முக்கிய உள்ளடக்கத்திற்கு செல்க
OpenAI

15 ஏப்ரல், 2026

தயாரிப்பு

ஏஜென்ட்ஸ் SDK-இன் அடுத்த கட்ட மேம்பாடு

புதுப்பிக்கப்பட்ட Agents SDK, கட்டுப்படுத்தப்பட்ட சாண்ட்பாக்ஸ் சூழல்களில் கோப்புகளை ஆய்வு செய்யவும், கட்டளைகளை இயக்கவும், குறியீட்டைத் திருத்தவும், நீண்டகால பணிகளில் செயல்படவும் கூடிய ஏஜென்ட்களை டெவலப்பர்கள் உருவாக்க உதவுகிறது.

ஏற்றுகிறது…

டெவலப்பர்களுக்கு எளிதாகத் தொடங்கக்கூடியதும் OpenAI மாடல்களுக்காகச் சரியாக உருவாக்கப்பட்டதுமான தரநிலைப்படுத்தப்பட்ட உட்கட்டமைப்பை வழங்கும் புதிய திறன்களை Agents SDK-இல் நாங்கள் அறிமுகப்படுத்துகிறோம்: கணினியில் கோப்புகள் மற்றும் கருவிகள் முழுவதும் ஏஜென்ட்கள் செயல்பட அனுமதிக்கும் ஒரு மாடல்-நேட்டிவ் ஹார்னஸ், மேலும் அந்தப் பணியை பாதுகாப்பாக இயக்குவதற்கான நேட்டிவ் சாண்ட்பாக்ஸ் எக்ஸிக்யூஷன்.

உதாரணமாக, டெவலப்பர்கள் ஒரு ஏஜென்ட்டிற்கு கட்டுப்படுத்தப்பட்ட வர்க்ஸ்பேஸ், தெளிவான வழிமுறைகள், மற்றும் ஆதாரங்களை ஆய்வு செய்ய தேவையான கருவிகளை வழங்க முடியும்:

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

பயனுள்ள ஏஜென்ட்களை உருவாக்க டெவலப்பர்களுக்கு சிறந்த மாடல்கள் மட்டும் போதாது—ஏஜென்ட்கள் கோப்புகளை ஆய்வு செய்ய, கட்டளைகளை இயக்க, குறியீட்டை எழுத, மற்றும் பல படிகளிலும் தொடர்ந்து செயல்படுவதைக் ஆதரிக்கும் அமைப்புகளும் தேவை.

இன்று உள்ள அமைப்புகள், குழுக்கள் முன்மாதிரிகளிலிருந்து புரொடக்ஷனுக்கு நகரும் போது, சமரசங்களுடன் வருகின்றன. மாடல்-அக்னோஸ்டிக் ஃப்ரேம்வொர்க்குகள் நெகிழ்வானவை, ஆனால் அவை அதிநவீன மாடல்களின் திறன்களை முழுமையாக பயன்படுத்துவதில்லை; மாடல்-வழங்குநர் SDKகள் மாடலுக்கு இன்னும் நெருக்கமாக இருக்கக்கூடும், ஆனால் அவற்றில் ஹார்னஸைப் பற்றிய போதுமான தெளிவான பார்வை பெரும்பாலும் இல்லாது போகிறது; மேலும், மேலாண்மை செய்யப்பட்ட ஏஜென்ட் APIகள் டிப்ளாய்மென்டை எளிமைப்படுத்தக்கூடும், ஆனால் ஏஜென்ட்கள் எங்கு இயங்குகின்றன மற்றும் அவை நுணுக்கமான தரவை எவ்வாறு அணுகுகின்றன என்பதைக் கட்டுப்படுத்துகின்றன.

புதிய SDK-ஐ எங்களுடன் சேர்ந்து சோதித்த சில வாடிக்கையாளர்கள் கூறியது இதோ:

“GPT-5.4 ஆவணங்கள் அதிகமாக உள்ள சட்டப் பணிக்கான புதிய தரநிலையை அமைக்கிறது. எங்களின் BigLaw Bench eval இல், இது 91% மதிப்பெண் பெற்றது. மற்ற மாடல்களுடன் ஒப்பிடுகையில், GPT-5.4 தற்போது சிக்கலான பரிவர்த்தனை பகுப்பாய்வை கட்டமைப்பதில், நீளமான ஒப்பந்தங்களெங்கும் துல்லியத்தை பராமரிப்பதில், மேலும் சட்ட நிபுணர்கள் தேவைப்படும் உயர்ந்த அளவிலான விவரங்களை வழங்குவதிலும் சிறந்ததாக உள்ளது.
— Niko Grupen, Harvey-இல் பயன்பாட்டு ஆராய்ச்சித் தலைவர்

