Jäta vahele ja mine põhisisu juurde
OpenAI

15. aprill 2026

Toode

Agents SDK järgmine arenguetapp

Uuendatud Agents SDK aitab arendajatel ehitada agente, mis saavad kontrollitud liivakastikeskkondades faile uurida, käsklusi täita, koodi muuta ja töötada pikaajaliste ülesannetega.

Laadimine…

Toome Agents SDK-sse uusi võimekusi, mis annavad arendajatele standardiseeritud taristu, millega on lihtne alustada ja mis on ehitatud õigesti OpenAI mudelite jaoks: mudelipõhine raamistik, mis võimaldab agentidel töötada failide ja tööriistadega arvutis, ning kohalik liivakasti täitmine selle töö turvaliseks käivitamiseks.

Näiteks saavad arendajad anda agendile kontrollitud tööruumi, selged juhised ja tööriistad, mida ta vajab tõendite uurimiseks:

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

arendajad vajavad kasulike agentide ehitamiseks enamat kui parimaid mudeleid — nad vajavad süsteeme, mis toetavad seda, kuidas agendid faile uurivad, käsklusi täidavad, koodi kirjutavad ja jätkavad tööd läbi paljude etappide.

Tänapäeval olemasolevate süsteemidega kaasnevad kompromissid, kui meeskonnad liiguvad prototüübilt tootmisele. Mudelist sõltumatud raamistikud on paindlikud, kuid ei kasuta täielikult ära tipptasemel mudelite võimekusi; mudelitootjate SDK-d võivad olla mudelile lähemal, kuid neil puudub sageli piisav nähtavus raamistikku; ning hallatavad agendi API-d võivad lihtsustada juurutamist, kuid piiravad seda, kus agendid töötavad ja kuidas nad pääsevad ligi tundlikele andmetele.

Mõned kliendid, kes testisid uut SDK-d koos meiega, ütlesid:

„GPT-5.4 seab uue lati dokumendimahukas õigustöös. Meie BigLaw Bench hinnangus kogus see 91%. Teiste mudelitega võrreldes on GPT-5.4 hetkel suutlikum keerukate tehinguanalüüside ülesehitamisel, täpsuse hoidmisel pikkades lepingutes ning juuraekspertidele vajaliku detailirohkuse tagamisel.“
— Niko Grupen, Harvey rakendusuuringute juht

Võimekam raamistik agendi tsükli toetamiseks

Tänase väljalaskega muutub Agents SDK raamistik võimekamaks agentide jaoks, kes töötavad dokumentide, failide ja süsteemidega. See lisab nüüd konfigureeritava mälu, liivakasti-teadliku orkestreerimise, Codexi-laadsed failisüsteemi tööriistad ja standardiseeritud integratsioonid põhivõimalustega, mis on muutumas tavaliseks tipptasemel agendisüsteemides.

Need põhivõimalused hõlmavad tööriistade kasutamist MCP⁠(avaneb uues aknas) kaudu, järkjärgulist avaldamist oskuste⁠(avaneb uues aknas) kaudu ja kohandatud juhiseid faili AGENTS.md⁠(avaneb uues aknas) kaudu, koodi käivitamist shell-tööriista⁠(avaneb uues aknas) abil, failide redigeerimist apply patchi tööriista⁠(avaneb uues aknas) abil ning palju muud. Raamistik lisab aja jooksul uusi agendimustreid ja põhivõimalusi, võimaldades arendajatel kulutada vähem aega põhitaristu uuendustele ja rohkem aega domeenispetsiifilise loogika arendamisele, mis muudab nende agendid kasulikuks.

Diagramm, mis näitab, kuidas Agent SDK ühendab kasutaja sisendi, mudelid ja tööriistad AI-agentide ehitamiseks.
Diagramm, mis näitab, kuidas Agent SDK abil mudelite, tööriistade ja orkestreerimisega tehisintellekti agente luua.

Rakendusraamistik aitab arendajatel ka tipptasemel mudeli võimekust paremini ära kasutada, viies täitmise kooskõlla sellega, kuidas need mudelid kõige paremini toimivad. See hoiab agendid mudeli loomulikule tegevusmustrile lähemal, parandades usaldusväärsust ja jõudlust keerukate ülesannete puhul, eriti siis, kui töö on pikaajaline või koordineeritud mitmekesiste tööriistade ja süsteemide vahel.

Lisaks mõistame, et iga toode on ainulaadne ja sobitub harva täpselt ühte vormi. Disainisime Agents SDK seda mitmekesisust toetama. Arendajad saavad raamistiku, mis on kohe kasutusvalmis, kuid samas paindlik — muutes selle kohandamise oma tehnoloogiaga (sealhulgas tööriistade kasutus, mälu ja liivakastikeskkond) lihtsaks.

