ਮੁੱਖ ਸਮੱਗਰੀ 'ਤੇ ਜਾਓ
OpenAI

15 ਅਪ੍ਰੈਲ 2026

ਉਤਪਾਦ

Agents SDK ਦਾ ਅਗਲਾ ਵਿਕਾਸ

ਅਪਡੇਟ ਕੀਤਾ Agents SDK ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਅਜੇਹੇ ਏਜੰਟ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਜੋ ਨਿਯੰਤਰਿਤ sandbox environments ਦੇ ਅੰਦਰ ਫਾਈਲਾਂ ਦੀ ਜਾਂਚ ਕਰ ਸਕਣ, commands ਚਲਾ ਸਕਣ, ਕੋਡ ਸੋਧ ਸਕਣ, ਅਤੇ ਲੰਬੀ ਮਿਆਦ ਵਾਲੇ ਕੰਮ ਕਰ ਸਕਣ.

ਲੋਡ ਹੋ ਰਿਹਾ ਹੈ…

ਅਸੀਂ Agents SDK ਵਿੱਚ ਨਵੀਆਂ ਸਮਰੱਥਾਵਾਂ ਪੇਸ਼ ਕਰ ਰਹੇ ਹਾਂ ਜੋ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਮਿਆਰੀਕ੍ਰਿਤ infrastructure ਦਿੰਦੀਆਂ ਹਨ, ਜਿਸ ਨਾਲ ਸ਼ੁਰੂਆਤ ਕਰਨੀ ਆਸਾਨ ਹੈ ਅਤੇ ਜੋ OpenAI ਮਾਡਲਾਂ ਲਈ ਠੀਕ ਤਰੀਕੇ ਨਾਲ ਬਣਿਆ ਹੈ: ਇੱਕ model-native harness ਜੋ ਏਜੰਟਾਂ ਨੂੰ ਕੰਪਿਊਟਰ 'ਤੇ ਫਾਈਲਾਂ ਅਤੇ ਟੂਲਾਂ ਦੇ ਪਾਰ ਕੰਮ ਕਰਨ ਦਿੰਦਾ ਹੈ, ਨਾਲ ਹੀ ਉਸ ਕੰਮ ਨੂੰ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਚਲਾਉਣ ਲਈ native sandbox execution.

ਉਦਾਹਰਨ ਵਜੋਂ, ਡਿਵੈਲਪਰ ਇੱਕ ਏਜੰਟ ਨੂੰ ਇੱਕ ਨਿਯੰਤਰਿਤ ਵਰਕਸਪੇਸ, ਸਪਸ਼ਟ ਹਦਾਇਤਾਂ, ਅਤੇ ਸਬੂਤ ਦੀ ਜਾਂਚ ਲਈ ਲੋੜੀਂਦੇ ਟੂਲ ਦੇ ਸਕਦੇ ਹਨ:

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

ਉਪਯੋਗੀ ਏਜੰਟ ਬਣਾਉਣ ਲਈ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਸਿਰਫ਼ ਸਭ ਤੋਂ ਵਧੀਆ ਮਾਡਲਾਂ ਤੋਂ ਵੱਧ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ—ਉਹਨਾਂ ਨੂੰ ਅਜਿਹੀਆਂ ਪ੍ਰਣਾਲੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ ਜੋ ਇਹ ਸਮਰਥਨ ਦੇਣ ਕਿ ਏਜੰਟ ਫਾਈਲਾਂ ਦੀ ਜਾਂਚ ਕਿਵੇਂ ਕਰਦੇ ਹਨ, commands ਕਿਵੇਂ ਚਲਾਉਂਦੇ ਹਨ, ਕੋਡ ਕਿਵੇਂ ਲਿਖਦੇ ਹਨ, ਅਤੇ ਕਈ ਕਦਮਾਂ ਤੱਕ ਕੰਮ ਕਿਵੇਂ ਜਾਰੀ ਰੱਖਦੇ ਹਨ.