ஏஜென்ட் லூப்புக்கான மேலும் திறன்மிக்க ஹார்னஸ்

இன்றைய வெளியீட்டின் மூலம், ஆவணங்கள், கோப்புகள் மற்றும் அமைப்புகளுடன் செயல்படும் ஏஜென்ட்களுக்கு Agents SDK கருவி மேலும் திறன் வாய்ந்ததாகிறது. இது இப்போது கட்டமைக்கக்கூடிய நினைவகம், சாண்ட்பாக்ஸ் சார்ந்த ஒருங்கிணைப்பு, Codex போன்ற கோப்பு அமைப்பு கருவிகள் மற்றும் அதிநவீன ஏஜென்ட் அமைப்புகளில் பொதுவாகி வரும் அடிப்படை அம்சங்களுடன் தரநிலைப்படுத்தப்பட்ட ஒருங்கிணைப்புகளை சேர்க்கிறது.

இந்த அடிப்படை கூறுகளில் MCP(புதிய சாளரத்தில் திறக்கும்) மூலம் கருவி பயன்பாடு, skills(புதிய சாளரத்தில் திறக்கும்) மூலம் படிப்படியான வெளிப்படுத்தல், AGENTS.md(புதிய சாளரத்தில் திறக்கும்) மூலம் தனிப்பயன் வழிமுறைகள் ஆகியவை அடங்கும், ஷெல்(புதிய சாளரத்தில் திறக்கும்) கருவியைப் பயன்படுத்தி குறியீடு செயல்படுத்தல், apply patch(புதிய சாளரத்தில் திறக்கும்) கருவியைப் பயன்படுத்தி கோப்பு திருத்தங்கள், மற்றும் பல. இந்த harness காலப்போக்கில் புதிய முகவர் சார்ந்த வடிவங்கள் மற்றும் அடிப்படை கூறுகளை தொடர்ந்து இணைத்துக்கொண்டே இருக்கும். இதனால் டெவலப்பர்கள் முக்கிய உள்கட்டமைப்பு புதுப்பிப்புகளில் குறைந்த நேரம் செலவிட்டு, அவர்களின் ஏஜென்ட்களை பயனுள்ளதாக மாற்றும் குறிப்பிட்ட துறை சார்ந்த தர்க்கத்தில் அதிக நேரம் செலவிட முடியும்.

பயனர் உள்ளீடு, மாடல்கள் மற்றும் கருவிகளை இணைத்து AI முகவர்களை உருவாக்க Agent SDK பயன்படுத்தப்படுகின்றது என்பதை காட்டும் வரைபடம்.
மாடல்கள், கருவிகள் மற்றும் ஆர்கெஸ்ட்ரேஷனுடன் Agent SDK-ஐ பயன்படுத்தி AI ஏஜென்ட்களை எவ்வாறு உருவாக்குவது என்பதைக் காட்டும் வரைபடம்.

ஹார்னஸ், அந்த மாடல்கள் சிறப்பாக செயல்படும் விதத்துடன் செயல்படுத்தலை ஒத்திசைப்பதன் மூலம், டெவலப்பர்கள் ஒரு அதிநவீன மாடலின் திறன்களை மேலும் வெளிக்கொணரவும் உதவுகிறது. அது ஏஜென்ட்களை மாடலின் இயல்பான செயல்பாட்டு முறைக்கு நெருக்கமாக வைத்திருக்கிறது, இதனால் சிக்கலான பணிகளில் நம்பகத்தன்மையும் செயல்திறனும் மேம்படுகிறது, குறிப்பாக நீண்ட நேரம் இயங்கும் அல்லது பல கருவிகள் மற்றும் அமைப்புகள் ஒருங்கிணைக்கப்படும் பணிகளில்.

கூடுதலாக, ஒவ்வொரு தயாரிப்பும் தனித்துவமானது என்றும், அது ஒரு குறிப்பிட்ட வார்ப்புருவில் சரியாகப் பொருந்துவது அரிது என்றும் நாங்கள் உணர்கிறோம். இந்தப் பல்வகைத் தன்மையை ஆதரிக்க நாங்கள் Agents SDK-ஐ வடிவமைத்தோம். டெவலப்பர்கள் உடனடியாகப் பயன்படுத்தக்கூடியதாகவும் அதே நேரத்தில் நெகிழ்வானதாகவும் இருக்கும் ஒரு கட்டமைப்பைப் பெறுகிறார்கள்—இதனால், கருவி பயன்பாடு, நினைவகம் மற்றும் சாண்ட்பாக்ஸ் சூழல் உள்ளிட்டவற்றுடன், அதை அவர்களின் சொந்த தொழில்நுட்ப அடுக்குக்கு ஏற்ப மாற்றியமைப்பது எளிதாகிறது.