Sisseehitatud liivakasti käivitamine

Uuendatud Agents SDK toetab liivakastirežiimis töötamist loomulikult, võimaldades agentidel töötada kontrollitud arvutikeskkondades koos ülesannete täitmiseks vajalike failide, tööriistade ja sõltuvustega.

Paljud kasulikud agendid vajavad tööjaama, kus nad saavad faile lugeda ja kirjutada, sõltuvusi installida, koodi käivitada ja tööriistu turvaliselt kasutada. Sisseehitatud liivakastitugi annab arendajatele selle käituskihi kohe kätte, selle asemel et sundida neid seda ise kokku panema.

Arendajad saavad kasutada oma liivakasti või sisseehitatud tuge Blaxeli, Cloudflare'i, Daytona, E2B, Modali, Runloopi ja Verceli jaoks.

Et muuta need keskkonnad teenusepakkujate vahel porditavaks, tutvustab SDK ka Manifesti abstraktsiooni agendi tööruumi kirjeldamiseks. Arendajad saavad ühendada kohalikke faile, määratleda väljundkaustu ja tuua andmeid salvestusteenuse pakkujatelt, sealhulgas AWS S3-st, Google Cloud Storage'ist, Azure Blob Storage'ist ja Cloudflare R2-st.

See annab arendajatele järjepideva viisi agendi keskkonna kujundamiseks alates kohalikust prototüübist kuni tootmisesse juurutamiseni. Samuti annab see mudelile ennustatava tööruumi: kust leida sisendeid, kuhu kirjutada väljundeid ja kuidas hoida töö organiseerituna pikaajalise ülesande vältel.

Daytona, E2B, Modali, Cloudflare’i, Verceli, Blaxeli, Runloopi logod

Raamistiku eraldamine arvutusressursist turvalisuse, vastupidavuse ja laiendatavuse tagamiseks

Agendisüsteemid tuleks kavandada eeldusel, et tehakse viipade süstimise ja andmete väljaviimise katseid. Raamistiku ja arvutusvõimsuse eraldamine aitab hoida autentimisandmeid eemal keskkondadest, kus mudeli loodud koodi käivitatakse.

See võimaldab ka püsivat täitmist. Kui agendi olek on välja viidud, ei tähenda liivakasti konteineri kaotamine käivituskorra kaotamist. Sisseehitatud hetktõmmiste loomise ja taastamise funktsioonidega saab Agents SDK taastada agendi oleku uues konteineris ja jätkata viimasest kontrollpunktist, kui algne keskkond tõrgub või aegub.

Lõpuks muudab see agendid paremini skaleeritavaks. Agendi käivitused saavad kasutada üht või mitut liivakasti, kutsuda liivakaste esile ainult vajaduse korral, suunata alamagendid isoleeritud keskkondadesse ja jaotada töö konteinerite vahel paralleelselt kiiremaks täitmiseks.

Voogdiagramm, mis illustreerib, kuidas Agent SDK võimaldab AI-agentidel kasutada täiendavaid arvutusressursse keerukamate ülesannete täitmiseks.
Diagramm, mis kujutab, kuidas Agent SDK abil loodud AI-agendid saavad orkestreerida eraldi arvutussüsteeme, võimaldades töökoormustel töötada iseseisvalt ja toetades samal ajal keerukamaid ülesandeid.

Hinnastamine ja saadavus

Need uued Agents SDK võimalused on API kaudu üldiselt kättesaadavad kõigile klientidele ja kasutavad standardset API hinnastamist, mis põhineb tokenitel ja tööriistade kasutusel.

Mis järgmiseks

Jätkates Agents SDK arendamist, laiendame pidevalt seda, mida arendajad sellega ehitada saavad. See muudab võimekamate agentide kasutuselevõtu lihtsamaks ja vähendab vajadust kohandatud taristu järele, säilitades samal ajal paindlikkuse ja kontrolli, mida arendajad vajavad agentide integreerimiseks oma keskkondadesse.

Uus raamistik ja liivakasti võimekused käivitatakse esmalt Pythonis, TypeScripti tugi on planeeritud tulevases väljalaskes. Töötame ka selle nimel, et tuua nii Pythonisse kui ka TypeScripti täiendavaid agendivõimekusi, sealhulgas koodirežiimi ja alamagente.

Lisaks soovime aja jooksul aidata koondada laiemat agentide ökosüsteemi, toetades rohkem liivakastipakkujaid, rohkem integratsioone ja rohkem võimalusi, kuidas arendajad saaksid SDK-d ühendada tööriistade ja süsteemidega, mida nad juba kasutavad.

Autor

OpenAI

Jätka lugemist

Vaata kõiki
Art Card 1080x1080 (3)
Better memory for a more helpful ChatGPT
Tugevam alus ChatGPT mälule

Teadustöö

Rosalind5.5 ArtCard
Tutvustame GPT-Rosalindi uusi võimalusi

Toode

1 1 Art Card
Codex igale rollile, tööriistale ja töövoole

Toode