ਅੱਜ ਮੌਜੂਦ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ tradeoffs ਹਨ ਜਿਵੇਂ ਟੀਮਾਂ prototypes ਤੋਂ production ਵੱਲ ਜਾਂਦੀਆਂ ਹਨ। ਮਾਡਲ-ਅਗਨੋਸਟਿਕ frameworks ਲਚਕੀਲੇ ਹਨ ਪਰ ਅਤਿ-ਆਧੁਨਿਕ ਮਾਡਲਾਂ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਦਾ ਪੂਰਾ ਲਾਭ ਨਹੀਂ ਲੈਂਦੇ; model-provider SDKs ਮਾਡਲ ਦੇ ਨੇੜੇ ਹੋ ਸਕਦੇ ਹਨ ਪਰ ਅਕਸਰ harness ਵਿੱਚ ਯਥੇਸ਼ਟ visibility ਦੀ ਘਾਟ ਹੁੰਦੀ ਹੈ; ਅਤੇ managed agent APIs deployment ਨੂੰ ਸੌਖਾ ਕਰ ਸਕਦੀਆਂ ਹਨ ਪਰ ਇਹ ਸੀਮਿਤ ਕਰਦੀਆਂ ਹਨ ਕਿ ਏਜੰਟ ਕਿੱਥੇ ਚੱਲਣ ਅਤੇ ਉਹ ਸੰਵੇਦਨਸ਼ੀਲ ਡਾਟਾ ਤੱਕ ਕਿਵੇਂ ਪਹੁੰਚਣ.

ਸਾਡੇ ਨਾਲ ਨਵੇਂ SDK ਦੀ ਜਾਂਚ ਕਰਨ ਵਾਲੇ ਕੁਝ ਗਾਹਕਾਂ ਨੇ ਇਹ ਕਿਹਾ:

“ਅਪਡੇਟ ਕੀਤਾ Agents SDK ਸਾਡੇ ਲਈ ਇਸਨੂੰ ਉਤਪਾਦਨ-ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ ਤਾਂ ਜੋ ਅਸੀਂ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕਲੀਨਿਕਲ ਰਿਕਾਰਡ ਵਰਕਫ਼ਲੋ ਨੂੰ ਆਟੋਮੇਟ ਕਰ ਸਕੀਏ, ਜਿਸਨੂੰ ਪਿਛਲੇ ਤਰੀਕੇ ਕਾਫ਼ੀ ਭਰੋਸੇਯੋਗ ਢੰਗ ਨਾਲ ਸੰਭਾਲ ਨਹੀਂ ਸਕੇ। ਸਾਡੇ ਲਈ ਫ਼ਰਕ ਸਿਰਫ਼ ਸਹੀ metadata ਕੱਢਣ ਦਾ ਨਹੀਂ ਸੀ, ਸਗੋਂ ਲੰਬੇ, ਜਟਿਲ ਰਿਕਾਰਡਾਂ ਵਿੱਚ ਹਰ encounter ਦੀਆਂ ਹੱਦਾਂ ਨੂੰ ਠੀਕ ਤਰ੍ਹਾਂ ਸਮਝਣ ਦਾ ਵੀ ਸੀ। ਇਸ ਦੇ ਨਤੀਜੇ ਵਜੋਂ, ਅਸੀਂ ਕਿਸੇ ਦਿੱਤੀ ਵਿਜ਼ਿਟ ਵਿੱਚ ਹਰ ਮਰੀਜ਼ ਲਈ ਕੀ ਹੋ ਰਿਹਾ ਹੈ, ਇਸ ਨੂੰ ਹੋਰ ਤੇਜ਼ੀ ਨਾਲ ਸਮਝ ਸਕਦੇ ਹਾਂ, ਮੈਂਬਰਾਂ ਦੀਆਂ ਦੇਖਭਾਲ ਲੋੜਾਂ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਾਂ ਅਤੇ ਸਾਡੇ ਨਾਲ ਉਨ੍ਹਾਂ ਦੇ ਅਨੁਭਵ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਂਦੇ ਹਾਂ.”
— Oscar Health

ਏਜੰਟ ਲੂਪ ਲਈ ਹੋਰ ਸਮਰੱਥ harness

ਅੱਜ ਦੀ ਰਿਲੀਜ਼ ਨਾਲ, Agents SDK harness ਉਹਨਾਂ ਏਜੰਟਾਂ ਲਈ ਹੋਰ ਸਮਰੱਥ ਬਣ ਜਾਂਦਾ ਹੈ ਜੋ ਦਸਤਾਵੇਜ਼ਾਂ, ਫਾਈਲਾਂ ਅਤੇ systems ਨਾਲ ਕੰਮ ਕਰਦੇ ਹਨ। ਇਸ ਵਿੱਚ ਹੁਣ configurable memory, sandbox-aware orchestration, Codex-ਜਿਹੇ filesystem tools, ਅਤੇ ਉਹਨਾਂ primitives ਨਾਲ standardized integrations ਸ਼ਾਮਲ ਹਨ ਜੋ ਅਤਿ-ਆਧੁਨਿਕ ਏਜੰਟ ਸਿਸਟਮਾਂ ਵਿੱਚ ਆਮ ਹੋ ਰਹੇ ਹਨ.