நேட்டிவ் சாண்ட்பாக்ஸ் செயலாக்கம்

புதுப்பிக்கப்பட்ட Agents SDK, sandbox execution-ஐ இயல்பாகவே ஆதரிக்கிறது; எனவே, ஏஜென்ட்கள் ஒரு பணிக்குத் தேவையான கோப்புகள், கருவிகள் மற்றும் சார்புகளுடன் கட்டுப்படுத்தப்பட்ட கணினி சூழல்களில் இயங்க முடியும்.

பல பயனுள்ள ஏஜென்ட்களுக்கு கோப்புகளை வாசிக்கவும் எழுதவும், சார்புகளை நிறுவவும், குறியீட்டை இயக்கவும், கருவிகளை பாதுகாப்பாக பயன்படுத்தவும் ஒரு வர்க்ஸ்பேஸ் தேவைப்படுகிறது. உள்ளமைவு sandbox ஆதரவு, டெவலப்பர்கள் அந்த செயல்படுத்தல் அடுக்கை இயல்பாகவே பெறச் செய்கிறது; அதைத் தாங்களே உருவாக்க வேண்டிய நிலையைத் தவிர்க்கிறது.

டெவலப்பர்கள் தங்களுடைய சொந்த sandbox-ஐக் கொண்டு வரலாம் அல்லது Blaxel, Cloudflare, Daytona, E2B, Modal, Runloop, மற்றும் Vercel ஆகியவற்றுக்கான உள்ளமைக்கப்பட்ட ஆதரவைப் பயன்படுத்தலாம்.

அந்த சூழல்களை வழங்குநர்களுக்கிடையில் எடுத்துச் செல்லக்கூடியதாக மாற்ற, ஏஜென்டின் வர்க்ஸ்பேஸை விவரிப்பதற்கான மானிஃபெஸ்ட் என்ற அரூபக்த்தையும் SDK அறிமுகப்படுத்துகிறது. டெவலப்பர்கள் உள்ளூர் கோப்புகளை மவுண்ட் செய்யலாம், வெளியீட்டு அடைவுகளை வரையறுக்கலாம், மேலும் AWS S3, Google Cloud Storage, Azure Blob Storage மற்றும் Cloudflare R2 உள்ளிட்ட சேமிப்பு வழங்குநர்களிடமிருந்து தரவை கொண்டு வரலாம்.

இது டெவலப்பர்களுக்கு உள்ளூர் புரோட்டோடைப்பிலிருந்து புரொடக்ஷன் டெப்ளாய்மென்ட் வரை ஏஜென்ட் சூழலை ஒரே மாதிரியான முறையில் வடிவமைக்க உதவுகிறது. இது மாடலுக்கு ஒரு கணிக்கக்கூடிய வர்க்ஸ்பேஸையும் வழங்குகிறது: உள்ளீடுகளை எங்கு கண்டுபிடிக்கலாம், வெளியீடுகளை எங்கு எழுதலாம், மேலும் நீண்ட நேரம் நடைபெறும் பணியின் முழுவதும் வேலையை எவ்வாறு ஒழுங்குபடுத்தி வைத்திருக்கலாம் என்பதையும்.

Daytona, E2B, Modal, Cloudflare, Vercel, Blaxel, Runloop இதற்கான லோகோக்கள்

பாதுகாப்பு, நீடித்தன்மை மற்றும் அளவீட்டிற்காக ஹார்னஸை கணக்கீட்டிலிருந்து பிரித்தல்.

ஏஜென்ட் அமைப்புகள், ப்ராம்ப்ட் இன்ஜெக்ஷன் மற்றும் தரவு வெளியேற்ற முயற்சிகள் உள்ளன என்று கருதி வடிவமைக்கப்பட வேண்டும். harness மற்றும் கம்ப்யூட்டை பிரித்துவைப்பது, மாடல் உருவாக்கிய குறியீடு இயங்கும் சூழல்களில் அணுகல் சான்றுகள் இருக்காமல் வைத்திருக்க உதவுகிறது.

