje, které potřebuje ke kontrole důkazů:

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

Vývojáři potřebují k vytvoření užitečných agentů více než jen nejlepší modely. Potřebují systémy, které podporují to, jak agenti kontrolují soubory, spouštějí příkazy, píší kód a pracují v rámci mnoha kroků.

Existující systémy mají při přechodu od prototypů k produkci určití kompromisy. Frameworky nezávislé na modelu jsou flexibilní, ale plně nevyužívají schopnosti průkopnických modelů. Sady SDK poskytovatelů modelů mohou mít k modelu blíže, ale často neposkytují dostatečný přehled o prostředí. A spravovaná agentní rozhraní API mohou zjednodušovat nasazení, ale omezují, kde agenti běží a jak přistupují k citlivým datům.

Tady jsou názory některých zákazníků, kteří s námi testovali nové SDK:

„GPT-5.4 nastavuje novou laťku pro právní činnosti s velkým množstvím dokumentů. V našem hodnocení BigLaw Bench dosáhl 91 %. Ve srovnání s jinými modely je GPT-5.4 v současnosti lepší ve strukturování komplexní transakční analýzy, udržování přesnosti v rámci dlouhých smluv a poskytování právníky požadované vysoké úrovně detailů.“
– Niko Grupen, vedoucí aplikovaného výzkumu, společnosti Harvey

Lepší rámec pro smyčku agenta

S aktuální verzí se sada Agents SDK stává vhodnější pro agenty pracující s dokumenty, soubory a systémy. Nově přidává konfigurovatelnou paměť, orchestraci zohledňující sandboxové prostředí, nástroje pro práci se souborovým systémem podobné Codexu a standardizované integrace s základními stavebními prvky, které se stávají běžnými v průkopnických agentních systémech.

Mezi tyto základní stavební prvky patří použití nástrojů prostřednictvím MCP⁠(otevře se v novém okně), postupné zveřejňování prostřednictvím dovedností⁠(otevře se v novém okně) a vlastní instrukce prostřednictvím AGENTS.md⁠(otevře se v novém okně). Spouštění kódu pomocí nástroje shell⁠(otevře se v novém okně), úpravy souborů pomocí nástroje apply patch⁠(otevře se v novém okně), a další. Rámec bude postupně zahrnovat nové agentské vzorce a základní stavební prvky. Vývojáři tak budou moci trávit méně času aktualizacemi základní infrastruktury a více času věnovat konkrétní logice pro danou doménu, díky níž jsou jejich agenti užiteční.

Diagram ukazuje, jak Agent SDK propojuje uživatelské vstupy, modely a nástroje k vytváření AI agentů.
Diagram ukazuje, jak vytvářet AI agenty pomocí sady Agent SDK s modely, nástroji a orchestrací.

Tento nástroj vám taky pomůže aktivovat víc možností průkopnického modelu tím, že sladí provádění s tím, jak tyhle modely fungují nejlépe. Agenti se díky tomu drží přirozeného způsobu práce modelu, což zvyšuje spolehlivost a výkon u složitých úkolů. Hlavně v případech, kdy je práce dlouhodobá nebo se koordinuje napříč různými nástroji a systémy.

Navíc si uvědomujeme, že každý produkt je jedinečný a jen zřídka zapadá do určité šablony. Navrhli jsme sadu Agents SDK tak, aby podporovala tuto rozmanitost. Vývojáři dostanou nástroj, který je připravený k okamžitému použití a zároveň je flexibilní. Lze ho tedy snadno přizpůsobit jejich vlastnímu systému, včetně používání nástrojů, paměti a sandboxového prostředí.

Nativní provádění v sandboxovém prostředí

Aktualizovaná sada Agents SDK nativně podporuje spouštění v sandboxovém prostředí. Agenti tak mohou běžet v kontrolovaných počítačových prostředích se soubory, nástroji a závislostmi potřebnými pro daný úkol.

Mnoho užitečných agentů potřebuje pracovní prostor, kde můžou číst a zapisovat soubory, instalovat závislosti, spouštět kód a bezpečně používat nástroje. Nativní podpora sandboxového prostředí nabízí vývojářům tuto vrstvu pro spouštění hned od začátku. Nemusí ji tedy dávat dohromady sami.