ਇਨ੍ਹਾਂ primitives ਵਿੱਚ MCP⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਰਾਹੀਂ tool use, skills⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਰਾਹੀਂ progressive disclosure, AGENTS.md⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਰਾਹੀਂ custom instructions, shell⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਟੂਲ ਦੀ ਵਰਤੋਂ ਨਾਲ code execution, apply patch⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਟੂਲ ਨਾਲ file edits, ਅਤੇ ਹੋਰ ਬਹੁਤ ਕੁਝ ਸ਼ਾਮਲ ਹੈ। harness ਸਮੇਂ ਦੇ ਨਾਲ ਨਵੇਂ agentic patterns ਅਤੇ primitives ਨੂੰ ਸ਼ਾਮਲ ਕਰਦਾ ਰਹੇਗਾ, ਤਾਂ ਜੋ ਡਿਵੈਲਪਰ core infrastructure updates 'ਤੇ ਘੱਟ ਸਮਾਂ ਖਰਚਣ ਅਤੇ ਉਸ ਡੋਮੇਨ-ਵਿਸ਼ੇਸ਼ logic 'ਤੇ ਵੱਧ ਸਮਾਂ ਦੇ ਸਕਣ ਜੋ ਉਹਨਾਂ ਦੇ ਏਜੰਟਾਂ ਨੂੰ ਲਾਭਕਾਰੀ ਬਣਾਉਂਦਾ ਹੈ.

ਇੱਕ ਡਾਇਗ੍ਰਾਮ ਜੋ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ Agent SDK ਉਪਭੋਗਤਾ ਇਨਪੁੱਟ, ਮਾਡਲਾਂ ਅਤੇ ਟੂਲਾਂ ਨੂੰ ਜੋੜ ਕੇ AI ਏਜੰਟ ਕਿਵੇਂ ਬਣਾਉਂਦਾ ਹੈ.
ਇੱਕ ਡਾਇਗ੍ਰਾਮ ਜੋ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ Agent SDK ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਮਾਡਲਾਂ, ਟੂਲਾਂ ਅਤੇ orchestration ਨਾਲ AI ਏਜੰਟ ਕਿਵੇਂ ਬਣਾਉਣੇ ਹਨ.

harness ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਅਤਿ-ਆਧੁਨਿਕ ਮਾਡਲ ਦੀ ਹੋਰ ਵੱਧ ਸਮਰੱਥਾ unlock ਕਰਨ ਵਿੱਚ ਵੀ ਮਦਦ ਕਰਦਾ ਹੈ, execution ਨੂੰ ਉਸ ਤਰੀਕੇ ਨਾਲ align ਕਰਕੇ ਜਿਸ ਵਿੱਚ ਉਹ ਮਾਡਲ ਸਭ ਤੋਂ ਵਧੀਆ ਕੰਮ ਕਰਦੇ ਹਨ। ਇਸ ਨਾਲ ਏਜੰਟ ਮਾਡਲ ਦੇ ਕੁਦਰਤੀ operating pattern ਦੇ ਨੇੜੇ ਰਹਿੰਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਜਟਿਲ ਕੰਮਾਂ 'ਤੇ ਭਰੋਸੇਯੋਗਤਾ ਅਤੇ performance ਸੁਧਰਦੀ ਹੈ—ਖਾਸ ਕਰਕੇ ਜਦੋਂ ਕੰਮ ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਚੱਲਦਾ ਹੋਵੇ ਜਾਂ ਵੱਖ-ਵੱਖ ਟੂਲਾਂ ਅਤੇ systems ਵਿੱਚ coordinated ਹੋਵੇ.