இது மேலும் நீடித்த செயல்படுத்தலுக்கும் உதவுகிறது. ஏஜென்டின் நிலை வெளிப்புறமாகச் சேமிக்கப்பட்டிருந்தால், ஒரு சாண்ட்பாக்ஸ் கன்டெய்னரை இழப்பது இயக்கத்தை இழப்பதைக் குறிக்காது. உள்ளமைக்கப்பட்ட snapshotting மற்றும் rehydration மூலம், முதன்மை சூழல் செயலிழந்தாலோ அல்லது காலாவதியானாலோ, Agents SDK ஒரு புதிய கன்டெய்னரில் ஏஜென்டின் நிலையை மீட்டெடுத்து, கடைசி checkpoint லிருந்து தொடர முடியும்.

இறுதியாக, அது ஏஜென்ட்களை மேலும் அளவிடக்கூடியதாக மாற்றுகிறது. ஏஜென்ட் ரன்கள் ஒரு சாண்ட்பாக்ஸையோ பல சாண்ட்பாக்ஸ்களையோ பயன்படுத்தலாம், தேவைப்படும் போது மட்டுமே சாண்ட்பாக்ஸ்களை அழைக்கலாம், சப் ஏஜென்ட்களை தனிமைப்படுத்தப்பட்ட சூழல்களுக்கு வழிமாற்றலாம், மேலும் வேகமான செயல்பாட்டிற்காக கண்டெய்னர்களுக்கிடையே பணியை இணையாக இயக்கலாம்.

AI ஏஜென்ட்கள் சிக்கலான பணிகளுக்கு கூடுதல் கணினி வளங்களை எவ்வாறு பயன்படுத்த உதவுகிறது என்பதை விளக்கும் ஏஜென்ட் SDK செயல் ஓட்ட வரைபடம்.
Agent SDK-ஐ பயன்படுத்தி உருவாக்கப்பட்ட AI ஏஜென்ட்கள் தனித்தனி கணினி அமைப்புகளை எவ்வாறு ஒருங்கிணைக்க முடியும் என்பதை விளக்கும் வரைபடம். இதன் மூலம் பணிச்சுமைகள் சுயாதீனமாக இயங்குவதுடன், மேலும் மேம்பட்ட பணிகளை ஆதரிக்கவும் முடியும்.

விலை மற்றும் கிடைக்கும் நிலை

இந்த புதிய Agents SDK திறன்கள் API வழியாக அனைத்து வாடிக்கையாளர்களுக்கும் பொதுவாக கிடைக்கின்றன மற்றும் டோக்கன் மற்றும் கருவி பயன்பாட்டின் அடிப்படையில் ஸ்டாண்டர்டு API விலை நிர்ணயத்தைப் பயன்படுத்துகின்றன.

அடுத்தது என்ன

Agents SDK-ஐ நாங்கள் தொடர்ந்து மேம்படுத்திக் கொண்டிருக்கும்போது, டெவலப்பர்கள் அதைப் பயன்படுத்தி உருவாக்கக்கூடியவற்றை மேலும் விரிவுபடுத்துவோம். இதன் மூலம், குறைந்த தனிப்பயன் உள்கட்டமைப்புடன் அதிக திறன் கொண்ட ஏஜன்ட்களை தயாரிப்பு பயன்பாட்டிற்கு கொண்டு வருவது எளிதாகும். அதே நேரத்தில், ஏஜன்ட்களை தங்களின் சொந்த சூழல்களுக்கு ஏற்ப பொருத்துவதற்கு டெவலப்பர்களுக்கு தேவையான நெகிழ்வுத்தன்மையும் கட்டுப்பாடும் பாதுகாக்கப்படும்.

புதிய ஹார்னஸ் மற்றும் சாண்ட்பாக்ஸ் திறன்கள் முதலில் Python-இல் அறிமுகப்படுத்தப்படுகின்றன. TypeScript ஆதரவு எதிர்கால வெளியீட்டிற்காக திட்டமிடப்பட்டுள்ளது. கோட் பயன்முறை மற்றும் துணை-ஏஜென்ட்கள் உள்ளிட்ட கூடுதல் ஏஜென்ட் திறன்களை Python மற்றும் TypeScript இரண்டிற்கும் கொண்டு வர நாங்கள் மேலும் பணியாற்றி வருகிறோம்.

கூடுதலாக, காலப்போக்கில் மேலும் பல sandbox வழங்குநர்கள், மேலும் பல ஒருங்கிணைப்புகள், மற்றும் டெவலப்பர்கள் ஏற்கனவே பயன்படுத்தும் கருவிகள் மற்றும் அமைப்புகளில் SDK-ஐ இணைக்க மேலும் பல வழிகளுக்கான ஆதரவுடன், பரந்த ஏஜென்ட் சூழலமைப்பை ஒன்றிணைக்க உதவ விரும்புகிறோம்.

ஆசிரியர்

OpenAI