Vývojáři mohou použít vlastní sandbox nebo využít integrovanou podporu pro Blaxel, Cloudflare, Daytona, E2B, Modal, Runloop a Vercel.

Aby byla tato prostředí přenosná mezi poskytovateli, abstrahuje SDK manifestu pro popis pracovního prostoru agenta. Vývojáři mohou připojovat místní soubory, definovat výstupní adresáře a načítat data od poskytovatelů úložišť, jako jsou AWS S3, Google Cloud Storage, Azure Blob Storage a Cloudflare R2.

To dává vývojářům konzistentní způsob, jak utvářet prostředí agenta od lokálního prototypu až po produkční nasazení. Také poskytuje modelu předvídatelný pracovní prostor: kde najít vstupy, kam zapisovat výstupy a jak udržet práci organizovanou v rámci dlouhodobě běžícího úkolu.

Loga společností Dayton, E2B, Modal, Cloudflare, Vercel, Blaxel, Runloop

Oddělení řídicí vrstvy od výpočetní kapacity pro zabezpečení, odolnost a škálovatelnost

Agentní systémy by měly být navrženy tak, aby počítaly s injektáží promptů a pokusy o exfiltraci dat. Oddělení rámce a výpočetních prostředků pomáhá udržet přihlašovací údaje mimo prostředí, kde se spouští kód generovaný modelem.

Umožňuje také trvanlivé provedení. Když je stav agenta externalizován, ztráta sandboxového kontejneru neznamená ztrátu běhu. Pokud původní prostředí selže nebo vyprší, může sada Agents SDK díky integrovanému vytváření snímků a obnově obnovit stav agenta v novém kontejneru a pokračovat od posledního kontrolního bodu

V neposlední řadě to dělá agenty škálovatelnějšími. Běhy agentů mohou používat jeden nebo více sandboxů, vyvolávat sandboxy pouze v případě potřeby, směrovat subagenty do izolovaných prostředí a paralelizovat práci napříč kontejnery pro rychlejší spuštění.

Vývojový diagram ilustrující, jak sada Agent SDK umožňuje agentům s umělou inteligencí využívat dodatečné výpočetní zdroje pro složitější úkoly.
Diagram znázorňující, jak mohou agenti vytvoření pomocí Agent SDK zajišťovat koordinaci samostatných výpočetních systémů, a umožnit tak, aby úlohy běžely nezávisle a zároveň podporovaly pokročilejší úlohy.

Stanovení cen a dostupnost

Tyto nové funkce sady Agents SDK jsou obecně dostupné všem zákazníkům prostřednictvím API a používají standardní ceny API, založené na tokenech a využívání nástrojů.

Jaký bude další krok

S dalším vývojem sady Agents SDK budeme i nadále rozšiřovat možnosti, které s ní vývojáři mohou vytvářet. Usnadníme tak zavádění schopnějších agentů do produkčního prostředí s menší potřebou vlastní infrastruktury a zároveň zachováme flexibilitu a kontrolu, které vývojáři potřebují pro přizpůsobení agentů jejich vlastním prostředím.

Nové funkce rámce a sandboxu budou nejprve spuštěny v Pythonu. Podpora TypeScriptu je plánována pro některé z budoucích vydání. Pracujeme také na tom, abychom do jazyků Python i TypeScript přinesli další schopnosti agenta, včetně režimu kódu a podřízených agentů.

Kromě toho chceme postupně propojit širší ekosystém agentů, a to podporou většího počtu poskytovatelů sandboxů, většího počtu integrací a způsobů, jak mohou vývojáři propojit SDK s nástroji a systémy, které již používají.

Autor

OpenAI

Pokračuj ve čtení

Zobrazit vše
Spend Controls_Artcard.png
Nová analytika využití a aktualizované řízení výdajů pro firmy

Produkt

1x1 Health Art 1
Zlepšení zdravotních informací v ChatGPT

Produkt

Intro-OAI-Partner-ArtCard
Představujeme OpenAI Partner Network

Produkt