ਇਸ ਤੋਂ ਇਲਾਵਾ, ਅਸੀਂ ਸਮਝਦੇ ਹਾਂ ਕਿ ਹਰ ਉਤਪਾਦ ਵਿਲੱਖਣ ਹੁੰਦਾ ਹੈ ਅਤੇ ਕਦੇ-ਕਦਾਚ ਹੀ ਕਿਸੇ ਢਾਂਚੇ ਵਿੱਚ ਬਿਲਕੁਲ ਫਿੱਟ ਬੈਠਦਾ ਹੈ। ਅਸੀਂ Agents SDK ਨੂੰ ਇਸ ਵਿਭਿੰਨਤਾ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਹੈ। ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਇੱਕ ਅਜਿਹਾ harness ਮਿਲਦਾ ਹੈ ਜੋ turnkey ਹੋਣ ਦੇ ਨਾਲ ਲਚਕੀਲਾ ਵੀ ਹੈ—ਜਿਸ ਨਾਲ ਇਸਨੂੰ ਆਪਣੇ stack ਅਨੁਸਾਰ ਅਨੁਕੂਲ ਕਰਨਾ ਆਸਾਨ ਹੁੰਦਾ ਹੈ—ਜਿਸ ਵਿੱਚ tool use, memory, ਅਤੇ sandbox environment ਸ਼ਾਮਲ ਹਨ.

Native sandbox execution

ਅਪਡੇਟ ਕੀਤਾ Agents SDK native ਤੌਰ 'ਤੇ sandbox execution ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ, ਤਾਂ ਜੋ ਏਜੰਟ ਨਿਯੰਤਰਿਤ ਕੰਪਿਊਟਰ environments ਵਿੱਚ ਉਹਨਾਂ ਫਾਈਲਾਂ, ਟੂਲਾਂ ਅਤੇ dependencies ਨਾਲ ਚੱਲ ਸਕਣ ਜੋ ਕਿਸੇ ਕੰਮ ਲਈ ਲੋੜੀਂਦੀਆਂ ਹਨ.

ਕਈ ਲਾਭਕਾਰੀ ਏਜੰਟਾਂ ਨੂੰ ਇੱਕ ਅਜਿਹੇ ਵਰਕਸਪੇਸ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਜਿੱਥੇ ਉਹ ਫਾਈਲਾਂ ਪੜ੍ਹ ਅਤੇ ਲਿਖ ਸਕਣ, dependencies install ਕਰ ਸਕਣ, ਕੋਡ ਚਲਾ ਸਕਣ, ਅਤੇ ਟੂਲਾਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਵਰਤ ਸਕਣ। Native sandbox support ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਇਹ execution layer out of the box ਦਿੰਦਾ ਹੈ, ਬਜਾਏ ਇਸਦੇ ਕਿ ਉਹਨਾਂ ਨੂੰ ਇਹ ਸਭ ਕੁਝ ਆਪਣੇ ਆਪ ਜੋੜਨਾ ਪਵੇ.

ਡਿਵੈਲਪਰ ਆਪਣਾ sandbox ਲਿਆ ਸਕਦੇ ਹਨ ਜਾਂ Blaxel, Cloudflare, Daytona, E2B, Modal, Runloop, ਅਤੇ Vercel ਲਈ built-in support ਵਰਤ ਸਕਦੇ ਹਨ.

ਉਹ environments providers ਦੇ ਪਾਰ portable ਬਣਾਉਣ ਲਈ, SDK ਏਜੰਟ ਦੇ ਵਰਕਸਪੇਸ ਦਾ ਵਰਣਨ ਕਰਨ ਲਈ ਇੱਕ ਮੈਨੀਫੈਸਟ abstraction ਵੀ ਪੇਸ਼ ਕਰਦਾ ਹੈ। ਡਿਵੈਲਪਰ local files mount ਕਰ ਸਕਦੇ ਹਨ, output directories ਪਰਿਭਾਸ਼ਿਤ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ AWS S3, Google Cloud Storage, Azure Blob Storage, ਅਤੇ Cloudflare R2 ਸਮੇਤ storage providers ਤੋਂ ਡਾਟਾ ਲਿਆ ਸਕਦੇ ਹਨ.

ਇਹ ਡਿਵੈਲਪਰਾਂ ਨੂੰ local prototype ਤੋਂ production deployment ਤੱਕ ਏਜੰਟ ਦੇ environment ਨੂੰ ਆਕਾਰ ਦੇਣ ਦਾ ਇੱਕ ਸੰਗਤ ਤਰੀਕਾ ਦਿੰਦਾ ਹੈ। ਇਹ ਮਾਡਲ ਨੂੰ ਇੱਕ ਅਨੁਮਾਨਯੋਗ ਵਰਕਸਪੇਸ ਵੀ ਦਿੰਦਾ ਹੈ: inputs ਕਿੱਥੇ ਲੱਭਣੇ ਹਨ, outputs ਕਿੱਥੇ ਲਿਖਣੇ ਹਨ, ਅਤੇ ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਚੱਲਣ ਵਾਲੇ ਕੰਮ ਵਿੱਚ ਕੰਮ ਨੂੰ ਕਿਵੇਂ ਸੁਗਠਿਤ ਰੱਖਣਾ ਹੈ.

Daytona, E2B, Modal, Cloudflare, Vercel, Blaxel, Runloop ਦੇ ਲੋਗੋ

ਸੁਰੱਖਿਆ, ਟਿਕਾਊਪਣ, ਅਤੇ ਪੈਮਾਨੇ ਲਈ harness ਨੂੰ compute ਤੋਂ ਵੱਖ ਕਰਨਾ

ਏਜੰਟ ਸਿਸਟਮਾਂ ਨੂੰ ਇਸ ਧਾਰਣਾ ਨਾਲ ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ prompt-injection ਅਤੇ exfiltration ਕੋਸ਼ਿਸ਼ਾਂ ਹੋਣਗੀਆਂ। harness ਅਤੇ compute ਨੂੰ ਵੱਖ ਕਰਨ ਨਾਲ credentials ਨੂੰ ਉਹਨਾਂ environments ਤੋਂ ਬਾਹਰ ਰੱਖਣ ਵਿੱਚ ਮਦਦ ਮਿਲਦੀ ਹੈ ਜਿੱਥੇ ਮਾਡਲ-ਦੁਆਰਾ ਬਣਾਇਆ ਕੋਡ ਚੱਲਦਾ ਹੈ.

ਇਹ durable execution ਨੂੰ ਵੀ ਸੰਭਵ ਬਣਾਉਂਦਾ ਹੈ। ਜਦੋਂ ਏਜੰਟ ਦੀ state externalized ਹੁੰਦੀ ਹੈ, sandbox container ਖੋਣ ਦਾ ਮਤਲਬ run ਖੋਣਾ ਨਹੀਂ ਹੁੰਦਾ। Built-in snapshotting ਅਤੇ rehydration ਨਾਲ, Agents SDK ਏਜੰਟ ਦੀ state ਨੂੰ ਇੱਕ ਤਾਜ਼ਾ container ਵਿੱਚ restore ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਜੇ ਮੂਲ environment ਫੇਲ ਹੋ ਜਾਵੇ ਜਾਂ ਮਿਆਦ ਪੁੱਗ ਜਾਵੇ ਤਾਂ ਆਖ਼ਰੀ checkpoint ਤੋਂ ਅੱਗੇ ਜਾਰੀ ਰੱਖ ਸਕਦਾ ਹੈ.

ਅੰਤ ਵਿੱਚ, ਇਹ ਏਜੰਟਾਂ ਨੂੰ ਹੋਰ scalable ਬਣਾਉਂਦਾ ਹੈ। Agent runs ਇੱਕ sandbox ਜਾਂ ਕਈ ਵਰਤ ਸਕਦੀਆਂ ਹਨ, sandboxes ਨੂੰ ਸਿਰਫ਼ ਲੋੜ ਹੋਣ 'ਤੇ ਹੀ invoke ਕਰ ਸਕਦੀਆਂ ਹਨ, subagents ਨੂੰ ਅਲੱਗ environments ਵੱਲ route ਕਰ ਸਕਦੀਆਂ ਹਨ, ਅਤੇ ਤੇਜ਼ execution ਲਈ containers ਵਿੱਚ ਕੰਮ parallelize ਕਰ ਸਕਦੀਆਂ ਹਨ.

ਇੱਕ flow diagram ਜੋ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ Agent SDK ਕਿਵੇਂ AI ਏਜੰਟਾਂ ਨੂੰ ਹੋਰ ਜਟਿਲ ਕੰਮਾਂ ਲਈ ਵਾਧੂ compute resources ਵਰਤਣ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ.
ਇੱਕ ਡਾਇਗ੍ਰਾਮ ਜੋ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ Agent SDK ਨਾਲ ਬਣੇ AI ਏਜੰਟ ਵੱਖਰੇ compute systems ਨੂੰ orchestrate ਕਰ ਸਕਦੇ ਹਨ, ਜਿਸ ਨਾਲ workloads ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਚੱਲ ਸਕਦੇ ਹਨ ਅਤੇ ਹੋਰ ਉੱਨਤ ਕੰਮਾਂ ਨੂੰ ਸਮਰਥਨ ਮਿਲਦਾ ਹੈ.

ਕੀਮਤ ਅਤੇ ਉਪਲਬਧਤਾ

ਇਹ ਨਵੀਆਂ Agents SDK ਸਮਰੱਥਾਵਾਂ API ਰਾਹੀਂ ਸਾਰੇ ਗਾਹਕਾਂ ਲਈ ਆਮ ਤੌਰ 'ਤੇ ਉਪਲਬਧ ਹਨ ਅਤੇ tokens ਅਤੇ tool use ਦੇ ਆਧਾਰ 'ਤੇ ਮਿਆਰੀ API pricing ਵਰਤਦੀਆਂ ਹਨ.

ਅੱਗੇ ਕੀ

ਜਿਵੇਂ ਜਿਵੇਂ ਅਸੀਂ Agents SDK ਨੂੰ ਵਿਕਸਿਤ ਕਰਦੇ ਰਹਾਂਗੇ, ਅਸੀਂ ਇਹ ਵੀ ਵਧਾਉਂਦੇ ਰਹਾਂਗੇ ਕਿ ਡਿਵੈਲਪਰ ਇਸ ਨਾਲ ਕੀ ਕੁਝ ਬਣਾ ਸਕਦੇ ਹਨ, ਤਾਂ ਜੋ ਘੱਟ custom infrastructure ਨਾਲ ਹੋਰ ਸਮਰੱਥ ਏਜੰਟਾਂ ਨੂੰ production ਵਿੱਚ ਲਿਆਉਣਾ ਆਸਾਨ ਹੋਵੇ, ਅਤੇ ਨਾਲ ਹੀ ਉਹ ਲਚਕਤਾ ਅਤੇ ਨਿਯੰਤਰਣ ਕਾਇਮ ਰਹੇ ਜੋ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਆਪਣੇ environments ਵਿੱਚ ਏਜੰਟ ਫਿਟ ਕਰਨ ਲਈ ਚਾਹੀਦੇ ਹਨ.

ਨਵੀਆਂ harness ਅਤੇ sandbox ਸਮਰੱਥਾਵਾਂ ਪਹਿਲਾਂ Python ਵਿੱਚ ਲਾਂਚ ਹੋ ਰਹੀਆਂ ਹਨ, ਅਤੇ ਭਵਿੱਖ ਦੀ ਰਿਲੀਜ਼ ਲਈ TypeScript support ਦੀ ਯੋਜਨਾ ਹੈ। ਅਸੀਂ ਵਾਧੂ ਏਜੰਟ ਸਮਰੱਥਾਵਾਂ, ਜਿਸ ਵਿੱਚ code mode ਅਤੇ subagents ਸ਼ਾਮਲ ਹਨ, ਨੂੰ Python ਅਤੇ TypeScript ਦੋਵਾਂ ਵਿੱਚ ਲਿਆਉਣ 'ਤੇ ਵੀ ਕੰਮ ਕਰ ਰਹੇ ਹਾਂ.

ਇਸ ਤੋਂ ਇਲਾਵਾ, ਅਸੀਂ ਸਮੇਂ ਦੇ ਨਾਲ ਵਿਆਪਕ ਏਜੰਟ ecosystem ਨੂੰ ਇਕੱਠਾ ਲਿਆਉਣ ਵਿੱਚ ਮਦਦ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਾਂ, ਹੋਰ sandbox providers, ਹੋਰ integrations, ਅਤੇ ਹੋਰ ਤਰੀਕਿਆਂ ਲਈ support ਦੇ ਨਾਲ, ਤਾਂ ਜੋ ਡਿਵੈਲਪਰ SDK ਨੂੰ ਉਹਨਾਂ ਟੂਲਾਂ ਅਤੇ systems ਵਿੱਚ ਜੋੜ ਸਕਣ ਜੋ ਉਹ ਪਹਿਲਾਂ ਹੀ ਵਰਤਦੇ ਹਨ.

ਲੇਖਕ

OpenAI

ਪੜ੍ਹਦੇ ਰਹੋ

ਸਭ ਵੇਖੋ
Art Card 1080x1080 (3)
Better memory for a more helpful ChatGPT
ChatGPT ਦੀ ਮੇਮੋਰੀ ਲਈ ਹੋਰ ਮਜ਼ਬੂਤ ਆਧਾਰ

ਖੋਜ

Rosalind5.5 ArtCard
Introducing new capabilities to GPT-Rosalind

ਉਤਪਾਦ

1 1 Art Card
ਹਰ ਭੂਮਿਕਾ, ਟੂਲ ਅਤੇ ਵਰਕਫ਼ਲੋ ਲਈ Codex

ਉਤਪਾਦ